據(jù)英國(guó)《每日郵報(bào)》6月25日?qǐng)?bào)道，研究人員發(fā)現(xiàn)，在面部數(shù)量達(dá)百萬級(jí)的測(cè)試中，飽受爭(zhēng)議的面部識(shí)別技術(shù)并不像聲稱地那么準(zhǔn)確。

人工智能可以在數(shù)千張面孔中識(shí)別出你的面孔，準(zhǔn)確率近乎百分之百，，但當(dāng)其面對(duì)更大的面部圖片數(shù)量時(shí)，它的準(zhǔn)確率可就沒那么高了。

在華盛頓大學(xué)發(fā)起的百萬人臉識(shí)別挑戰(zhàn)賽上，研究人員致力于提升面部識(shí)別算法在百萬數(shù)量級(jí)的準(zhǔn)確率。研究人員希望這次挑戰(zhàn)賽對(duì)解決面部識(shí)別技術(shù)的難題起到積極作用。難題之一就是如何識(shí)別出一個(gè)人在不同年紀(jì)和不同姿勢(shì)的照片。

“我們需要在全球范圍內(nèi)，測(cè)試人臉識(shí)別算法，以保證它的實(shí)際應(yīng)用。更大規(guī)模的測(cè)試，可以讓你發(fā)現(xiàn)識(shí)別算法的缺陷和成功之處。”華盛頓大學(xué)的計(jì)算機(jī)科學(xué)助理教授、項(xiàng)目首席調(diào)查員，Ira Kemelmacher-Shlizerman說到。“我們不能只進(jìn)行小規(guī)模測(cè)試，就說它已經(jīng)很完美。”

這次挑戰(zhàn)賽有超過300個(gè)研究小組參與，他們都致力于評(píng)估和提升其算法的準(zhǔn)確率?，F(xiàn)有許多面部識(shí)別算法準(zhǔn)確率都近乎完美，但都是基于一個(gè)1.3萬張照片的小數(shù)據(jù)集。在新研究中，實(shí)驗(yàn)人員想要知道這些算法在面對(duì)更大數(shù)據(jù)集時(shí)表現(xiàn)如何。為此他們選取了來自世界各地的將近70萬人的100萬張網(wǎng)絡(luò)照片，以此來測(cè)試算法在識(shí)別兩張照片是否為同一個(gè)人的表現(xiàn)。

研究人員發(fā)現(xiàn)，當(dāng)面部識(shí)別算法面對(duì)更大的數(shù)據(jù)集時(shí)，它的準(zhǔn)確率便會(huì)大幅下降。谷歌的FaceNet算法識(shí)別準(zhǔn)確率最高，在小規(guī)模數(shù)據(jù)集中準(zhǔn)確率幾乎完美，但在百萬規(guī)模數(shù)據(jù)下，準(zhǔn)確率僅為75%。另一個(gè)與之接近的團(tuán)隊(duì)是俄羅斯的N-TechLab，他們實(shí)現(xiàn)了73%的準(zhǔn)確率。一些在小數(shù)量級(jí)表現(xiàn)很好的算法，面對(duì)百萬規(guī)模數(shù)據(jù)集其準(zhǔn)確率驟降至33%。