Sistemi za prepoznavanje lica pretvaraju fizičke karakteristike lica u niz brojeva radi poređenja sa bazama podataka
Ova tehnologija omogućava otključavanje uređaja, verifikaciju identiteta i identifikaciju na snimcima, ali otvara ozbiljna pitanja privatnosti kada se koristi u javnom prostoru
Za čoveka je lice nečiji pogled, izraz ili osmeh. Za sistem zasnovan na veštačkoj inteligenciji ono postaje niz brojeva koji se za nekoliko trenutaka može uporediti sa hiljadama ili milionima drugih zapisa.
Upravo taj matematički obrazac omogućava da licem otključamo telefon, potvrdimo identitet ili budemo pronađeni na snimku sigurnosne kamere. Ista tehnologija, međutim, otvara znatno ozbiljnija pitanja kada se koristi u javnom prostoru i poveže sa policijskim bazama podataka.
Rasprava je ponovo pokrenuta u Italiji, gde se razmatraju pravila o upotrebi sistema za prepoznavanje lica od strane policije. Predložene odredbe trebalo bi da nacionalno zakonodavstvo usklade sa evropskim Aktom o veštačkoj inteligenciji, ali su organizacije za zaštitu digitalnih prava upozorile na mogućnost masovnog biometrijskog nadzora.
Kako, međutim, kamera uopšte prepoznaje lice i na koji način AI od nečijeg izgleda pravi matematički zapis?
Kamera prvo pronalazi lice, a zatim ga "ispravlja"
Prepoznavanje lica počinje pre nego što algoritam pokuša da otkrije kome ono pripada. Sistem najpre mora da ustanovi da se na fotografiji ili snimku uopšte nalazi ljudsko lice.
To radi tehnologija za detekciju lica, kakvu svakodnevno koristimo i na mobilnim telefonima. Kada kamera tokom fotografisanja iscrta kvadrat oko nečije glave kako bi podesila fokus i ekspoziciju, ona je već pronašla lice, ali još nije utvrdila identitet osobe.
Nakon toga softver izdvaja ključne delove, među kojima su položaj očiju, nosa, usta i konture lica. Snimak se poravnava, rotira i prilagođava kako bi lice bilo postavljeno u standardan položaj. Istovremeno se koriguju osvetljenje, kontrast i drugi parametri koji mogu da utiču na poređenje.
Cilj je da fotografija snimljena iz blagog ugla, pri slabijem svetlu ili drugom kamerom postane dovoljno slična referentnom snimku koji se već nalazi u sistemu.
Od fotografije ostaje niz brojeva
Kada je lice pronađeno i pripremljeno, duboka neuronska mreža analizira njegov obrazac. Ona ga ne opisuje rečima, niti čuva podatak poput „krupne oči“ ili „uzak nos“, već karakteristike prevodi u numerički vektor.
Takav zapis, poznat i kao „face embedding“, može da sadrži desetine ili stotine brojčanih vrednosti. One zajedno određuju položaj lica u posebnom matematičkom prostoru.
Jedan od poznatih modela, FaceNet, razvijen je tako da fotografije iste osobe postavlja blizu jednu drugoj u tom prostoru, dok bi zapisi različitih ljudi trebalo da budu udaljeniji. Tako je moguće meriti sličnost između dva lica bez oslanjanja na njihova imena ili klasičan opis izgleda. Istraživači koji su razvili FaceNet ovaj postupak opisuju kao preslikavanje lica u kompaktan prostor u kojem rastojanje predstavlja stepen njihove sličnosti.
Zbog toga se često kaže da AI pretvara lice u matematičku formulu. Preciznije bi bilo reći da stvara njegov numerički obrazac. On nije apsolutno jedinstven i nepogrešiv poput broja lične karte, već dovoljno karakterističan da se poredi sa drugim zapisima.
Fotografija pritom ne mora biti obrisana. Organizacija koja upravlja sistemom može da čuva i originalni snimak i iz njega izveden biometrijski obrazac, u zavisnosti od namene, tehničkog rešenja i pravila koja mora da poštuje.
AI ne daje konačan odgovor, već rezultat sličnosti
Postoje dva osnovna načina upotrebe ovakvog sistema.
Prvi je verifikacija „jedan prema jedan“. Tada se snimljeno lice poredi sa unapred poznatim zapisom kako bi se proverilo da li je osoba zaista ona za koju se predstavlja. Na tom principu funkcioniše otključavanje telefona licem ili potvrđivanje identiteta prilikom pristupa zaštićenom nalogu.
Drugi je identifikacija „jedan prema više“. Sistem tada fotografiju nepoznate osobe poredi sa velikom bazom i izdvaja zapise koji su joj najsličniji. To je znatno osetljivija primena jer algoritam može da pretražuje hiljade ili milione lica i napravi listu mogućih kandidata.
Rezultat nije kategorična tvrdnja da se na snimku nalazi određeni čovek. Algoritam proizvodi broj koji predstavlja stepen sličnosti, a zatim ga poredi sa unapred podešenim pragom. Ako je rezultat iznad tog praga, sistem označava moguću podudarnost.
Što je prag niži, veća je mogućnost da sistem pronađe traženu osobu, ali raste i rizik da pogrešno poveže dva različita lica. Ako je prag previsok, algoritam može da odbaci i tačno podudaranje.
Jedna greška ne otključava telefon, druga može da označi nedužnog čoveka
Na preciznost utiču položaj glave, rezolucija snimka, osvetljenje, starenje, naočare, brada, šminka, maska i ugao pod kojim je osoba snimljena. Problem mogu da predstavljaju i ljudi sličnog izgleda, čak i kada su fotografije veoma kvalitetne.
Američki Nacionalni institut za standarde i tehnologiju upozorava da se učestalost pogrešnih podudaranja razlikuje od algoritma do algoritma, ali i između pojedinih demografskih grupa. Aktuelna NIST testiranja pokazuju da lažno pozitivni rezultati mogu nastati zbog anatomske sličnosti dva lica, kao i zbog odsjaja, naočara i drugih karakteristika snimka.
Posledice greške zavise od toga gde se tehnologija koristi. Ako telefon ne prepozna vlasnika, on može ponovo da pokuša ili unese šifru. Ako policijski sistem pogrešno poveže prolaznika sa osobom koju traži, posledica mogu biti ispitivanje, praćenje ili sumnja prema nekome ko nema nikakve veze sa događajem.
Zbog toga rezultat algoritma ne bi smeo automatski da se smatra dokazom. On može da bude trag ili predlog za dalju proveru, ali mora da se potvrdi drugim informacijama i ljudskom procenom.
Evropska unija povlači granicu u javnom prostoru
Akt Evropske unije o veštačkoj inteligenciji ne zabranjuje svaku upotrebu sistema za prepoznavanje lica. Posebno je ograničena policijska biometrijska identifikacija u realnom vremenu u javno dostupnim prostorima, poput ulica, stanica i trgova.
Takva upotreba je načelno zabranjena, ali države pod strogim uslovima mogu da propišu izuzetke za potragu za žrtvama otmica i trgovine ljudima, pronalaženje nestalih osoba, sprečavanje neposredne opasnosti po život ili terorističkog napada, kao i istrage određenih teških krivičnih dela. Evropska komisija zato pravi jasnu razliku između opšteg nadzora građana i ciljane upotrebe u izuzetnim situacijama.
Tehnologija sama po sebi ne zna da li se koristi za otključavanje telefona, pronalaženje nestalog deteta ili praćenje ljudi koji nisu osumnjičeni ni za jedno krivično delo. Tu razliku prave zakon, institucije i osobe koje upravljaju bazama.
Lozinka koja dospe u pogrešne ruke može da se promeni. Lice ne može. Zato najvažnije pitanje više nije samo koliko precizno AI može da nas prepozna, već ko sme da sačuva naš biometrijski obrazac, sa kojim bazama može da ga poredi i kako možemo da osporimo rezultat kada algoritam pogreši.
