Kasvot tunnistavat tietokoneet ovat edistyneet huomattavasti viimeisen vuosikymmenen aikana ja ovat vain tarkempia.
Se johtuu osittain muutoksesta 3D-kasvojentunnistukseen. Tällä hetkellä suurin osa kasvojentunnistusalgoritmeista perustuu 2D-tekniikoihin. Länsi-Englannin yliopiston Bristolin yliopiston tietojenkäsittelytieteen ja konenäön professori Dr. Lyndon Smith selittää, että 2D-tekniikka on herkkä valolle ja katselukulmille. Verrattuna 3D-kasvojentunnistus tarjoaa korkeamman resoluution tietoa.
”[3D-kasvojentunnistus] kaappaa erittäin yksityiskohtaisia tietoja ihmisen kasvoista, pikemminkin kuin kasvojen 3D-sormenjälki”, Smith sanoo. "Tämä voi tarjota erittäin hyvän luotettavuuden tunnistukseen, avaten siten huomattavasti suuremman määrän potentiaalisia sovelluksia."
Konsepti virheettömästä algoritmista riittää inspiroimaan visioita vuodesta 1984, ja itse asiassa kasvojen tunnistustekniikkaa käytetäänkin nykyäänkin hämmentävään käyttöön. Treffisovellus, joka vastaa sinua ihmisille, joiden oletetaan kuuluvan julkkissi murskaukseksi? Kehityksen aikana New Jersey Institute of Technology. Delta Airlines testaa järjestelmää, jossa kasvojen skannaukset korvaavat pääsykortit. Ja ostoskeskukset, kasinot ja kaupat käyttävät kasvojentunnistusohjelmistoa seuraamaankseen heidän rakennuksessaan olevaa, ja kohdistavat toisinaan yksilöille suunnattuja mainoksia perustuen ohjelmiston kuvaamaan henkilön väestötiedot.
Muutama kasvotunnistuksen käyttö on kuitenkin vähemmän pelottavaa. Uusia tuotteita, jotka auttavat opiskelijoita tutkimaan, löytämään kadonneita lemmikkejä ja auttamaan sokeita, ovat markkinoilla tai tulossa pian. Ja siellä on varmasti lisää.
Seuraa opiskelijoiden läsnäoloa ja tarkkaavaisuutta.
Ystävällisestä kuulostavasta nimestään huolimatta Nestorista on tullut tarkkailematta opiskelijoiden pahin painajainen. Ohjelmisto, ranskalaisen LCA Learning -yrityksen luoma keinotekoinen älykkyys, esiteltiin toukokuussa. Sitä testataan parhaillaan kahdessa online-luokassa, joita tarjoaa ESG Management School Pariisissa.
Kun opiskelijat katsovat nauhoitettuja luentoja, Nestor käyttää verkkokameroitaan silmien liikkuvuuden ja ilmeiden analysointiin. AI toteaa, kun opiskelijat näyttävät häiriintyneiltä, ja luennon lopussa tutkii heidät materiaalista, jota näillä unelmakausilla on käsitelty. Nestor pystyy myös seuraamaan tarkkaamattomuuden malleja ja varoittamaan opiskelijoita, kun se havaitsee menettävänsä keskittymisen.
LCA: n perustaja Marcel Saucet kertoo, että Nestor auttaa myös opettajia tarkistamaan tuntisuunnitelmiaan. Jos esimerkiksi suurin osa opiskelijoista hajaantuu samana aikana luennossa, professori saattaa haluta löytää uuden näkökulman aiheeseen.
Vaikka yksityisyyden suojan kannattajat ovat esittäneet tavallisia kysymyksiä siitä, onko tekniikka tunkeutuva ja miten nauhoituksia käytetään, Saucet on sanonut, että kaikki tiedot on salattu eikä opiskelijoiden videomateriaalia tallenneta.
Auta sokeita tunnistamaan ystävänsä ja perheensä.
Vuonna 2015 Birminghamin kaupungin yliopiston opiskelijat kehittivät XploR-sokeriruo'on, laitteen, joka auttaa näkövammaisia “näkemään” ympäristönsä. Tämä kyky on erityisen hyödyllinen suurissa sosiaalisissa tapaamisissa, joissa väistämättä kohdataan jatkuva yksilöivirta.
XploR toimii yhdessä omistajan älypuhelimen kanssa ja luottaa GPS-, Bluetooth- ja kasvojentunnistusominaisuuksiin. Sokeriruo'o skannaa 32 jalan etäisyydellä olevien ihmisten kasvot ja ilmoittaa omistajalleen, jos se tunnistaa heidät ystäväksi tai perheenjäseneksi. XploR ohjaa sitten sokeat rakkaansa kohti kuulokkeen kautta toimitettavien ohjeiden avulla.
Aikaisemmin tänä vuonna kaksi XploR: n luojaa, Asim Majeed ja Said Baadel esittelivät keksintöään maailmanlaajuisessa turvallisuuskonferenssissa. He toivovat laajentavan sokeriruo'on ominaisuuksia sisällyttämällä siihen sosiaalisen median kasvojentunnistustiedot ja - lopulta - kehittämällä tietojen vaihtoa koneelta toiselle (esimerkiksi ilmoittamalla vammaisen sijainnin kuljettamattomaan autoon, joka lähetetään heidän noutamiseen).
Yhdysvaltojen sokeita edistävän kansallisen sokeiden liiton tiedottaja kertoi Wiredille vuonna 2015, että älypuhelimen sovellus voi olla "kustannustehokkaampi" kuin teknisesti edistynyt sokeriruo'o, mutta tuo kasvojentunnistustekniikka "pystyy ratkaisemaan sokeiden kokeman todellisen ongelman."
Löydä puuttuva lemmikki.
Kasvojen tunnistus ei ole vain ihmisille. Finding Rover -sovellus käyttää kasvojentunnistusta auttamaan omistajia yhdistymään kadonneiden lemmikkien kanssa.
Käyttäjät lähettävät ennakolta valokuvia pennuistaan, ja jos Fido katoaa, Finding Rover ilmoittaa laajasta paikallisten eläinsuojien ja sovellusten käyttäjien verkosta. Ne, jotka sijaitsevat 10 mailin säteellä eläimen viimeisimmästä tiedossa olevasta sijainnista, saavat työntöilmoituksen, ja jos he näkevät samankaltaisen näköisen lemmikin, he voivat lähettää kuvan siitä sovelluksen kautta. Kun Finding Rover tunnistaa ottelun, se ilmoittaa lemmikin omistajalle.
Järjestelmän luominen kesti kaksi vuotta, ja se kehitettiin yhdessä Utahin yliopiston tutkijoiden kanssa.
Nykyään useimmilla lemmikkeillä on mikrosirut, sulautettu siru, jolla on tunnusnumero. Jos kadonnut eläin joutuu eläinlääkärin vastaanotolle tai eläinsuojelulaitokselle, virkamiehet tarkistavat mikrosirun ja käyttävät tunnusnumeroa lemmikin ja omistajan yhdistämiseen. Mutta kaikilla ei ole pääsyä sirun skannauslaitteisiin, eikä kaikkia lemmikkejä ole mikrosiruilla. Wisconsin Humane -yhdistyksen työntekijä kertoi paikalliselle uutistoimikolle, että "on hienoa tietää, että jos eläimesi katosi ... sinulla on jotain niin kätevää ja läheistä kuin puhelimesi saadaksesi sanan heti pois", mutta lisäsi, että sovelluksen ei pitäisi " t korvata kaulukset tai mikrosirut.
Käytetäänkö kasvojentunnistustekniikkaa enemmän hyväksi vai sairauteen, on avoin kysymys. Vuonna 2014 tehdyssä tutkimuksessa Carnegie Mellon -professori Alessandro Acquisti tunnisti yliopistokampuksen ympäri kävelevät henkilöt vertaamalla Facebook-profiilikuvia verkkokamerakuviin - kasvotunnistustekniikan ansiosta hän oli onnistunut kolmanneksella ajasta. Acquistin tutkimuksesta on kulunut kolme vuotta, ja kuten hän varoitti The Atlantic -haastattelussa, ”Teknologisesta näkökulmasta kyky suorittaa onnistuneesti massojen kasvojentunnistus luonnossa näyttää väistämättömältä. Hyväksymmekö yhteiskuntana sen tekniikan, se on kuitenkin toinen tarina. ”
