亞馬遜人臉識別技術Rekognition被爆種族歧視

【獵雲網（微信號：ilieyun）】1月28日報道（編譯：一晌貪歡）

與IBM、微軟的同類技術相比，亞馬遜的人臉分析軟體分辨某些人種性別的正確率較低。這是麻省理工學院（MIT）研究人員在近日發表的一項新研究中得出的結論，該研究發現，在特定情況下，Rekognition（亞馬遜圖像識別技術）無法可靠地辨別女性和深膚色人群。

該項研究的合著者稱，在2018年進行的實驗中，Rekognition錯誤地將19%的女性圖像識別為男性，將31%的深膚色女性圖像識別為男性。相比之下，微軟在識別深色皮膚人群性別時，將女性錯認為男性的比例只有1.5%。

亞馬遜對這項研究提出質疑。它表示，Rekognition升級版的內測結果顯示，該技術對於識別性別的正確率不存在人種差異。此外，亞馬遜認為這篇論文沒有清楚地說明在實驗中使用的置信度閾值，即Rekognition的判斷被認為是正確而必須達到的最低精確度。

在給外媒的一份聲明中，亞馬遜雲服務平台深度學習和人工智慧總經理馬特·伍德博士（Matt Wood）對面部分析和面部識別這兩個概念進行了區分：面部分析指的是在視頻或圖像中辨認出臉部，並確定其一般屬性；而面部識別是將單個人臉與其它視像中的人臉相匹配。他說，根據「面部分析」的結果來判斷「面部識別」的準確性是「不可行的」，而且他認為這篇論文所談論的和「客戶如何使用Rekognition」是兩回事。

伍德博士說：「使用最新版本的Rekognition，從議會網站和Megaface人臉資料庫下載百萬張圖像數據，我們發現，置信度閾值設置為0.99時，誤報數為零。我們通過錄入和反饋來不斷改進這項技術，且支持創建第三方評估、數據集、衡量基準。」

這是亞馬遜第二次被質疑Rekognition存在偏見。

上一次在今年夏天，美國公民自由聯盟（American Civil Liberties Union）對Rekognition進行了一項測試（亞馬遜質疑該測試的準確性）：把25000張罪犯面部照片和國會議員的官方照片進行比較。結果Rekognition將28名議員誤判成罪犯，其中有色人種的錯判率佔到38%。

無獨有偶。

2012年的一項研究顯示，Coigntec（德國從事生物特徵識別技術的公司）的人臉識別程序在識別非裔美國人和白種人時存在差距，前者比後者的錯判率高出5%到10%。2011年的一項研究顯示，中日韓開發的人臉識別模型難以區分白種人和東亞人。今年2月，麻省理工媒體實驗室進行的研究表明，微軟、IBM和北京曠視科技（Megvii）通過人臉識別性別的錯誤率如下：7%的淺色皮膚女性和12%的深色皮膚男性被認錯，而深色皮膚女性的錯判率甚至高達35%。

弗吉尼亞大學（University of Virginia）進行的另一項研究顯示，ImSitu和COCO（兩個知名的圖像數據集）在描述體育、烹飪和其它活動時表現出性別偏見（其中COCO由Facebook、微軟和初創公司MightyAI共同贊助）。例如，購物圖片傾向於與女性相關聯，而教練圖片則與男性相關聯。

也許最糟糕的一個例子是：2015年一位軟體工程師報告稱，谷歌照片的圖像分類演算法將非裔美國人識別成「大猩猩」。

但是人臉識別技術的某些進展也是令人鼓舞的。

今年6月，微軟與人工智慧公平方面的專家合作，修訂並擴展了用於培訓Face API的數據集，Face API是微軟的一套演算法程序，用於檢測、識別和分析圖像中的人臉。隨著新數據包含膚色、性別和年齡等信息，演算法程序對深膚色的男性和女性的錯判率分別降低了20倍和9倍。

亞馬遜表示它一直在努力提高Rekognition識別的準確性，最近一次重要技術升級在去年11月進行。

伍德博士補充說：「我們為這一領域的學術研究提供了資金，也對自己的團隊進行了大量投資，而且努力還將繼續。我們致力於改善面部識別、面部分析，強調解釋結果時有很高的可信度，也會重點關注人工審查的作用、標準化測試等方面。我們感謝為改善這些技術做出貢獻的客戶和學者。"

下周在夏威夷檀香山（Honolulu）將舉行「人工智慧、倫理和社會促進會議」，而麻省理工學院的研究結果將在會上公布。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！