Bámulatra méltó a virágról virágra reppenő, a mellettük megjelenő embereket, veszélyes ragadozókat kikerülő méhek mozgása, és nem is értjük igazán, hogy a kicsi rovarok ennyire tökéletesen tájékozódnak.

Majdnem hibátlan navigációs készségük részben az optikai áramlás jelenségével magyarázható: érzékelik a látómezejükbe kerülő objektumok sebességét.

Ezek a problémák általában csak biológusokat érdekeltek, az elektronikus készülékek miniatürizálódásával és a robotikus rendszerek térnyerésével azonban mesterségesintelligencia-szakértők is komolyan foglalkoznak az élővilággal, biológiai jelenségek gépekre adaptálásával. 

Robotfejlesztők többször próbálkoztak a stratégia repülő szerkezetekre történő alkalmazásával, eddig azonban csak korlátozott sikereket könyvelhetnek el. Többek között azért, mert a miniatűr gépek, például pici drónok fedélzetén minimális szenzor szállítható, és az adatfeldolgozás sem nevezhető gyorsnak, gördülékenynek.

A Delfti Műszaki Egyetem és a Vesztfáliai Alkalmazott Tudományok Egyeteme a méhekből kiindulva, az optikai áramláson alapuló tanulási folyamatot javasol robotoknak. A gépek a látómezejükbe kerülő tárgyak vizuális jegyeit, színt, formát, textúrát feldolgozva, becsülnék fel a távolságokat.

Az optikai áramlásnak azonban van két korlátja: egyrészt a távolságról és a sebességről csak kevert, és nem külön-külön információt ad. Például, ha két drón száll le, és az egyik kétszer olyan gyorsan repül, mint a másik, illetve kétszer annyira magasan tartózkodik, mindketten ugyanazt az optikai élményt élik át, pedig értelemszerűen másként kellene reagálniuk. Soha nem érnek célba, ha földre szálláskor nem alkalmazkodnak a magassághoz, és landolás helyett a föld felett kezdenek el keringeni.

A másik ok, hogy akadályok elkerülése szempontjából szerencsétlen, ha az optikai áramlás nagyon kicsi. Ebben az esetben a mérésekben sok a hiba – „zajosak” –, és így alig van információ az akadályok jelenlétéről, ráadásul a legfontosabbat a legnehezebb detektálni.

A probléma akkor szűnik meg, ha a robot az optikai áramlás mellett a környezetében lévő tárgyak vizuális jegyeit is tudja értelmezni. Ehhez kell a tanulás.         

A mesterségesintelligencia-alapú tanulási stratégiával jelentősen javulhat a kisméretű drónok tájékozódása, és egyben új hipotézis dolgozható ki a rovarok intelligenciájáról.

Ha a méhek gyakorlatát használó drónok ugyanúgy autonómok lesznek, mint a sokkal nagyobb önvezető autók, tevékenységük lényegesen hatékonyabbá válik, intelligenciájuk a repülő rovarokéhoz lesz hasonló.

Számítógépes rendszerek egyre fontosabb szerepet töltenek be a tőzsdéken. A Deutsche Bank becslése szerint 2020-ban a részvénykereskedés eladásaira és vásárlásaira vonatkozó döntések 80 százalékát automatizált programok hozták meg. Határidős kereskedéseknél a szám még magasabb, 90 százalék volt.

A vállalatok követik a tőzsdei példát.

Automatizált rendszerek sokkal több céges pénzügyi jelentést töltenek le, mint emberek – derül ki az Egyesült Államok nonprofit Nemzeti Gazdaságkutatási Hivatalának anyagából. Ez a tény egyben azt is jelenti, hogy a cégek gépek számára olvasható adatokat tesznek beszámolóikba, amelyeket programok számára is értelmezhetőre dolgoznak ki.

A szervezet közhasznú vállalatoknak az utóbbi ötven évben készült, az USA Értékpapír és Tőzsdei Bizottságának (SEC) leadott negyedéves és éves pénzügyi beszámolóit elemezte.

A SEC letöltés logját vizsgálva, a tanulmány szerzői a letöltött anyagokhoz kapcsolódó IP címek alapján határozták meg, hogy a kezdeményezés személytől vagy géptől indult. Kiderült, hogy az automatizált letöltések száma évről évre növekszik.

2003-ban 360862, az összes 39 százaléka volt gépi kezdeményezés, 2016-ban viszont már a 78 százalékot jelentő 165 millió.

A géppel indított nagyszámú letöltés mögötti cégek sokkal valószínűbb, hogy beszámolóikat programok által is olvashatóvá teszik. Ezek a cégek, az ASCII szabványhoz ragaszkodva, elválasztják a táblázatokat a szövegektől, ügyelnek, hogy az értelmezéshez szükséges összes információ az anyagokban legyen. A nyelvhasználatnál ráadásul arra is vigyáznak, hogy az érzelemelemző modellek magas pontszámokat adjanak, pozitívan ítéljék meg anyagaikat, és így kerülik a negatív érzésekkel, bírósági tárgyalásokkal és a bizonytalansággal kapcsolatba hozható szavakat.

De miért fontos ez?

A tanulmányból kiderül, hogy minél könnyebben értelmezi egy számítógép a cég pénzügyi beszámolóját, annál gyorsabban kereskedik részvényekkel a jelentés közzététele után.

Már most is hihetetlenül gyors kereskedés, de a piacok még az eddiginél is nagyobb sebességre kapcsolnak. Az anyagoknak azonban van egy szépséghibájuk. Ha gépnek, ha embernek szánják őket, vigyázni kell a szépítések és a konkrét csalás közötti képlékeny határok figyelembevételével, hogy azokat még véletlenül se lépjék át.

A szabályozók, elemzők és a mesterségesintelligencia-szakemberek felelőssége óriási, ügyelniük kell arra, hogy vállalatok ne manipulálhassák téves adatokkal a piacot.

Az Egyesült Államokban rengeteg fegyveres bűncselekményt követnek el. Ha biztonsági őröket vagy rendőröket a lövés eldördülése előtt értesítené egy gépi rendszer a szándékról, a mesterséges intelligencia életeket menthet meg.

Szerencsére számos ilyen rendszeren dolgoznak. 

Több cég fejlesztett biztonsági kamerákat figyelmeztető mélytanulás-megoldásokat, amelyek akkor jeleznek, ha valaki lőfegyvert vesz elő. Az új rendszerek rendeltetése, hogy észrevegyék ezeket az eseteket, és értesítik róluk a biztonsági őröket és/vagy a rendőrséget.

Senki sem sérült meg a modell gyakoroltatása közben – közölte több rendszer fejlesztője, és még a tanulóadatokat is közzétették.

A Virginia állambeli Omnilert Gun Detect technológiája videojáték-szoftveres szimulációval, akciófilmek jeleneteivel, többezer óra videóval gyakoroltatta rendszerét. A videókon alkalmazottak láthatók, valódi vagy játékfegyverekkel.

Az alabamai Arcarithm fegyverdetektáló rendszereihez zöld képernyő előtt fényképeztek fegyvereket, majd a képeket például irodai jelenetekbe illesztették. Összesen 50 ezer képet készítettek az Egyesült Államok tíz legnépszerűbb puskájáról, kézi lőfegyveréről. Ezeket a jeleneteket használták aztán gyakorlóadatokként az Exigent-GR szoftverhez.

Más cégek (Actuate, Defendry, Scylla, ZeroEyes) hasonló rendszereket kínálnak ügyfeleiknek.

A képes megoldások, a számítógépes látás használata azért fontos előrelépés, mert eddig hangalapú fegyverazonosító rendszerekkel dolgoztak.

Az Egyesült Államok több mint száz rendőrsége használja például a ShotStopper rendszert. A fegyverzajt, lövészajt akusztikus szenzorokkal emeli ki a hanganyagból, majd gépi tanulással hasonlítja össze egy audió adatbázis anyagaival. Miután azonosította a lövést, háromszögeléssel jelöli be a helyszínt, és értesíti a rendőrséget.

Az algoritmusok azonban távolról sem tökéletesek még, így hibázhatnak is. Egy, New York állambeli iskolákban alkalmazott rendszer például seprűnyelet nézett puskának. Az ilyen melléfogások sajnos veszélyesek is lehetnek. Képzeljük el, hogy a rendszer figyelmezteti a rendőröket, akik aztán fegyveresen rontanak a takarítóra.

Számítástudományi szakemberek, fizikusok, mérnökök évek óta dolgoznak a valóságban is, és nemcsak elméletben vagy szigorú laboratóriumi körülmények között működő kvantumhálózatokon.

Kivitelezésük a felhasználók által egymásnak küldött összefonódott kvantumrészecskéken alapul, képesnek kéne lenniük kvantumbitek (qubitek) továbbítására. Amennyiben sikerül, megvalósul minden idők legbiztonságosabb hálózata.

Többféle technikával próbáltak már kvantumrészecskéket A pontból B pontba eljuttatni: száloptikás kábelen, tornyok között, de műholdról a földre is.    

Kínai felsőoktatási és kutatóintézmények szakértői új megoldással bővítették a lehetőségek tárát: drónokat használtak kisméretű légi kvantumhálózat kialakításához. Ez a hálózat lenne a prototípus, a jövőben kiindulási és viszonyítási pontként szolgálhatna, és ez volt az első alkalom, hogy összefonódott részecskéket két mozgó eszköz között továbbítottak.

Az elképzelés alapja, hogy egyik drónról a másikra, valamint egy drónról a földre küldenek összefonódott kvantumrészecskéket.

Nagyméretű kvantumhálózat kidolgozásához a műholdak tűnnek ideális megoldásnak. Kisebbekhez viszont, például felhasználók ugyanazon városon belüli kommunikációjához más opciókra van szükség.

A tornyok ugyan hasznosak lehetnek erre a célra, de túlzottan ki vannak téve az időjárás szeszélyeinek, ráadásul akár szándékosan, akár rosszindulat nélkül, de blokkolhatók is. A problémát orvosolandó, jutottak el a kínai kutatók a drónokig: az ember nélküli légi járművek továbbítják a jeleket.

A rendszerben találunk egy lézert generáló kicsi készüléket, amelyet felszereltek az egyik drónra. Amint működésbe lépett, a fotonok kettéváltak, és összefonódott párokat alkottak. Míg a párosítottak egyikét egy másik drón, addig a másikat a földi állomás felé küldték.

Az összefonódott fotont fogadó drón relé szerepet töltött be: újrafókuszálás után egy harmadik drónnak, a harmadik drón pedig a földi állomásra továbbította a fotont.

A drónokon motorizált eszközöket használtak, azok biztosították, hogy az adóvevők pontosan és sorban kapják meg az összefonódott fotonokat.

A prototípushálózat drónjai a fotonokat csak egy kilométerre küldték el, de a kutatók szerint, ha a gépek magasabban vannak, nagyobb, akár 300 kilométeres távolságba is továbbíthatók az összefonódott kvantumrészecskék.

Elmondták még, hogy a rendszerbe mozgó szárazföldi járművek is bevonhatók, a technológia rájuk is adaptálható. A későbbiekben a drónok és a földi állomás műholdakból is álló hálózattal köthető össze.

Technológiai és egészségügyi csoportok közösen dolgoznak az úgynevezett digitális oltásútlevélen. Az Oltáshitelesítési Kezdeményezés a Microsoft, az Oracle, az ismert amerikai nonprofit Mayo Klinika és mások, a Rockefeller Alapítvány által is támogatott közös projektje arra a feltételezésre reagál, hogy kormányok, légitársaságok és mások, például rendezvényszervezők, munkáltatók, felsőoktatási intézmények stb. a Covid-19 elleni oltottságot bizonyító papírokat kérhetnek utazóktól, diákoktól, alkalmazottaktól, szórakozni vágyóktól.

Az „útlevél” a tervek szerint nemzetközileg elfogadott digitális okirat lesz arról, hogy az illetőt tényleg beoltották. Nemzetközi szabványokat dolgoznak ki rá, igyekeznek elkerülni vele a csalásokat, hogy valaki azt állítsa: be van oltva, és közben nincs.

Paul Meyer, a kezdeményezés egyik vezetője elmondta, hogy jelenleg sok beoltott személy csak egy cetlit mutat be bizonyítékként, amit akár hamisítani is lehet. Egészségügyi informatikai vállalatokkal együttműködve azt szeretnék megvalósítani, hogy egy új rendszer elektronikus orvosi adatokból hozza létre a digitális kártyát.

Több kormánnyal folytatnak tárgyalásokat, hogy a jelenleg majdnem mindenhol érvényben lévő belépési elvárást, a kötelező negatív tesztet változtassák „hibrid” megoldássá, és beutazáskor vagy a tesztet, vagy az oltási bizonylatot fogadják el az adott ország hatóságai. A múlt év végén megkezdett tömeges oltásokkal egy-két hónapon belül ez lehet a realitás.

Természetesen egyelőre az oltások hatékonysága is kérdés, például az Egyesült Királyság kormánya csak azt követően dönt majd az „útlevélről”, miután meggyőződtek a vakcinák eredményességéről, hogy milyen mértékben csökkentik a fertőződést. Ha a legveszélyeztetettebb csoportokból elég sok személyt beoltottak, jobban láthatók a hatások, könnyebb lesz a döntéshozás.

„Személyektől több helyen is kérhetnek oltásigazolást ahhoz, hogy visszatérjenek a normális élethez. Globálisan összekapcsolt világban élünk, de legalábbis abban éltünk, és reméljük, hogy megint abban fogunk” – magyarázza Meyer.

Minden ország megszabhatja a maga szabályait, például, hogy melyik vakcinát fogadja el. A rendszert úgy alakítják ki, hogy az adatok biztonságban maradjanak. Ezeket az infókat digitális tárcában fogjuk hordani, QR kód is lesz rajtuk, kinyomtathatók, ellenőrzéskor papír- és digitális formában egyaránt bemutathatók.

Közben a brit kormány egy biometriai és egy cyberbiztonsági cég egészségügyi „útlevél” pilotprojektjét finanszírozza. A rendszer többezer személynek teszi majd lehetővé, hogy eddig meg nem nevezett két helyi hatóságnál appra tölthessék fel az oltási adataikat. Az alkalmazás bizonyítaná, hogy az illetőt beoltották a Covid-19 ellen. De csak az említett feltételek teljesülése után kezdenék el használni.

Kérdés az is, hogy ezekkel az „igazolványokkal” mennyire sérülhetnek a személyiségi jogok (privacy), illetve mennyire hackelhetők meg, ellophatók-e az adatok.

Az Egyesült Államok Fejlett Védelmi Kutatási Projektek Ügynöksége, ismertebb nevén DARPA, a Pentagon kutatásfejlesztési ága változtatni szeretne a harcosoknak éjjeli látást biztosító, már több évtizede működő, de általában ormótlan és egyáltalán nem felhasználóbarát technikákon. Nehézkesek, sisakra kell szerelni őket, korlátozott, 120 fokoshoz képest csak 40 fokos a látómező, túl sok súly nehezedik a katona nyakára.

„Katonáinknak gyakran fáj a nyakuk tőlük. Ha még soha nem volt rajtunk ilyen éjjellátó szemüveg, úgy képzeljük el, mintha egész nap olyan baseball sapka lenne rajtunk, amire közel egykilós súlyt tettek” – magyarázza Rohith Chandrasekar programmenedzser.

Ha túl sokáig viselünk magunkon egy ilyen rendszert, idővel nem marad elég energiánk egyenesen tartani a nyakat, és a katonák bizony sokszor a kezükkel segítenek felemelni a fejüket. A csekély látómező ráadásul tovább növeli a kényelmetlenség érzetét.    

A fény létrehozásával, továbbításával, érzékelésével, feldolgozásával, információ optikai alapú tárolásával foglalkozó fotonika és az optikai anyagok eljutottak arra a szintre, hogy már kivitelezhetők a jelenleg használatban lévőknél sokkal könnyebb, kompakt éjjellátók. Ránézésre nem lesz bennük semmi különös, mert külsőre pont olyanok mint a közönséges szemüvegek, napszemüvegek.

A DARPA január 11-én jelentette be Feljavított éjszakai látás (Enhanced Night Vision, ENVision) programját. Szakítanak azzal a sokáig teljesen bevett paradigmával, hogy a teljesítménynöveléshez az eszközök tömegét is növelni kell.

Nem lesz könnyű dolguk, mert a lehetőségek hiába adottak, és az infravörös fény, a „termikus látás” ugyan egyetlen szemüveg-lencsével láthatóvá alakítható – és az átalakítás egyetlen lépésben megvalósítható –, ráadásul az új szemüveg is könnyű és kényelmes, viszont nagyon aprólékos és precíziós munka kell hozzá.

Chandrasekar szerint megéri a sok munka, mert utána teljesen megváltozik a helyzet: az új technika nemcsak kényelmesebb, hanem jóval hatékonyabb is. További előny, hogy az infravörös fény eddigi többlépéses átalakításával szemben, az egylépcsősben egyes esetekben a fotonok impulzusmomentuma is megmarad, ami azt jelenti, hogy az éjszakai látás elméletileg akár mindenféle optika nélkül is megvalósítható. Egyelőre azonban csak elméletileg.

A világ legnagyobb csúcstechnológiai showja, az évente január elején Las Vegasban megrendezésre kerülő CES, a Szórakoztató Elektronikai Kiállítás. A Covid-19 miatt idén, a január 11. és 14. közötti rendezvényen a résztvevők csak virtuálisan lehettek jelen.

A virtuális esemény egyik szupersztárja a dél-koreai Samsung házimunkákba besegítő robotja és másik két otthoni szerkezete volt. A cég évek óta különlegességekkel kápráztatja el a Las Vegasi nagyérdeműt, és idén sem történt másként a virtuális térben.

A Bot Handy nevű szerkezet az egyik legutáltabb otthoni melót végzi el helyettünk: beteszi a piszkos edényeket, evőeszközöket stb. a mosogatógépbe. Mivel már a neve is beszédes (handy magyarul ügyes), ne lepődjünk meg, hogy munkáját kellő szakértelemmel végzi.

Egy másik robotjuk, a JetBot okos porszívó és biztonsági kamera keveréke, tárgyfelismerő technológiával azonosítja és csoportosítja a helyiségben lévő objektumokat, ezeket az információkat felhasználva, dönt a leghatékonyabb „útvonalról.” Az önvezető autók jellegzetes technikái, Lidar és 3D szenzorok segítik kisebb tárgyak és a kábelek elkerülésében. Töltőállomáson üríti ki a szemetet, tulajdonosának nem kell gyakran tisztítania.

A Samsung SmartThings (okos dolgok) appjával összekapcsolva, otthonunkat figyeli folyamatosan. A gép nemcsak technikai kuriózum, például az Egyesült Államokban már idén forgalmazzák.

A harmadik, Bot Care egyszerre asszisztens/segítő és társrobot. A cég két éve is bemutatott hasonló szerkezetet. Mesterséges intelligenciával ismeri fel viselkedésünket, viselkedésmintákat azonosít, és aztán reagál rájuk. Megtanulja a napirendünket, szokásainkat, és napkezdés előtt emlékeztetőket küld róluk.

Az alapötlet, hogy egyes robotok még azt megelőzően találják ki mindennapos igényeinket, hogy mi magunk tudnánk azokat.

„Megváltozott, más lett a világunk, sokan szembesülünk egy új valósággal. Ebben a valóságban, megnőtt az otthonunk jelentősége. Találmányaink célja, hogy a felhasználó egyéniségéhez passzoló, több személyes és intuitívabb élményt nyújtsanak” – magyarázza Sebastian Seung, a Samsung Research vezetője.

Sokan félnek a majdani rosszindulatú szuperintelligencia következményeitől. Egyelőre azonban úgy tűnik, hogy a mesterséges intelligenciát és az MI-vel kapcsolatos hazugságokat használó, a hamis híreket és a dezinformációt így terjesztő emberek sokkal, nagyságrendekkel több kárt képesek okozni.

Az amerikai törvényhozás épülete elleni január 6-i támadás és a résztvevők azonosítása tökéletesen illusztrálja az állítást.

Amerikai bűnüldöző szervek és online nyomozók mélytanulást használva próbálnak neveket kapcsolni a Capitolium elleni rohamról készült fotókon látható arcokhoz. Tevékenységükkel párhuzamosan, szélsőséges propagandisták szintén képtechnológiákkal igyekeznek bizonyítani, hogy baloldali, szélsőbaloldali aktivisták a roham résztvevői közé szivárogtak.

Az eseményről rengeteg a fénykép és a videó, és a mesterségesintelligencia-technológiák sokat segítenek a nyomozásban.

John Scott-Railton, a Torontói Egyetem kutatója például az arcfelismerést és képeket feljavító módszereket kombinálva azonosított a Szenátus épületében egy testpáncélt viselő, bilinccsel mászkáló ex-katonatisztet, akit azóta le is tartóztattak.

Az USA több bűnüldöző szerve használja az arcfelismeréssel foglalkozó Clearview AI technológiáját. A cég bejelentette, hogy a roham óta 26 százalékkal nőtt a termékeik iránti kereslet. Kereséseknél alkalmazzák, és két rendőri testület közölte is, hogy a vállalat szolgáltatásait igénybe véve azonosítanak a Capitoliumba behatolt személyeket.

Egyes sajtóorgánumokban közben megjelent, hogy az arcfelismerő technológiákat eladó XRVision a támadást vezető személyek között baloldali Antifa aktivistákat azonosított. A cég cáfolta a hírt, „egyenesen hazugnak, félrevezetőnek és rágalmazónak” nevezve azt.

Az arcfelismerő technológiákkal párhuzamosan megjelentek a szintén MI-val generált dezinformációs kamuképek (deepfakes) is. A 4chan és a közben az Apple és a Google mobilalkalmazás-boltjából egyaránt eltávolított Parler közösségi média felhasználói szerint a rohamban sok balos aktivista is részt vett. Többek arcát állítólag fejlett kamukép-technikával, képmanipulációval illesztették az audiovizuális anyagokba. Az az álhír is terjedt közöttük, hogy a Capitolium támadóit később bűnözőknek és hazafiatlan személyeknek nevező Donald Trump videoanyaga deepfake technikával készült, amit a Fehér Ház később megcáfolt.

Az esemény jól szemlélteti, hogy a gépi tanulás egymással ellentétes két oldala, az arcfelismerés és a kamuképek milyen mértékben használhatók, és mennyire fontos az alkalmazásuk. Az egyik remek módszer tények feltárásához, a másik tökéletes eszköz tények gyártásához. Míg a rendőrség az előbbivel él, a propagandisták mindkettővel. Így készítenek abszolút hihető, de teljesen hamis történeteket.

Az amerikai Sandia Nemzeti Laboratórium kutatói egy új gépitanulás-algoritmus segítségével, a „normálisnál” több mint 40 ezerszer gyorsabban végeztek el bonyolult anyagtudományi számításokat.

Az eredmény komoly változásokat hozhat új optikai, légi és űrkutatási, energiatárolási, orvosi stb. technológiák fejlesztésében. Másrészt, a számítási költségek csökkenésével, kevesebb lesz a laboratóriumi kiadás is.

„Lerövidítjük a tervezési ciklust. Amikor megtervezünk egy komponenst, többéves várakozás nélkül szeretnénk megtervezni egy azzal kompatibilis anyagot is. Ma sajnos évekig kell várni” – magyarázza David Montes, a Sandia egyik anyagtudományi szakembere.

A gépi tanulás a számítógépes szimulációt gyorsította fel, amely előrejelzi, hogy a gyártási folyamat vagy egy terv megváltoztatása, például egy ötvözetben lévő anyagok mennyiségének növelése hogyan befolyásolja az anyagot. Egy ilyen projekthez többezer szimuláció kell. Többezer lefuttatása viszont hetekig, hónapokig, sőt, évekig eltarthat.

A kutatócsoport 128 magos számítógép-klaszteren 12 perc alatt futtatott le egy szimulációt, majd ugyanazt a szimulációt a gépitanulás-algoritmust használva, 36 magos rendszeren 60 milliszekundum alatt, 42 ezerszer gyorsabban végezték el. Ez azt jelenti, hogy az új megoldással negyedóra alatt mindent megtudnak, amihez különben egy év kellene. (Egy mai átlagos otthoni számítógép két és hat mag között van.)

A gépitanulás-algoritmussal elért eredmény 5 százalékkal különbözött a sztenderd szimulációétól. A kutatók szerint kielégítően pontos, amit be is kalkuláltak, mert a gépi tanulásos módszerrel, a sebesség miatt beáldoznak valamit a pontosságból, de még így is majdnem ugyanaz az eredmény, mintha a jól bevált és abszolút megbízható eljárásokkal dolgoztak volna.

Az algoritmust először ultravékony anyagokkal működő optikai technológiákhoz, például következő generációs kijelzőkhöz tervezik használni.

Az arcfelismerés napjaink egyik legellentmondásosabb, legvitatottabb mesterségesintelligencia-technológiája. Óriási potenciál rejlik benne, túlzásba vitt használata viszont sérti a személyiségi jogokat (privacy), rossz eredményei, a hamis pozitívok pedig ártatlanok meghurcolását eredményezheti, ami többször meg is történt már.

Az amerikai kormány arcmaszkot viselő személyeket 96, maszk nélkülieket 100 százalékos pontossággal azonosító új rendszert mutatott be.

A koronavírus világjárvánnyal egyértelművé vált, hogy a piacon lévő arcfelismerő technikák komoly ráncfelvarrásra szorulnak. Addig nem vagy elenyésző mértékben tapasztalt problémával kellett – a szó szoros értelmében – szembesülniük, a fejlesztőknek pedig megoldást találni rá: a kötelező maszkviselet miatt a rendszerek alig látnak valamit személyekből, arcuknak legalább a fele takarásban van.

Úgy tűnik, hogy az Egyesült Államok Belbiztonsági Minisztériuma (DHS) a West (Nyugat) nevű rendszerrel orvosolta a problémát. A teszteken a többi rendszer átlagosan ugyanis maszk esetében 77, maszk nélkül 93 százalékos eredményt ér el, amihez képest a 96 és a 100 százalék óriási előrelépés. A járvány előtti tipikus arcfelismerő technológiák 50-80 százalékos pontossággal azonosítottak álarcos személyeket, azaz nagyon nagy volt a szórás, rengeteg hibalehetőséggel.

A tesztek során különböző kamerák és algoritmusok 60 kombinációját használták. Az érdekesség kedvéért: a legrosszabb eredményt elérő kombináció 4 és 11 százalékot teljesített.

„Egy tökéletes világban 100-ból 100-szor ismer fel 100 személyt. A legjobb algoritmus ma már tényleg jobb az arcfelismerésben, mint az ember” – jelentette ki Arun Vemury, a DHS Biometria és Azonosság Technológiai Központjának igazgatója.

Aggályok természetesen megint felmerülnek, a DHS megnyugtatásként közölte is, hogy az új rendszert repülőterekre szánják. Elmondása alapján a légi utasok monitorozásával a közbiztonságot növelik, és a védőmaszkot sem kell levenniük hozzá. Az utasok és a repülőtéri személyzet számára egyaránt csökkennek a kockázatok – véli Vemury.

Az új rendszert elsősorban egészségügyi okokból használják majd. A DHS-nek biometrikus technikára volt szüksége, az ujjlenyomat-olvasás a Covid-19 miatt azonban túl kockázatos, a retina-szkennelés pedig túl nehéz. Ezért döntöttek az arcfelismerés mellett.