．人工智慧臉部辨識面臨的問題

China: facial recognition and state control

智慧安控專區，展覽報名聯絡人：

0935-970-603 施正偉

來源：企业网D1Net

如今的人工智慧的臉部辨識算法並不完美。如果企業正在考慮部署此技術，那麼應該知道以下這些內容。

安裝在貨架上的攝影機，配有人工智慧臉部辨識軟體，可以辨識消費者的年齡、性別和種族，這是今年 1 月在紐約舉行的全美零售聯盟大型展會期間，向零售公司推出的新興系統之一。

這個想法是給實體店提供人口統計資訊，以指導他們如何向個人客戶推銷。這對於像亞馬遜這樣，一直在利用客戶數據的線上零售商而言，具有競爭優勢。

但是，採用攝影機捕捉客戶的照片，用一種他們甚至不會注意到的方式，是不是入侵性太強？除此之外，還有其他問題。如果該軟體錯誤地，將男性辨識為女性，並為其提供女性衛生用品的折扣，該怎麼辦？有什麼後果？

零售環境中的後果可能並不十分重要，但客戶可能會感到煩惱，並在社交媒體上談論，並且不再回到那家商店購物。但是，在機器視覺和人工智慧，驅動的臉部辨識軟體的其他應用中，其後果會更嚴重嗎？

事實證明，人們對人工智慧臉部辨識軟體非常關注，它在商業上可從許多主要供應商獲得，其中包括微軟、IBM和亞馬遜。

最近的一項研究重點是，一些商業算法在辨識膚色較深的人員和女性方面，不如辨識膚色較淺的男人準確。這是以前討論過的一個話題。

例如，2018年7月，美國公民自由聯盟(ACLU)對美國國會議員的照片，應用了亞馬遜算法，該算法確定其中，28人是因犯罪而被捕的人。

最近麻省理工學院媒體實驗室的一項研究，提出這樣一個問題：這些商業算法的公開審計，是否會影響供應商，對提高算法準確性的關注。

這項研究報告由麻省理工學院的研究生 Joy Buolamwini 共同撰寫，他也是算法正義聯盟(Algorithmic Justice League)的創始人，該組織自稱致力於解決算法中的偏見。

這項研究顯示，這些算法最擅長辨識膚色較淺的男性。他們在辨識女性或膚色較深的人時表現不佳。研究還指出，一些供應商在向他們指出這些問題後，改進了他們的算法。

亞馬遜公司對這項研究的回應，刊登在《紐約時報》的文章中，Buolamwini 已經發表了，她關於這個問題的聲明和回應，以及供應商對媒體的回應。

在機器學習中，根據所使用的訓練數據的數量和類型，結果可能有偏差或不準確。例如，亞馬遜公司使用機器學習，來篩選求職者的簡歷，最後得到了大多數的男性候選人。這可能是因為用於訓練算法的歷史數據池中，男性多於女性。

透過向用於訓練算法的數據池中，添加更多的數據或數據源，供應商可以提高，他們的人工智慧臉部辨識系統的準確性。

然而，供應商也提供了一種安全閥，來防止這些算法的缺陷。這些系統允許組織客戶，設置一個閾值或置信水準。這可以根據組織，為結果計劃的操作類型進行設置。

全美零售聯盟展會展出的零售系統展示了它的運作方式。例如，就性別而言，這些系統可能會確定某人是男性，但他們也會提供一個信心分數，基本上說他們是 67% (或其他百分比)確定這個人是男性。零售商已經設定了他們願意接受的置信水平。

因此，如果有人被推斷為具有 67% 置信度分數的男性，並且零售商已將閾值水平設定為 60%，則客戶將看到為男性定制的優惠。如果零售商將閾值分數設置為 70%，則客戶的 67% 分數將不會達到該閾值，並且客戶將看到可以對任何客戶(男性或女性)提供的通用報價。

例如，如果風險很高，在一個可能改變某人生活軌跡的執法應用程序中，組織可能會將閾值設置為99%。如果風險沒有那麼高，他們可能會把門檻設置在一個較低的水準。

提高隱私意識

但是，收集客戶圖像是否存在隱私問題，特別是在 GDPR 法規，和其他新數據隱私法，已經實施的時代中？全美零售聯盟展會的其中一位展台代表表示，客戶的圖像不會被保留。但是，會保留並分析有關訪問特定顯示的客戶的，人口統計數據的匯總數據，以幫助零售商深入瞭解其客戶。

企業是否應該嘗試使用人工智慧臉部辨識軟體？這可能取決於應用程序和風險等級。對於那些希望在數位競爭對手中，獲得優勢的實體商店零售商來說，這些應用程序可以開闢一個，前所未有的數據和洞察世界。

在其他的情況下，採用機器視覺技術查找人們的圖像，與已知圖像數據庫進行匹配，例如用於打擊拐賣兒童犯罪。人工智慧可以展示可能的匹配，並且最終確定是否找到了匹配的人。

在這種類型的應用中，使用人工智慧的好處是，無論是辨識失蹤的孩子，還是在擁擠的體育賽事中，即時辨識可疑的恐怖分子，該算法都可以在幾秒鐘內，分析並進行匹配。但是在這些高風險的應用中，讓人員在循環中進行最後一次調用，將是防止這種新興技術，出現錯誤的重要保障。