Эпоха ИИ-слежки уже здесь

Вот уже много лет за нами ведут слежку камеры безопасности, полицейские системы наблюдения, социальные сети и так далее. Но несмотря на это раньше мы чувствовали некоторую уверенность в своей безопасности, ведь время и усилия, которые потребовались бы для того, чтобы найти конкретного человека, были несопоставимы с возможной пользой. Однако, когда в дело вступают роботы, ситуация меняется.

То, что раньше было возможно лишь в голливудских фильмах – инструмент для распознавания конкретного человека и его действий на видеозаписях и фотографиях – сегодня становится реальным. Крупные корпорации, такие как Facebook и Baidu, много лет работают над технологией искусственного интеллекта. Эти технологии становятся всё точнее и быстрее, и в ближайшем будущем каждое видео будет анализироваться для идентификации людей, объектов и действий.

Исследователи искусственного интеллекта в течение многих лет пытались построить алгоритмы, которые могли бы изучить снимок и определить то, что на нём изображено. Сложность изображений, каждое из которых содержит миллионы пикселей и уникальные шаблоны, делало их недоступными для анализа обычными алгоритмами.

Затем в 2012 году исследователи продемонстрировали, что метод, называемый глубоким обучением —  система, которая берёт общее представление о взаимосвязанных нейронах наших мозгов и переводит их в математические функции — работает намного лучше при взаимодействии с большим количеством изображений. Если глубокая нейронная сеть получала достаточно примеров, ей становилось под силу находить общие шаблоны изображений, такие как форма и текстуры.

С тех пор системы выросли по сложности и масштабам: исследователи начали создавать более крупные сети «нейронов», в то время как производители оборудования, такие как Nvidia, начали производить специализированные процессоры, дабы сделать сети экспоненциально быстрее. Результатом стал прорыв возможностей этих систем. Учитывая большой набор данных изображений или видео, эти системы можно обучить для того, чтобы узнать, как выглядит лицо человека, и всякий раз надёжно его идентифицировать.

Самый большой общественный пример — проект Вашингтонского университета «MegaFace». Набор данных содержит около 5 миллионов изображений 672 000 человек, полученных из Flickr. В июле команда MegaFace представила последние оценки алгоритмов, обучающихся на наборе данных. Исследователям удалось добиться 75%-ной точности в случае, когда системе давали возможность дать лишь один ответ, и более чем 90% если компьютер мог представить 10 возможных вариантов.

«Нам нужно проверить распознавание лица в планетарном масштабе, чтобы обеспечить практическое применение — тестирование в более широком масштабе позволяет выявить недостатки и успехи алгоритмов распознавания» — заявил профессор Иру Кемельмахер-Шлизерман в интервью журналу Вашингтонского университета, который курирует MegaFace.

Анализ видео, который использует схожие с анализом фото методы распознавания изображений, но требует большей вычислительной мощности, также позволяет ИИ понять, что происходит на нём с течением времени. Baidu, китайский поисковый гигант, объявил в конце августа 2017 года, что выиграл вызов ActivityNet, правильно обозначив действия людей в 300 000 видео с точностью 87,6%. Среди этих действий были рубка дерева, мойка окон и выгуливание собаки.

Facebook также проявил интерес к этой технологии, дабы анализировать действия пользователей на своём сайте. В интервью в прошлом году директор отдела прикладного использования машинного обучения Хоакин Квиньонеро Кандела рассказывал, что в идеале Facebook будет понимать, что происходит в каждом живом видео, чтобы иметь возможность предлагать персонализированный видеоканал для пользователей.

Распознавание лица в неподвижных изображениях и видео уже используется в реальном мире. Baidu запускает программу, в которой распознавание лица используется вместо билетов на мероприятия. Робот на месте мероприятия узнаёт вас благодаря загруженной вами фотографии или снимку в профиле социальной сети и понимает, есть ли у вас к этому мероприятию доступ. Париж испытал аналогичную функцию в своём аэропорту Шарль-де-Голль в этом году, а японские учёные — в своей экспериментальной программе 2016го, хотя и не публиковали результаты.

Власти США также начинают использовать эту технологию в ограниченном объёме. На прошлой неделе нью-йоркский департамент автомашин объявил, что выписал более 4000 штрафов благодаря использованию технологии распознавания лиц. Вместо поиска по полицейским базам данных программное обеспечение используется для сравнения фотографий с камер и фотографий из баз данных прав новых водителей, в результате мошенникам сложнее выдать себя за кого-то другого. Если государственные или федеральные правительства расширят своё присутствие на публичном уровне, у них уже будет база данных более 50% взрослых американцев из хранилищ, таких как DMV. Отметим снова: чем больше набор данных, тем лучше работает ИИ.

А до идеала не так уж далеко. Компания Axon, ранее называвшаяся Taser, крупнейший дистрибьютор камер для полицейских корпусов в США, недавно активизировала усилия по внедрению ИИ в свои продукты, приобретя в начале этого года две компании в данной сфере. Генеральный директор Axon Рик Смит ранее сказал Quartz, что идеальным вариантом использования ИИ будет генерирование отчётов об инцидентах, что даст полиции больше времени на полевую работу. Распознавание лиц, отметил он, сейчас не является основной задачей, но оно может стать таковым в будущем. Motorola, еще один крупный поставщик подобных камер, настраивает своё программное обеспечение на способность быстро изучать лица, делая упор сценарий, когда офицер ищет потерянного ребёнка.

Камеры безопасности также всё активнее используют ИИ. Intel объявила в апреле, что она создала оборудование для камер безопасности, способное «мониторить плотность толпы, распознавать лица, производить подсчёт людей» и «анализировать их поведение». Еще одна камера под названием DNNCam — это компьютер с самообучающимся ИИ, водозащищённый, способный работать удалённо, практически не поддается разрушению, то есть он может быть настроен на работу в удалённых средах от интернет-соединений или за кассовым аппаратом для «обычного распознавания клиентов», согласно веб-сайту компании.

Итак, что же остаётся законопослушному гражданину, который переживает насчёт своей приватности в эпоху, когда повсеместное видеонаблюдение становится нормой? Немного. Ранние исследования выявили способы обмануть программное обеспечение распознавания лиц, это либо специально изготовленные очки, способные обмануть алгоритмы, либо лицевая краска. Но для этого часто требуется знание того, как работает алгоритм распознавания лиц. Быть может просто надеть широкополую шляпу?

Оригинал: Quartz

Источник материала
Настоящий материал самостоятельно опубликован в нашем сообществе пользователем admin на основании действующей редакции Пользовательского Соглашения. Если вы считаете, что такая публикация нарушает ваши авторские и/или смежные права, вам необходимо сообщить об этом администрации сайта на EMAIL abuse@proru.org с указанием адреса (URL) страницы, содержащей спорный материал. Нарушение будет в кратчайшие сроки устранено, виновные наказаны.
Поделитесь этим в соцсетях:

Читайте также: