Обознались! Почему камеры перепутали музыканта из Петербурга с террористом
Система распознавания лиц имеет высокий процент точности, однако точечный риск ошибки при схожести людей имеется, рассказал НСН Александр Жадан.
Точность применяемой МВД РФ системы распознавания лиц составляет 90%, поэтому ошибки неизбежны, заявил НСН руководитель проекта по интеграции нейросетей в TenChat Александр Жадан. Однако он добавил, что массового характера такие инциденты не приобретут.
Ранее полиция Санкт-Петербурга по ошибке задержала вокалиста группы "Свобода важнее моды" Дмитрий Галяминских. Как пишет MASH, система распознавания лиц перепутала российского музыканта с украинским журналистом Дмитрием Гордоном* (внесен Минюстом РФ в список иноагентов, также признан Рофинмониторингом террористом и экстремистом). Недоразумение быстро удалось разрешить, и Галяминских отпустили. Жадан подтвердил, что вероятность ошибки хоть и минимальна, но существует.
«Точность распознавания достигает 90% совпадений, и здесь все равно остаются расхождения. Это нормально, потому что люди могут быть похожи, все зависит от случая. В этом смысле все упирается в то, насколько схожи черты лица и прочие особенности человека. Наверное, самая большая проблема при распознавании – это, скорее, близнецы. Сейчас, насколько я знаю, нет точного варианта решения. Остается фактор того, насколько хорошее качество картинки и как алгоритм считывания может это обработать и принять решение. Люди знают, предположим, сто человек или тысячу в лицо, мы примерно можем сказать, кто этот человек, если нам покажут фотографию. А в случае работы нейросети гораздо больше данных. Из-за этого может возникать ошибка при распознавании, неточности. В этом смысле это допустимо, просто нужно понимать, что на общем масштабе такое случится далеко не со всеми. Если говорить про пример с Дмитрием Гордоном, то один человек — пожалуйста, но все остальные же системой не считались», — объяснил эксперт.
Ранее Александр Жадан рассказывал НСН, что искусственному интеллекту необходимы тесты, опыты и выстраивание грамотной архитектуры ИИ-программ, что «научить» нейросеть отличать плохое от хорошего и ориентироваться в контексте.