ضمیمه دانش اطلاعات نوشت: شناسایی چهره، روزبه‌روز به امری متداول‌تر تبدیل می‌شود، ولی این‌که چگونه می‌توانیم از شناسایی چهره خودمان جلوگیری کنیم، کار سختی نیست، کافی است یک ماسک به‌صورت بزنیم.

اما با وجود هوش مصنوعی دیگر پوشش ماسک نیز کافی نخواهد بود. فناوری شناسایی چهره همواره درحال‌توسعه است؛ به‌طوری‌که حتی اگر صورت فرد کاملاً پوشیده باشد، شناسایی او نیز امکان‌پذیر است.

در واقع ناشناس ماندن در میان جامعه، بیش‌ازپیش سخت‌تر می‌شود. تنها با استفاده از یادگیری عمیق و مجموعه داده یا دیتاست (dataset) از عکس‌های افراد که با پوشش‌های مختلف تغییر چهره داده‌اند، می توان شبکه‌ای وابسته به اعصاب انسانی را ایجاد کرد که قادر است افرادی که صورت خود را استتار کرده‌اند، شناسایی کند.

این سیستم که Disguised Face Identificationیا به‌اختصار DFIنام دارد، می‌تواند با استفاده از شبکه هوش مصنوعی، نقاطی روی صورت مشخص و هویت فرد را آشکار کند.می‌توان با کمک این سیستم به‌طور تدریجی مجرمان را شناسایی کرد.این فناوری برای نیروهای پلیس و سازمان‌های مبارزه با مجرمان بسیار کارآمد است.

سیستم DFIبرای شناسایی صورت‌ها از شبکه عصبی یادگیری عمیق (نوعی هوش مصنوعی) استفاده می‌کند. به شبکه مذکور آموزش داده شده است تا تصاویر افرادی که صورت آنهارا با عینک یا دستمال پوشانده‌اند، شناسایی کند. این شبکه با اندازه‌گیری فواصل و زوایای میان ۱۴ نقطه روی صورت، تصویر فرد را بازسازی می‌کند.

البته اشکالاتی هم وجود دارد و نتایج آن از سطح استاندارد بسیار پایین‌تر است. برای مثال وقتی‌که اشخاص کلاه بر سر دارند یا صورت خود را با عینک و دستمال یا روسری می‌پوشانند، این سیستم فقط در ۵۵ درصد مواقع قادر به شناسایی آنها می‌شود. علت هم این است که فعلاً از مجموع داده‌های کوچک و محدودی استفاده می‌کند.

اگر چه این ابزار نقص‌های خاص خود را دارند، اما چالش شناسایی افراد حتی در مواقعی که صورت‌هایشان استتار شده‌اند، یکی از آن دست چالش‌هایی است که پژوهشگران زیادی در حال کار کردن روی آن هستند و پیشرفت‌های زیادی هم در این زمینه داشته‌اند. برای مثال فیس بوک توانست شبکه‌های عصبی گسترده‌ای را بسازد که افراد را بر اساس ویژگی‌های ظاهری مانند مو، شکل بدن و حالت آنها شناسایی کند.

علاوه‌ بر اینها، ابزارهای شناسایی چهره که فقط روی بخش یا بخش‌هایی از چهره متمرکز می‌شوند نیز ساخته شده‌اند (اگر چه هنوز برای ارائه به بازار آماده نیستند). روش‌های نامتعارف‌تری هم برای تشخیص هویت افراد وجود دارند. برای مثال، آنالیز حرکت مجهز به هوش مصنوعی قادر است با بالاترین درجه دقت افراد را شناسایی کند و حتی با فیلمی که با رزولشن پایین گرفته شده‌است هم عملکرد خود را انجام می‌دهد.

یکی دیگر از شیوه‌های شناسایی چهره استتارشده افراد که در دانشگاه «بازل» در سوییس ابداع شده، استفاده از سیستمی است که می‌تواند یک مدل سه‌بعدی از صورت شخص مورد هدف را از آن چه از او دیده است بازسازی کند. به عقیده سازندگان این ماشین، انتظار می‌رود در آینده نزدیک پیشرفت‌های سریعی دراین‌باره اتفاق بیفتد اگر چه راه‌هایی برای فریب دادن ماشین‌ها وجود دارد، ولی ماشین‌ها ممکن است در برخی زمینه‌های خیلی خاص که با موانعی روبرو هستند بهتر از انسان‌ها عمل کنند.

با این‌حال اگر نمی‌خواهیم چهره‌مان شناسایی شود، روش‌های زیادی برای فریفتن و شکست دادن هوش مصنوعی برای تشخیص چهره وجود دارد. مثلاً با به‌صورت گذاشتن ماسک ضخیم و دولایه که تمامی صورت را می‌پوشاند فکر خوبی است و سیستم شناسایی‌کننده یا هوش مصنوعی را منحرف می‌کند. عینک‌های منقوشی هم ساخته شده‌اند که به‌طور خاص به‌منظور فریب دادن و گیج کردن دستگاه‌های هوشمند شناسایی چهره به کار می‌روند.

همچنین برداشتن تصاویر واضح نیز دشوار است. سیستم‌های شناسایی چهره که دارای سرعت و دقت هستند عادی شده‌اند، ولی این در مواقعی است که فرد موافق با عکسبرداری از چهره خود یا اسکن شدن جزئیات آن باشد؛ مانند موقعی که چهره آنها با یک تلفن همراه اسکن می‌شود یا وقتی به یک ایست بازرسی مرزی می‌رسند.
البته ساخت این سیستم‌ها به‌نوعی پایانی برای حق ناشناس ماندن افراد در فضای عمومی است و به همین دلیل دانشمندان درباره آن هشدار داده‌اند. نظر مدافعان حریم شخصی این است که اگر چه سیستم‌های شناسایی چهره نقص‌هایی دارند، اما مراجع قانونی محتوای آنها را می‌پذیرند.

اگر دو عامل اصلی یعنی رشد پایگاه‌های داده مربوط به شناسایی افراد مظنون با کاربرد روزافزون دوربین‌های مداربسته توسط افراد پلیس و به‌کارگیری تکنیک‌های هوش مصنوعی (AI) جدید به‌منظور آنالیز داده‌ها و با هم و در کنار هم قرار بگیرند، آشکار است که اصل ناشناخته ماندن هویت عموم مورد غلفت قرار می‌گیرد.

در نهایت عده زیادی از دانشمندان و پژوهشگران معتقدند  فواید این فناوری بیشتر از زیان‌های آن است. هر چیزی را می‌توان هم در جهت مثبت و هم در جهت منفی استفاده کرد، حتی یک ماشین را.