Как алгоритъмът се научи да познава лицата ни

мар. 29, 2022 | Технологии

Как алгоритъмът се научи да познава лицата ни

29 март 2022 | Технологии

Лицевото разпознаване се оказа изключително успешно приложение на изкуствения интелект. Едно от малкото му направления, които на практика достигнаха до съвършенство. Преди няколко години фейсбук стана плашещо добър в това да разбира кой е на дадена снимка, после… официално и тихомълком се отказа от тази услуга.

Днес можем да минем паспортен контрол на летището, след като камерата „се убеди“, че именно нашето лице е на паспорта. В Москва например не е нужно да имаш билет, за да влезеш в метрото, системата веднага разбира кой е насреща.

 

По лицата ще ни познаете

Толкова сме разглезени от удобствата на технологиите, че този огромен пробив изобщо не ни направи впечатление.

Темата обаче е много голяма. Първо, защото е повече от интересно да разберем как работят алгоритмите, които позволиха на практика безгрешно една достатъчно качествена снимка да „каже“ веднага кой от хората в базата данни е на нея.

А на следващо място – за да обсъдим кога това може да се превърне в проблем.

 

 

Лице в лице

Всички направления, от които очакваме революция в света на изкуствения интелект, могат да бъдат обобщени по следния начин. Имаме достатъчно огромна база данни, с помощта на която специалистите в тази област прилагат усъвършенстваните си алгоритми, за да намерят закономерностите. Целите им могат да бъдат какви ли не, но в крайна сметка се свеждат до само две. Или да предположат какво ще следва в дадена поредица на базата на тази закономерност. Или да класифицират следващата единица информация. В нашия случай именно това е целта: да определят кое е това лице.

Алгоритмите в тази посока са немалко. Някои минават през обичайното машинно самообучение, но истинският пробив дойде с включването в състезанието на дълбоките невронни мрежи.

 

По лице

Ето как работят алгоритмите, независимо в кое от двете им поколения.

Със сигурност първата им задача е да „намерят“ къде точно минават очертанията на лицето в рамките на изображението, което са получили.

Нататък… може би си мислите, че програмата ще потърси, както едно време в детективските сериали, фотопортрета? Максимално близките по форма и размери уши, очи, вежди, нос, скули…

Нищо подобно. Именно в това е силата на модерните технологии и конкретно на дълбоките невронни мрежи. Те до голяма степен се абстрахират от детайлите. Тяхната основна нужда е да разполагат с достатъчно големи данни (и именно те са златото на нашето време). После постепенно да анализират стъпка по стъпка, слоеве от алгоритми да търсят закономерностите и да ги предават на следващите.

 

Лицево разпознаване

Снимка: Andrea Piacquadio, Pexels

 

Странни птици

По пътя към това се получават някои меко казано странни изображения. Типичен пример са психеделичните картини, получени чрез алгоритмите на „дълбокото сънуване“ или deep dreaming (тук).

Не по-малко интересни са резултатите от междинните слоеве в работата на системите за лицево разпознаване. Както можете да видите, става дума за доста размазани образи, отново по някакъв начин като че ли извадени от дълбините на човешкото неосъзнавано. Никак не е случайно, че работата не невронните мрежи се асоциира все повече с начина, по който работи и мозъкът ни.

Аналогията е още по-точна, стане ли дума за лицевото разпознаване. Защото всъщност и нашият мозък не „помни“ лицата като поредица от отделни елементи, а по-скоро като закономерности, които се наслагват на подсъзнателно ниво. И ние, и алгоритъмът не се замисляме дали пред нас е човекът със сини очи, бакенбарди и… какво ли още не, а веднага казваме, че това е той заради комбинацията от пропорции, които представлява лицето. Дистанцията между очите, формата на челюстта, разстоянието между носа и устата… Така класификацията става завършена.

 

Лицево разпознаване

Снимка: cottonbro, Pexels

 

Face to face

Разбира се, за да се случи всичко това, в случая с невронните мрежи, е нужно снимките да се превърнат в числа, само с тях работят този тип системи. За това отдавна има достатъчно стандартизирани подходи, които работят безотказно.

След като минат през многото етапи на анализ, алгоритмите стигат до крайния си резултат. Тогава могат да ни кажат кой е на снимката с невероятна точност, която днес доближава 100-те процента, ако снимката е ясна, с достатъчно добра резолюция и се вижда достатъчна част от лицето.

Също както и ако ние видим някой познат. С разликата, че в нашата „база данни“ влизат стотици или хиляди души, а в тази на „колегата“ алгоритъм, понякога милиарди, както беше в примера с лицевото разпознаване, предлагано от фейсбук.

После дойде ред и на много по-трудни задачи. Да се симулират и „създават“ лица например. Тук можете да видите колко плашещо добри са вече и в тази област алгоритмите.

Докато междувременно лицевото разпознаване от страхотен лукс, помагащ да подредим снимките в албумите с всичко заснето с телефона ни… се превърна явно в неудобна тема.

 

Снимка: Shubham Dhage, Unsplash

 

Face бук

Показателен е примерът с това как тихомълком отпадна услугата в най-голямата социална мрежа. Та собственото ѝ име идва от „лице“ и „книга“. Как станаха неудобни лицата? Каква ли е причината? Системата за разпознаване работеше на практика безгрешно..

И тя продължава да работи, просто не и за потребителите. Факт е, че днес не е особено трудно с помощта на достатъчно голяма база от снимки да се създаде съвършено решение за разпознаване. Само че, явно се оказа неудобно начинание, отварящо много въпроси.

Сред официално обявените причини бяха грижата за личните данни (ха-ха). Фактът, че цветнокожите и азиатците биват обърквани от алгоритъма над 100 пъти по-често, а също: че системите идентифицират хората с баналното разделение на половете между мъже и жени и няма как да определят някой, който се вписва в нюансите.

Американското законодателство позволява и прилага алгоритмите за лицево разпознаване от 2001 г. с тогавашното издание на „Супербоул“. Именно тази година се смята за официалния прощъпулник на този тип технологии. И все пак, предстои да измине десетилетие, преди системите да заработят достатъчно прецизно.

Ако насред тълпата, например на футболен мач, може да се разпознае човек, който извършва престъпление, това е добре, нали? Само че по същия път минава и опасността от тотален контрол.

 

Лицево разпознаване

Снимка: Click on , Pixabay

 

Лице и опако

Да, заговорим ли за тази тема, първото, за което сигурно ще се досетите, е китайската система за социален рейтинг и фактът, че в тази страна огромният брой на камерите, който днес се оценява на 500 милиона, е важно звено от веригата. Може би, но дали само там стои този проблем?

Лицевото разпознаване дълго време беше мечта, а днес е неудобна истина. Първите проекти в САЩ по темата датират от 60-те. Само че тогава усилията стигат дотам учените да търсят закономерности в лицата, да мерят с линийка и да анализират… без особен шанс за успех.

Докато през второто десетилетие на 21-и век алгоритмите се оказаха достатъчно добри, за да се справят. През 2011-а системите помогнаха, за да бъде идентифициран и убит Осама бин Ладен. През 2014-а се появи услугата на фейсбук с тогава доста симпатично звучащото название DeepFace. През същата година лицевото разпознаване официално беше използвано за зрелищното разкриване на няколко престъпления в САЩ.

Също през 2014-а Едуард Сноудън публикува документи, с които разкри, че американското правителство събира огромни обеми от изображения, включително и от нерегламентирани източници, за да изгради съвършена система за лицево разпознаване.

После темата поизчезна от общественото пространство.

 

Снимка: Pexels, Pixabay

 

Личице

Днес почти всеки нов телефон може да се отключи, виждайки лицето на собственика си. Тук даже няма намеса на невронните мрежи, става дума за доста по-простите алгоритми на машинното самообучение, които не са с такава висока прецизност, не им ѝ трябва.

Смята се, че пазарът на софтуер, свързан с лицево разпознаване, днес е за около 7,7 милиарда долара срещу 4 милиарда преди 5 години. Тази необходимост има все повече приложения, а, както стана ясно, добрата работа на тези системи отдавна не е в ръцете толкова на самите алгоритми, колкото на обема данни, с които разполагат.

Как точно се докопват данните… е интересният въпрос. Трябват ви лица и имена, а вече доста социални мрежи дават възможност да ги получите. И точно това е проблемът: че днес, благодарение на социалните мрежи, нашите снимки вече са навсякъде. Това улеснява алгоритмите и дава козовете в ръцете на същите социални мрежи, които пък имат достъп до повече фотографии.

Забавен пример в тази посока е историята на милиардера Джон Кациматидис, който в една октомврийска вечер през 2018-а е поканен в суперлуксозен италиански ресторант в Манхатън, за да се запознае с гаджето на дъщеря си. Той моли сервитьора да им щракне снимка за спомен и тихичко отива настрани, за да потърси кой е този младеж. Ползва на телефона си приложението за лицево разпознаване Clearview AI, вижда, че кандидат зетят е създател на съмнителна компания в Сан Франциско, преценява, че е шарлатанин и казва на дъщеря си. И… се оказва прав.

Но дали наистина това е бъдещото на човешките отношения? Или сме вече в света на добрите стари антиутопии?

 

 

Налице

В Китай има и други приложения. В края на 2018-а в град Цзинан бяха представени системи, с чиято помощ се пести тоалетна хартия. Благодарение на лицевото разпознаване всеки посетител на обществените тоалетни може да получи още 70 сантиметра тоалетна хартия едва 9 минути, след като е минал веднъж. Така се пестели доста метри от луксозната стока.

Няма да асоциираме със софийските мобилни тоалетни, където 70 см хартия биха били неземна радост.

Класическото лицево разпознаване е достигнало съвършенство и дълбае в детайлите. Например, все по-съвършени са решенията, които разпознават човека по част от снимката, нещо доста полезно в годините, когато маските станаха задължителен моден аксесоар.

Или пък, що се отнася до разпознаването на лица, което е успешно дори при сериозни възрастови разлики. Алгоритъмът да може да ви познае и на детските снимки, макар че вече сте в зряла възраст.

Оказва се, че технологиите в тази посока се справят учудващо добре с помощта на известни допълнителни разработки. Явно основните характеристики, които побират нашето излъчване, си остават същите, веднъж щом излезем от бебешката възраст. В това има логика, защото, както стана дума, алгоритмите търсят закономерностите и пропорциите, точно както го прави и мозъкът ни.

 

Не лице приятно

При създаването на DeepFace през 2014-а програмата на „Фейсбук“ познава един и същи човек на снимката с точност 97.25%, а в състезанието все още водят хората, макар и минимално с 97,53%.

През юни 2015-а „Гугъл“ повежда в надпреварата чрез системата си FaceNet, която постига точност от 99,63%.

С риск да е прекалено опростено… може би има логика точно тези две споменати компании да направят сериозните стъпки, защото имат достъп до по-големи бази от кадри?

Да, онлайн съществуват огромни обеми от свободнодостъпни масиви данни, които могат да се използват за обучение на невронни мрежи, но когато дойде време за същинската класификация… е логично да водят тези, които имат повече снимки като потенциален резултат.

 

Снимка: 0fjd125gk87, Pixabay

 

Face the face

Изследване на Американския институт за стандарти и технологии показва, че през 2014-а грешката на подобни алгоритми е 4,1%. Докато през април 2020-а тя е вече само… 0,08%. Разбира се, с важното уточнение, че става дума за качествени снимки. Ако те са ясни и чисти фронтални снимки, като тези за паспорт, грешката пада до 0,03%. Е, това обяснява защо вече е доста по-прецизно компютърът да ни „снима“ и прецени дали сме ние, а не митническият служител на летището.

И все пак… не всичко е толкова лесно. През 2018-а „Нюзуик“ прави любопитен експеримент, при който системата на „Амазон“ за разпознаване на лица… погрешно идентифицира 28 сенатори като хора, арестувани за криминални престъпления.

Успоредно с усъвършенстването на алгоритмите, започнаха да се появяват и решения, които да ги затрудняват. Руският изобретател Григорий Бакунов например предлага специален грим, който прави хората неразпознаваеми за софтуера. Германският му колега Адам Харви пък продава специални модни аксесоари.

Друга стратегия казва, че са достатъчни маска и слънчеви очила… за чувал на главата така и не съм чел, може би си струва да се патентова.

 

Маски долу

Опити има и „от другата страна“. Fawkes се казва софтуерът, който променя невидимо малки пиксели от изображенията, които качвате в социалните си мрежи, така че да не бъдете разпознаваеми след това от алгоритмите. Тъй като изображенията се превръщат в числа, малкото отклонение на правилното място, може би наистина би ви направило незабележимо.

Но дали наистина е така… една невронна мрежа знае.

В САЩ дебатът за използването на лицевото разпознаване от правителството минава през обичайния и все по-задълбочен през последните години разлом. Докато беше президент, Доналд Тръмп регламентира използването на технологията от граничните служби, междувременно градове с традиционен уклон към демократите, като Сан Франциско, Бъркли и Бостън, изцяло забраниха използването на технологията.

Засега у нас такива проблеми нямаме, кметовете на Каспичан и Опака мълчат.

Макар че въпросът отпраща към вечни теми, свързани със социалните науки и етиката, по-важни днес, според мен, са аспектите ѝ, свързани с приложенията от страна на големите компании. А този дебат все изглежда страничен на други, доста по-маловажни. Като например прословутия спор дали данните на европейските потребители могат да се съхраняват от фейсбук отвъд океана.

Докато по-важният въпрос е как се използват тези данни. И кога се обръщат срещу нас, за да ни контролират и манипулират по един или друг начин. Дано стигнем и до този разговор…

Дигитални истории

Дигитални истории е и ще си остане изцяло некомерсиално начинание, на което посвещавам доста време и усилия. За създаването на сайта обаче са нужни определени разходи. Ако имате възможност и желание да подпомогнете сайта, вече можете да го направите. Разбира се, все така важна подкрепа си остава всяка добра дума, всяко споделяне на темите.

<a href="https://karamanev.me/author/georgik" target="_self">Георги Караманев</a>

Георги Караманев

Програмист, журналист и писател. Още за мен – тук.
Дигитални истории

Най-нови публикации:

„Днес можем да сме всичко, а избираме да сме еднакви“

„Днес можем да сме всичко, а избираме да сме еднакви“

Можете ли да различите 15 детски рисунки от 15 изображения, генерирани от изкуствен интелект? Предизвикателството за деца и родители на Дигитални истории за броени дни провокира над 2500 души да...

повече информация

Още публикации по темата:

От рубриката:

Колко изкара ИИ на матура?

Колко изкара ИИ на матура?

Какво ще стане, ако изпитаме на матурата по български език и литература три от най-мощните модели изкуствен интелект? Усилията им ще оценят двама опитни проверители на истинските зрелостни изпити. За да е състезанието още по-оспорвано и показателно, включваме двама реални зрелостници и мен, автора на тези редове.
Ще изкарат ли пълни шестици ChatGPT, Claude и Gemini, или ще се провалят с гръм и трясък?
Ще разпознаят ли учителите коя от работите е на изкуствен интелект и коя – на човек?
Кой ще получи най-високата и кой – най-ниската оценка?
Какво ще ни кажат резултатите и за най-показателния изпит в българското образование, и за напредъка на алгоритмите, и за големите въпроси, с които идват новите технологии?

повече информация
Останете любопитни!

Останете любопитни!

Кой е родният град на Яворов? Свищов.
Изхалюцинирал го е изкуственият интелект, доста некадърно, ще предположите. Само че не беше той, казах го аз, участвайки в телевизионно предаване в праймтайма на най-старата българска телевизия. Бих предположил, че е по-вероятно да не позная собственото си име, а не родното място на един от хората, чиято история ме вълнува цял живот. Обаче го сбърках и скоро няма да ходя в Чирпан.
Знанието не е даденост. Любопитството не идва само, а иска усилие.
Има ли обаче смисъл да помним къде е роден Яворов във времената, когато можем да го проверим за части от секундата?
Щеше ли да пише различни стихове, ако беше от Свищов?
Ще знаят ли следващите поколения къде е роден, как е писал? От какво се е вълнувал, къде и как е срещнал любовта?
Ако решите, питайте ChatGPT. Или Конституционния съд.
А моят личен отговор гласи: днес е по-важно отвсякога да останем любопитни!

повече информация
Васил Анастасов. VR среща взаимоучителната метода

Васил Анастасов. VR среща взаимоучителната метода

Той е на 21, а вече е помогнал на повече от 200 деца да направят първите си стъпки в професионално поприще, което може да се превърне в успешна кариера.
Днес Васил Анастасов се е заел с още една кауза. С помощта на модерните технологии да направи българските музеи по-атрактивни, привлекателни за младите. В началото сам извървява пътя към магията не миналото, за да разбере смисъла и важността на експонатите, които иначе се крият зад неразбираеми витрини с неатрактивни табели.
Хайде, нека потърсим заедно съкровище! Да опитаме да намерим важните пътеки сред обраслата поляна. За това как да превърнем музеите в магнетични места за младите. Къде се крият любопитството и желанието да споделяш знание, да помагаш. За историите на фона на най-модерните технологии в разработването на компютърни игри и системи с добавена и виртуална реалност. Запретвайте ръкави, чака ни приключение!

повече информация

Най-новите:

Колко изкара ИИ на матура?

Колко изкара ИИ на матура?

Какво ще стане, ако изпитаме на матурата по български език и литература три от най-мощните модели изкуствен интелект? Усилията им ще оценят двама опитни проверители на истинските зрелостни изпити. За да е състезанието още по-оспорвано и показателно, включваме двама реални зрелостници и мен, автора на тези редове.
Ще изкарат ли пълни шестици ChatGPT, Claude и Gemini, или ще се провалят с гръм и трясък?
Ще разпознаят ли учителите коя от работите е на изкуствен интелект и коя – на човек?
Кой ще получи най-високата и кой – най-ниската оценка?
Какво ще ни кажат резултатите и за най-показателния изпит в българското образование, и за напредъка на алгоритмите, и за големите въпроси, с които идват новите технологии?

повече информация
„Хайде да спрем да се подценяваме!“

„Хайде да спрем да се подценяваме!“

Как да сме по-щастливи като общество? Как да изведем на следващо ниво ИТ сектора в България?
Седнали двама програмисти да си говорят за счупения обществен разговор, за разделението, за пътя на успеха. Звучи като начало на виц, а се получи сериозно и замислящо интервю в подкаста на DEV.BG. Думите, които разменихме, ми се сториха толкова важни, че ще ви ги представя и тук.
Веско Колев е начело на Icanpreneur – стартъп, който помага на повече ИТ компании да създадат работещ продукт. Има богат опит в софтуерния свят и особено интересни наблюдения, с които ще се срещнем днес.
Защо и как е време отново да започнем не само да се слушаме, но и да си говорим, дори когато ни разделя актуалният спор на деня? Защо е изграждащо и осмислящо честото „настъпване на мотиката“ и си струва да се радваме, когато детето ни получи слаба оценка? Какво ни е нужно като общество, за да вървим заедно напред, и то в епохата на напредналия изкуствен интелект?

повече информация
Питър Тийл. Консервативният визионер

Питър Тийл. Консервативният визионер

Facebook, SpaceX, Airbnb, LinkedIn, PayPal, Ethereum. Революцията на OpenAI и ChatGPT, възходът на Доналд Тръмп и вездесъщия му (доскорошен) съюзник Илон Мъск.
Наистина ли има една личност, която събира всички тези явления? Нещо повече – не е преувеличено да се каже, че ако не беше днешният ни герой, надали някое от тях щеше да се претвори в реалност…
Питър Тийл си е спечелил името на пророк, на гуру. На големия визионер на технологичните времена. Докато в същото време има толкова противоречиви възгледи, които някак си остават встрани от големия медиен шум. Но това е типично за родения в Германия предприемач. Някои го приемат за сивия кардинал на Силициевата долина, други – за мъдрец, който може да покаже на всеки пътя към големия успех в технологичната епоха.
Мултимилиардер, той казва, че конкуренцията е измамно благо, а монополите са решението на бъдещето. Създава мащабна програма, за да помага на хора, избрали да изоставят образованието си, за да създадат собствен бизнес, което пък проправя пътя на следващото поколение технологични лидери.
Всичко това и още много е г-н Тийл. Време е да застане под светлината на прожекторите, защото със сигурност е един от хората, които вече са променили живота на всеки от нас. Нещо повече – от него се очаква да зависи все повече в турболентните технологични времена, в които живеем.

повече информация
„Днес можем да сме всичко, а избираме да сме еднакви“

„Днес можем да сме всичко, а избираме да сме еднакви“

Защо е толкова важно да разберем умеем ли да различаваме детските рисунки от генерирани изображения? Как изглежда бъдещето на творчеството, на изкуството, на човека във времената, когато алгоритмите се оказват неразличими и дори по-добри автори от нас самите? На какво има смисъл да учим децата днес?
Можете ли да различите 15 детски рисунки от 15 изображения, генерирани от изкуствен интелект? Предизвикателството за деца и родители на Дигитални истории за броени дни провокира над 2500 души да проверят интуицията си! Резултатите от теста се очертават изключително интересни, ще поговорим за тях след края му – на 1 юли.
Експериментът е създаден заедно с днешната ни гостенка – Елица Станева-Бритън. Психолог, журналист, преподавател, в момента тя работи по докторската си дисертация в БАН, а темата е творчеството в ерата на изкуствения интелект. Дойде време да поговорим по всяка от тези теми.

повече информация
Какъв ще станеш, когато пораснеш?

Какъв ще станеш, когато пораснеш?

Какви искат да бъдат, когато пораснат, днешните хлапета? Навръх техния празник, време е за резултатите от една любопитна анкета.
Поредицата на Дигитални истории за срещата на децата с технологиите събра важни гледни точки по много теми. От 350 души, включили се в анкетата на сайта, 289 избраха да отговорят:
Какви искат да станат децата, когато пораснат?
„Инфлуенсър“ или „лекар“ – кой според вас ще се окаже най-срещаният отговор?
Как се променят мечтите на хлапетата?
Какво говори това за нас, възрастните, за технологиите, за духа на времето?

повече информация
Тест: Кой го нарисува – дете или ИИ?

Тест: Кой го нарисува – дете или ИИ?

Време е за неочакван, но важен тест. За експеримент, който поставя важни въпроси за бъдещето на творчеството, на човешкото, на образованието.
Предизвикайте себе си и своята интуиция! 15 картини, нарисувани от деца между 3 и 10 г., и 15 – генерирани от изкуствения интелект. Ако успеете да ги различите, очакват ви награди!
Отговорите се събират до 1 юли, анкетата не би ви отнела повече от 10 минути. За всяко от 30-те изображения е достатъчно да предположите дали е нарисувано от дете, или генерирано от ИИ, а също и да оцените техниката и въображението, вложени в първите 10. Можете да отговорите и само на част от въпросите. Анкетата е отворена и за деца!

повече информация
Share This