Undersøgelse viser, at ansigtsgenkendelseseksperter klarer sig bedre med kunstig intelligens som partner

Eksperter i at genkende ansigter spiller ofte en afgørende rolle i straffesager. Et foto fra et sikkerhedskamera kan betyde fængsel eller frihed for en tiltalt - og vidnesbyrd fra højtuddannede retsmedicinske undersøgere informerer juryen om, hvorvidt det billede rent faktisk skildrer den anklagede. Hvor gode er eksperter i ansigtsgenkendelse? Ville kunstig intelligens hjælpe?

En undersøgelse, der i dag vises i Proceedings of the National Academy of Sciences har bragt svar. I arbejde, der kombinerer retsvidenskab med psykologi og computersynsforskning, et team af forskere fra National Institute of Standards and Technology (NIST) og tre universiteter har testet nøjagtigheden af ​​professionelle ansigtsidentifikatorer, at give mindst én åbenbaring, der overraskede selv forskerne:Trænede mennesker klarer sig bedst med en computer som partner, ikke en anden person.

"Dette er den første undersøgelse, der måler nøjagtigheden af ​​ansigtsidentifikation for professionelle retsmedicinske ansigtsundersøgere, arbejde under omstændigheder, der gør sig gældende i sagsbehandling i den virkelige verden, " sagde NISTs elektroniske ingeniør P. Jonathon Phillips. "Vores dybere mål var at finde bedre måder at øge nøjagtigheden af ​​retsmedicinske ansigtssammenligninger."

Holdets indsats begyndte som svar på en rapport fra 2009 fra National Research Council, "Styrkelse af retsmedicin i USA:En vej frem", hvilket understregede behovet for at måle nøjagtigheden af ​​retsmedicinernes afgørelser.

NIST-undersøgelsen er den hidtil mest omfattende undersøgelse af ansigtsidentifikation på tværs af en stor, varieret gruppe mennesker. Undersøgelsen undersøger også den bedste teknologi, sammenligne nøjagtigheden af ​​state-of-the-art ansigtsgenkendelsesalgoritmer med menneskelige eksperter.

Deres resultat fra denne klassiske konfrontation mellem menneske og maskine? Ingen får de bedste resultater alene. Maksimal nøjagtighed blev opnået med et samarbejde mellem de to.

"Samfundene er afhængige af ekspertisen og uddannelsen af ​​professionelle retsmedicinske ansigtseksaminatorer, fordi deres domme menes at være bedst, " sagde medforfatter Alice O'Toole, en professor i kognitiv videnskab ved University of Texas i Dallas. "Imidlertid, vi lærte, at for at få den mest præcise ansigtsidentifikation, vi bør kombinere styrkerne fra mennesker og maskiner."

Resultaterne kommer på et rettidigt tidspunkt i udviklingen af ​​ansigtsgenkendelsesteknologi, som har udviklet sig i årtier, men har først for ganske nylig opnået kompetencer, der nærmer sig de bedst præsterende mennesker.

"Hvis vi havde lavet denne undersøgelse for tre år siden, den bedste computeralgoritmes ydeevne ville have været sammenlignelig med en gennemsnitlig utrænet elev, "Sagde Phillips." I dag, state-of-the-art algoritmer yder lige så godt som en højtuddannet professionel."

Selve undersøgelsen involverede i alt 184 deltagere, et stort antal for et eksperiment af denne type. 87 var uddannede professionelle ansigtsgranskere, mens 13 var "supergenkendere, "et udtryk, der antyder usædvanlige naturlige evner. De resterende 84 - kontrolgrupperne - omfattede 53 fingeraftryksundersøgere og 31 bachelorstuderende, ingen af ​​dem havde uddannelse i ansigtssammenligninger.

Til testen, deltagerne modtog 20 par ansigtsbilleder og vurderede sandsynligheden for, at hvert par var den samme person på en syv-trins skala. Forskerholdet udvalgte bevidst ekstremt udfordrende par, ved hjælp af billeder taget med begrænset kontrol over belysningen, udtryk og udseende. De testede derefter fire af de nyeste computeriserede ansigtsgenkendelsesalgoritmer, alt udviklet mellem 2015 og 2017, ved hjælp af de samme billedpar.

Tre af algoritmerne blev udviklet af Rama Chellappa, professor i elektroteknik og computerteknik ved University of Maryland, og hans hold, der har bidraget til undersøgelsen. Algoritmerne blev trænet til at fungere i generelle ansigtsgenkendelsessituationer og blev anvendt uden ændringer til billedsættene.

Et af resultaterne var ikke overraskende, men vigtigt for retssystemet:De uddannede fagfolk klarede sig betydeligt bedre end de utrænede kontrolgrupper. Dette resultat fastslog de uddannede eksaminatorers overlegne evner, giver således for første gang et videnskabeligt grundlag for deres vidneudsagn i retten.

Algoritmerne frikendte også sig selv godt, som man kunne forvente af den konstante forbedring af algoritmeydelsen i løbet af de sidste par år.

Det, der rejste holdets kollektive øjenbryn, anså flere eksaminatorers præstationer. Holdet opdagede, at en kombination af udtalelser fra flere retsmedicinske ansigtsundersøgere ikke gav de mest nøjagtige resultater.

"Vores data viser, at de bedste resultater kommer fra en enkelt ansigtsundersøger, der arbejder med en enkelt toppræsterende algoritme, " sagde Phillips. "Mens kombination af to menneskelige eksaminatorer forbedrer nøjagtigheden, det er ikke så godt som at kombinere én eksaminator og den bedste algoritme."

Kombination af eksaminatorer og AI bruges i øjeblikket ikke i retsmedicinsk sagsbehandling i den virkelige verden. Selvom denne undersøgelse ikke eksplicit testede denne sammensmeltning af eksaminatorer og AI i et sådant operationelt retsmedicinsk miljø, resultater giver en køreplan for at forbedre nøjagtigheden af ​​ansigtsidentifikation i fremtidige systemer.

Mens det treårige projekt har afsløret, at mennesker og algoritmer bruger forskellige tilgange til at sammenligne ansigter, det stiller et fristende spørgsmål til andre videnskabsmænd:Hvad er den underliggende skelnen mellem den menneskelige og den algoritmiske tilgang?

"Hvis en kombination af beslutninger fra to kilder øger nøjagtigheden, så viser denne metode eksistensen af ​​forskellige strategier, "Sagde Phillips." Men det forklarer ikke, hvordan strategierne er forskellige. "