Już w 1964 roku Woodrow Bledsoe – matematyk i informatyk – po raz pierwszy spróbował przyporządkować twarze podejrzanych do zdjęć. W tym celu zmierzył odległości między rysami twarzy na fotografiach oraz wprowadził je do programu komputerowego.

Jego sukcesy zapoczątkowały całe dziesięciolecia badań w zakresie nauki maszyn rozpoznawania ludzkich twarzy. Najnowsze badania jasno ukazują jednak negatywny wpływ jaki to przedsięwzięcie miało na naszą prywatność.

W tym miejscu nie jest mowa jedynie o napędzaniu coraz potężniejszego narzędzia nadzoru. Nowa generacja narzędzi umożliwiających rozpoznawanie twarzy w sposób oparty na głębokim uczeniu „deep-learning”, w sposób całkowity zaburza normy wyrażania zgód.

Krótka historia rozpoznawania twarzy

Badacze określili cztery główne „epoki” rozpoznawania twarzy. Każda z nich motywowana była chęcią udoskonalenia technologii. Pierwsza trwała do lat 90-tych i charakteryzowała się w znacznym stopniu stosowaniem metod ręcznych oraz powolnymi obliczeniami.

Departament Obrony USA po dostrzeżeniu, że przy pomocy rozpoznawania twarzy można śledzić oraz identyfikować osoby o wiele skuteczniej niż poprzez odciski palców, przeznaczył 6,5 mln dolarów na utworzenie pierwszej dużej bazy danych dotyczących twarzy.

Szkoda, która rodzi krzywdę

Deborah Raji, która jest członkiem organizacji non-profit Mozilla i Genevieve Fried doradzającej Kongresowi Stanów Zjednoczonych w kwestiach odpowiedzialności algorytmicznej twierdzi, że jest poważnie zaniepokojona rozpoznawaniem twarzy opartym na deep-learning.

Zgodnie z jej stanowiskiem takie rozpoznawanie stanowi realne niebezpieczeństwo. Wymaga ono gromadzenia poufnych informacji dotyczących dziesiątek tysięcy osób oraz narusza prywatność. Następnie dochodzi do przetwarzania tych danych w sposób uniemożliwiający ich kontrolę, by zbudować coś, co działa w sposób, którego nie da się realnie przewidzieć.

Jak wskazuje Raji, badacze powinni zastanowić się nad kompromisem pomiędzy wydajnością rozpoznawania twarzy opartej na deep-learnig, a utratą zgody i drobiazgową weryfikacją danych. Jej zdaniem, by móc użyć tego narzędzia bez powodowania krzywdy należałoby ponownie rozważyć wszystko, co o nim wiemy.

Źródło: https://www.technologyreview.com/2021/02/05/1017388/ai-deep-learning-facial-recognition-data-history/