Згідно з дослідженням частота помилок деяких з 89 найбільш широко використовуваних алгоритмів зросла на 5-50%. У звичайній ситуації цей показник не перевищував 0,3%. Чорні маски частіше викликають помилки, ніж сині, а, чим більше закритий ніс людини, тим складніше ідентифікувати його особу.
Цікаво Jerry Heil приміряла у кліпі обличчя блогерів: як працює ця технологія
Мей Нган, автор доповіді і фахівець з комп'ютерних технологій NIST зазначив, що тепер дослідники хочуть перевірити роботу алгоритмів, які були розроблені саме в період пандемії.
Особливості дослідження
Варто зазначити, що алгоритми розпізнавання обличчя з-посеред перевірених NIST працюють шляхом вимірювання відстаней між об'єктами на обличчі. Це трохи відрізняється від того, як розпізнавання обличчя працює на iPhone, де використовуються датчики глибини.
NIST став першим урядовим закладом, якому доручили оцінити точність алгоритмів поряд з багатьма іншими системами.
Примітно, що у звіті наводиться лише тип розпізнавання обличчя, відомий як співставлення "один до одного". Це процедура, яка використовується при перетині кордонів і на паспортному контролі, де алгоритм перевіряє, чи відповідає обличчя ідентифікатору.
Однак системи розпізнавання осіб для масового спостереження сканують натовп, щоб знайти збіги з обличчями в базі даних. Це називається системою "один до багатьох". І, хоча звіт NIST не охоплюють системи "один до багатьох", вони, як правило, вважаються найбільш схильними до помилок. Сам процес виявлення обличчя у натовпі складніший, оскільки при цьому не можна контролювати кут або освітлення.
Таким чином, носіння масок, швидше за все, серйозно порушує роботу алгоритмів "один до багатьох".
Згідно з даними внутрішнього бюлетеня міністерства внутрішньої безпеки США, там стурбовані "потенційним впливом, який широке використання захисних масок
може спричинити на операції безпеки, що включають системи розпізнавання обличчя".