Ugyan az elmúlt években óriási előrelépések történtek az arcfelismerő rendszerek hatékonysága terén, de jelenleg még a legjobbak is távol állnak attól, hogy például a rendőrség nyugodtan használni tudja azokat a keresett személyek köztéri kamerákon keresztüli, automatikus detektálására. Ennek részben az az oka, hogy a komplex arcfelismerő algoritmusokat arcképekkel tanítják a fejlesztőik, viszont a rendelkezésre álló képkészletek jobbára fehér emberek portréfotóit tartalmazzák.
Emiatt az arcfelismerő rendszerek jelenleg a fehér bőrű férfiak esetében működnek a leghatékonyabban, de még a fehér bőrű nők esetében is korrekt a hatásfokuk. Viszont a sötétebb bőrű embereknél számottevően megugrik a téves személyfelismerések aránya, a szakemberek ezt a jelenséget nevezik
az arcfelismerő rendszerek előítéletességének.
A problémával elsősorban úgy próbálnak kezdeni valamit a rendszerek fejlesztői, hogy számottevően színesebbé próbálják tenni azoknak a portréknak a körét, amelyekkel tanítják a szoftvereiket. Sajnos ez lassú és drága folyamat, azonban az MIT kutatói most előálltak egy alternatív megoldással: a mintakészletek színesítése helyett az algoritmusuk megpróbálja úgy szűrni és újból összeállítani a meglévő mintakészleteket, hogy azok nem, rassz és egyéb karakterek tekintetében minél változatosabbak legyenek.
A tesztelésre használt arcfelismerő rendszerben az algoritmus 60 százalékkal redukálta a „kategorikus előítéletességet" anélkül, hogy csökkentette volna az eddig is jól felismert embercsoportok esetében a detektálás hatékonyságát.
Végső soron persze a régi és az új módszerek kombinálása lehet a leghatékonyabb a rendszerek tanítására, azaz a folyamatosan növekvő méretű, de előítéletesség ellen szűrt mintakészletek alkalmazása bizonyulhat a nyerő taktikának.
Ha szeretne még több érdekes techhírt olvasni, akkor kövesse az Origo Techbázis Facebook-oldalát, kattintson ide!