211service.com
Neuroninis tinklas išmoksta atpažinti nusikaltėlius pagal jų veidus
Netrukus po fotografijos išradimo keli kriminologai pradėjo pastebėti nusikaltėlių padarytų nuotraukų modelius. Pasak jų, nusikaltėliai turėjo ypatingų veido bruožų, kurie leido juos atpažinti kaip įstatymų pažeidėjus.
Vienas iš įtakingiausių balsų šiose diskusijose buvo italų kriminologas Cesare'as Lombroso, kuris manė, kad nusikaltėliai yra labiau susiję su beždžionėmis nei įstatymų besilaikantys piliečiai. Jis buvo įsitikinęs, kad gali juos atpažinti pagal beždžionę primenančius bruožus, tokius kaip nuožulni kakta, neįprasto dydžio ausys ir įvairios veido bei ilgų rankų asimetrijos. Iš tiesų, stengdamasis įrodyti savo požiūrį, jis išmatavo daug tiriamųjų, nors statistiškai savo duomenų neanalizavo.
Šis trūkumas galiausiai lėmė jo žlugimą. Lombroso nuomones diskreditavo anglų kriminologas Charlesas Goringas, kuris statistiškai išanalizavo duomenis, susijusius su nusikaltėlių ir nenusikaltėlių fizinėmis anomalijomis. Jis padarė išvadą, kad statistinio skirtumo nėra.
Ir ten diskusijos tęsėsi iki 2011 m., kai Kornelio universiteto psichologų grupė parodė, kad žmonės iš tikrųjų gana gerai skiria nusikaltėlius nuo nenusikaltėlių vien žiūrėdami į jų nuotraukas. Kaip tai gali būti, jei nėra statistiškai skirtingų savybių?
Šiandien mes gauname tam tikrą atsakymą dėl Xiaolin Wu ir Xi Zhang iš Šanchajaus Jiao Tong universiteto Kinijoje darbo. Šie vaikinai naudojo įvairius mašininio matymo algoritmus, kad ištirtų nusikaltėlių ir nenusikaltėlių veidus, o paskui išbandė, kad išsiaiškintų, ar tai gali skirtis.
Jų metodas yra paprastas. Jie daro asmens tapatybės nuotraukas, kuriose užfiksuoti 1856 Kinijos vyrai nuo 18 iki 55 metų be plaukų. Pusė šių vyrų buvo nusikaltėliai.
Tada jie panaudojo 90 procentų šių vaizdų, kad išmokytų konvoliucinį neuronų tinklą atpažinti skirtumą, o tada išbandė neuroninį tinklą likusiuose 10 procentų vaizdų.
Rezultatai kelia nerimą. Xiaolin ir Xi išsiaiškino, kad neuroninis tinklas gali teisingai identifikuoti nusikaltėlius ir nenusikaltėlius 89,5 proc. tikslumu. Šie labai nuoseklūs rezultatai yra įrodymas, kad automatizuotos veido sukeltos išvados apie nusikalstamumą yra pagrįstos, nepaisant istorinių ginčų, susijusių su šia tema, sako jie.
Xiaolin ir Xi teigia, kad yra trys veido bruožai, kuriuos neuroninis tinklas naudoja klasifikuodamas. Tai yra: viršutinės lūpos išlinkimas, kuris nusikaltėliams yra vidutiniškai 23 procentais didesnis nei nenusikaltėlių; atstumas tarp dviejų vidinių akių kampučių, kuris yra 6 procentais trumpesnis; ir kampas tarp dviejų linijų, nubrėžtų nuo nosies galiuko iki burnos kampučių, kuris yra 20 procentų mažesnis.
Toliau jie brėžia nusikalstamų ir nekriminalinių veidų duomenų dispersiją supaprastintoje parametrų erdvėje, vadinamoje kolektorius. Ir šis procesas atskleidžia, kodėl sunku nustatyti skirtumą.
Xiaolin ir Xi rodo, kad šie duomenų rinkiniai yra koncentriški, tačiau nusikaltėlių veidų duomenys skiriasi daug labiau. Kitaip tariant, įstatymų besilaikančios visuomenės veidai yra labiau panašūs į nusikaltėlių veidus arba nusikaltėlių veidai skiriasi daugiau nei įprastų žmonių, sako Xiaolin ir Xi.
Tai taip pat gali paaiškinti, kodėl tam tikri statistiniai testai negali atskirti šių duomenų rinkinių. Iš tiesų, Xiaolin ir Xi rodo, kad kai jie sujungia kriminalinius ir nekriminalinius veidus, kad sukurtų vidutinius veidus, jie atrodo beveik identiški.
Nors ir ginčytinas, šis rezultatas nėra visiškai netikėtas. Jei žmonės gali pastebėti nusikaltėlius žiūrėdami į jų veidus, kaip 2011 m. nustatė psichologai, tai neturėtų stebėtis, kad tai gali padaryti ir mašinos.
Žinoma, nerimą kelia tai, kaip žmonės gali naudoti šias mašinas. Nesunku įsivaizduoti, kaip šis procesas galėtų būti pritaikytas visos šalies, tarkime, pasų ar vairuotojo pažymėjimų nuotraukų duomenų rinkiniams. Tada būtų galima atrinkti tuos žmones, kurie laikomi įstatymų pažeidėjais, nesvarbu, ar jie padarė nusikaltimą, ar ne.
Tai savotiška Mažumos ataskaita scenarijus, pagal kurį būtų galima nustatyti įstatymų pažeidėjus dar jiems nepadarius nusikaltimo.
Žinoma, šis darbas turi būti pastatytas ant daug tvirtesnių pagrindų. Ją reikia atgaminti įvairaus amžiaus, lyties, etninės grupės ir pan. Ir daug didesniuose duomenų rinkiniuose. Tai turėtų padėti atskirti išvadų sudėtingumą. Pavyzdžiui, Xiaolin ir Xi mano, kad nusikaltėlių veidus galima suskirstyti į keturis pogrupius, o ne kriminalinius veidus tik į tris. Kaip tai? O kaip tai skiriasi kitose grupėse?
O darbas kelia svarbių klausimų. Jei rezultatas sulaiko vandenį, kaip tai paaiškinti? Kodėl nusikaltėlių veidai turėtų būti daug labiau skirtingi nei nenusikaltėlių? Ir kaip mes galime pastebėti šiuos veidus – ar tai išmoktas elgesys, ar evoliucionuotas elgesys?
Visa tai skelbia naują antropometrijos erą, kriminalinę ar kitokią. Praėjusią savaitę mokslininkai atskleidė, kaip jie išmokė giliai besimokantį įrenginį, kad, žiūrėdami į jų veido momentinę nuotrauką, nuspręstų, ar kas nors yra patikimas. Šis darbas yra dar vienas ta pačia tema. Ir yra vietos daug daugiau tyrimų, nes mašinos tampa vis pajėgesnės. Nagrinėti, ką apie mus sako mūsų drabužiai ar plaukai, yra vienas akivaizdus kampas. Netrukus mašinos galės tirti ir judėjimą. Tai padidina galimybę ištirti, kaip mes judame, kaip bendraujame ir pan.
Nuoroda: arxiv.org/abs/1611.04135 : automatizuota nusikalstamumo išvada naudojant veido vaizdus