Innymi słowy, wprowadzenie pod egidą walki z terroryzmem kamer z rozpoznawaniem twarzy może się jeszcze od biedy sprawdzić do łapania terrorystów z IRA, ale skuteczność rozpoznawania terrorystów arabskich będzie już gorsza.
Badania systemów rozpoznawania twarzy przeprowadzone na Uniwersytecie Teksasu w Dallas przez zespół prof. Alice O'Toole były sponsorowane przez Departament Obrony USA, który szuka najwydajniejszej metody rozpoznawania osób mogących stanowić zagrożenie dla bezpieczeństwa. Innymi słowy, szeroko pojętych "terrorystów".
Badania przeprowadzone zostały na dużej bazie danych zdjęć twarzy, dokonanych w różnych warunkach oświetleniowych. Zarówno testowane algorytmy jak i ludzie mieli określać, czy para różnych ujęć twarzy pokazuje tego samego człowieka. Wyniki były nieco zaskakujące. Cytując prof. O'Toole:
Najlepsze algorytmy sprawdziły się w identyfikowaniu twarzy lepiej niż ludzie. Ponieważ większość zastosowań związanych z bezpieczeństwem do tej pory polegało na porównywaniu przez ludzi, wyniki są zachęcające jeżeli chodzi o perspektywy ywkorzystania oprogramowania do rozpoznawania twarzy w ważnych środowiskach.
Według prof. O'Toole, przez połączenie oprogramowania z oceną przez ludzi udało się uzyskać prawie 100% dopasowania twarzy. Oczywiście, pozostaje kwestia ile to jest "prawie 100%" - w końcu biometryka ze swojej natury jest oparta o prawdopodobieństwo a przy dziesiątkach czy setkach tysięcy osób przewijających się przez lotniska i inne węzły transportowe liczba błędów pierwszego i drugiego rodzaju (czyli uznania Abdula Kowalskiego za terrorystę lub uznania Osamy Bin-Ladena za turystę z Afganistanu) zaczyna być istotna. Ustawienie systemu tak, aby zmniejszyć prawdopodobieństwo jednego rodzaju błędów zawsze spowoduje wzrost błędów drugiego rodzaju.
Badania ujawniły również, że podobnie jak ludzie, komputery lepiej rozpoznają twarze ze swojej rasy, a dokładniej, z tej samej rasy co ich programiści. Porównanie skuteczności algorytmu będącego połączeniem ośmu algorytmów z krajów Zachodu z algorymtem będącym połączeniem pięciu algorytmów z krajów Dalekiego Wschodu pokazało, że przy ustawieniu niskiego poziomu błędów pierwszego rodzaju algorytm zachodni lepiej rozpoznawał twarze białych ludzi, natomiast algorytm wschodni lepiej rozpoznawał twarze Azjatów. Przy zminimalizowaniu błędów drugiego rodzaju (aby zmaksymalizować skuteczność "wykrywania terrorystów" kosztem zatrzymywania błędnie posądzonych, niewinnych turystów) oba algorytmy lepiej rozpoznawały twarze białych, ponieważ były one luczniejsze w bazie danych, ale nadal dużo skuteczniejszy w tym był algorytm z krajów Zachodu.
Wygląda na to, że jeżeli Stany chcą łapać terrorystów z Bliskiego Wschodu, to powinni zastosować algorytmy opracowane przez tamtejszych programistów. No cóż, zawsze mają opcję outsourcingu do Izraela.
[ Uniwersytet Teksasu w Dallas , via Science Daily ]
Leszek Karlik
