Computers die gezichten kunnen herkennen, hebben het afgelopen decennium grote stappen gemaakt en worden alleen maar nauwkeuriger.
Dat komt gedeeltelijk door een verschuiving naar 3D-gezichtsherkenning. Momenteel zijn de meeste algoritmen voor gezichtsherkenning gebaseerd op 2D-technieken. Dr. Lyndon Smith, hoogleraar informatica en machine vision aan de Universiteit van het westen van Engeland, Bristol, legt uit dat 2D-technologie gevoelig is voor lichtomstandigheden en kijkhoeken. Ter vergelijking: 3D-gezichtsherkenning biedt gegevens met een hogere resolutie.
"[3D-gezichtsherkenning] legt zeer gedetailleerde gegevens van een menselijk gezicht vast, in plaats van een 3D-vingerafdruk van het gezicht, " zegt Smith. "Dit kan een zeer goede betrouwbaarheid voor herkenning bieden, waardoor een enorm toegenomen aantal potentiële toepassingen wordt geopend."
Het concept van een foutloos algoritme is voldoende om visioenen van 1984 te inspireren en zelfs vandaag wordt gezichtsherkenningstechnologie verontrustend gebruikt. Een dating-app die bij je past bij mensen die zogenaamd op je celebrity-crush lijken? In ontwikkeling bij het New Jersey Institute of Technology. Delta Airlines test een systeem waarbij gezichtsscans instapkaarten vervangen. En winkelcentra, casino's en winkels gebruiken gezichtsherkenningssoftware om bij te houden wie zich in hun gebouw bevindt, en richten zich soms op advertenties voor individuen op basis van de karakterisering van de software van de demografie van een persoon.
Een paar toepassingen van gezichtsherkenning zijn echter minder eng. Nieuwe producten die studenten helpen studeren, verloren huisdieren vinden en blinde mensen helpen, zijn nu op de markt of binnenkort. En er komt zeker nog meer.
Volg de aanwezigheid en oplettendheid van studenten.
Ondanks de vriendelijk klinkende naam, is Nestor klaar om de ergste nachtmerrie van studenten te worden. De software, een kunstmatige intelligentie gecreëerd door het Franse bedrijf LCA Learning, debuteerde in mei. Het wordt momenteel getest in twee online lessen aangeboden door de ESG Management School in Parijs.
Terwijl studenten opgenomen lezingen bekijken, gebruikt Nestor hun webcams om oogbewegingen en gezichtsuitdrukkingen te analyseren. De AI merkt op wanneer studenten afgeleid lijken, en aan het einde van de lezing ondervraagt ze over materiaal dat tijdens deze dagdromen wordt behandeld. Nestor kan ook patronen van onoplettendheid volgen en studenten waarschuwen wanneer het voelt dat ze de focus verliezen.
LCA-oprichter Marcel Saucet zegt dat Nestor ook leraren helpt hun lesplannen te herzien. Als de meerderheid van de studenten op hetzelfde punt in een college wordt afgeleid, wil de professor bijvoorbeeld een nieuwe invalshoek op het onderwerp vinden.
Hoewel voorstanders van privacy de gebruikelijke vragen hebben gesteld over de vraag of de technologie invasief is en hoe de opnames zullen worden gebruikt, heeft Saucet gezegd dat alle gegevens zijn gecodeerd en dat er geen videobeelden van studenten worden opgeslagen.
Help blinde personen hun vrienden en familie te herkennen.
In 2015 ontwikkelden studenten van de universiteit van Birmingham de XploR-stok, een apparaat dat slechtzienden helpt hun omgeving te 'zien'. Dit vermogen is vooral nuttig bij grote sociale bijeenkomsten, waar je onvermijdelijk een continue stroom van individuen tegenkomt.
XploR werkt samen met de smartphone van de eigenaar en vertrouwt op GPS, Bluetooth en gezichtsherkenningsmogelijkheden. Het wandelstok scant de gezichten van personen binnen een bereik van 32 voet en waarschuwt de eigenaar als het hen identificeert als een vriend of familielid. XploR begeleidt de blinde persoon vervolgens naar zijn geliefde door middel van instructies die via de oortelefoon worden afgeleverd.
Eerder dit jaar presenteerden twee van XploR's makers, Asim Majeed en Said Baadel, hun uitvinding op een wereldwijde veiligheidsconferentie. Ze hopen de mogelijkheden van de wandelstok uit te breiden door gezichtsherkenningsgegevens op sociale media op te nemen en –– uiteindelijk –– gegevensuitwisseling van machine tot machine te ontwikkelen (bijvoorbeeld het communiceren van de locatie van een persoon met een beperking naar de bestuurderloze auto om deze op te halen).
Een woordvoerder van de National Federation of the Blind, een belangenvereniging voor blinden in de Verenigde Staten, vertelde Wired in 2015 dat een app op een smartphone "goedkoper" kan zijn dan een technologisch geavanceerde wandelstok, maar dat gezichtsherkenningstechnologie "heeft het potentieel om een echt probleem van blinden op te lossen."
Vind een vermist huisdier.
Gezichtsherkenning is niet alleen voor mensen. De Finding Rover-app gebruikt gezichtsherkenning om eigenaren te helpen zich te herenigen met verloren huisdieren.
Gebruikers uploaden preventief foto's van hun pups, en als Fido verloren is, waarschuwt Finding Rover zijn uitgebreide netwerk van lokale dierenasielen en app-gebruikers. Degenen die zich binnen een straal van 10 mijl van de laatst bekende locatie van het dier bevinden, ontvangen een pushmelding en als ze een soortgelijk uitziend huisdier zien, kunnen ze er een foto van indienen via de app. Zodra Finding Rover een match identificeert, geeft dit de eigenaar van het huisdier aan.
Het systeem, dat twee jaar duurde om te maken, werd ontwikkeld in samenwerking met onderzoekers van de Universiteit van Utah.
Tegenwoordig hebben de meeste huisdieren microchips, een ingebedde chip met een identificatienummer. Als een verloren dier op het kantoor van een dierenarts of dierenasiel terechtkomt, controleren ambtenaren op een microchip en gebruiken het ID-nummer om huisdier en eigenaar te herenigen. Maar niet iedereen heeft toegang tot chipscanapparatuur en niet alle huisdieren zijn gechipt. Een medewerker van de Wisconsin Humane Society vertelde een lokaal nieuwsstation dat "het geweldig is om te weten dat als je dier vermist wordt ... je iets zo handig en dichts in de buurt hebt als je telefoon om het onmiddellijk te verspreiden", maar voegde eraan toe dat de app t kragen of microchips vervangen.
Of gezichtsherkenningstechnologie meer goed of slecht zal worden gebruikt, is een open vraag. In een onderzoek uit 2014 identificeerde Carnegie Mellon-professor Alessandro Acquisti personen die rond een universiteitscampus liepen door Facebook-profielfoto's te vergelijken met webcambeelden - dankzij de gezichtsherkenningstechnologie was hij een derde van de tijd succesvol. Het is drie jaar geleden sinds de studie van Acquisti, en zoals hij waarschuwde in een interview met The Atlantic : “Vanuit een technologisch perspectief lijkt het vermogen om met succes massale gezichtsherkenning in het wild uit te voeren onvermijdelijk. Of we als samenleving die technologie echter zullen accepteren, is een ander verhaal. ”
