Үндсэн санаанууд
- Нүүр таних алгоритмууд маск зүүсэн царайг уншихад сайжирч байна.
- Шинэ судалгаагаар алгоритм нь нүүрний маскын өнгө, хэлбэр гэх мэтийг хэрхэн уншихад хязгаарлалт байгааг харуулсан.
- Мэргэжилтнүүдийн хэлснээр царай таних салбар алгоритмдаа нүүрний маск оруулахаар идэвхтэй ажиллаж байна.
Цар тахлын үед дасан зохицох олон салбар, түүний дотор царай таних салбар шаардлагатай болсон. Маск зүүсэн хүмүүсийг таних технологи аажмаар сайжирч байгааг мэргэжилтнүүд хэлж байна.
Үндэсний Стандарт, Технологийн Хүрээлэн (NIST)-аас нийтэлсэн шинэ тайланд COVID-19 тахал эхэлсний дараа бий болгосон нүүр царай таних 65 шинэ алгоритм, түүнчлэн тахлын өмнө ирүүлсэн 87 алгоритмын үр дүнг харуулав. Уг тайланд программ хангамж хөгжүүлэгчид масктай царайг таних алгоритмуудыг илүү сайн хөгжүүлж, тэр ч байтугай энгийн царай таних алгоритм шиг нарийвчлалтай болж байгааг илрүүлсэн.
"Цар тахлын өмнөх цөөн хэдэн алгоритмууд масктай зураг дээрх хамгийн нарийвчлалтай хэвээр байгаа ч зарим хөгжүүлэгчид тахлын дараа алгоритмуудыг илгээж, нарийвчлалыг мэдэгдэхүйц сайжруулсан бөгөөд одоо бидний туршилтын хамгийн нарийвчлалтай алгоритмуудын нэг болж байна" гэж тайланд дурджээ..
Судалгаанаас юу олж мэдсэн
Энэхүү судалгаа нь NIST-ээс нүүр царай таних алгоритм болон нүүрний маск байгаа үед түүний нарийвчлалыг шалгах зорилготой ижил өгөгдлийн багц бүхий хоёр дахь төрлийн судалгаа юм. Илтгэлийн зохиогчид 6.2 сая гэрэл зургийг ашиглаж, эдгээр зураг дээр төрөл бүрийн дижитал маскуудын загварчлалыг ашигласан байна.
Тайлангийн хамтран зохиогч, NIST-ийн компьютер судлаач Мэй Нган Lifewire-д утсаар ярилцлага өгөхдөө нүүрний маск байгаа нь нүүр царай таних технологийг 2-3 жилийн өмнө буцааж авсан гэж хэлсэн.
"Алдааны түвшин 2017 оны хамгийн сүүлийн үеийн технологитой харьцуулахад 2.5%-5%-ийн хооронд байна" гэж тэр хэлэв.
NIST-ийн 7-р сард нийтэлсэн өмнөх тайланд Дэлхийн эрүүл мэндийн байгууллага дэлхий даяар тахал өвчин зарлахаас өмнө 2020 оны 3-р сараас өмнө ирүүлсэн царай таних алгоритмуудын гүйцэтгэлийг авч үзсэн. Энэхүү анхны судалгаагаар тахлын өмнөх эдгээр алгоритмуудын алдааны түвшин 5%-50% байна.
Эдгээр алгоритмууд масктай царайг уншихад илүү сайжирч байгаа ч сүүлийн үеийн судалгаагаар маскны өнгө (улаан эсвэл хар гэх мэт бараан маскуудад алдаа их байдаг) зэрэг зарим хүчин зүйлс алдааны түвшинд нөлөөлдөг болохыг тогтоожээ. хэлбэртэй байна (бөөрөнхий хэлбэрийн маск нь алдаа багатай байдаг).
Нган алгоритмууд нь маскыг өөрөө уншихын оронд нүүрний онцлогийг танихын тулд нүд, дух зэрэг хүний нүүрний харагдах хэсгийг ашигладаг гэж хэлсэн.
Нүүр таних ба нүүрний маскуудын ирээдүй
Нган хэлэхдээ, хөгжүүлэгчид нүүрний маск дээр нүүр таних алгоритмуудаа мэдэгдэхүйц сайжруулсан нь ойлгомжтой.
"Нүүрний маск зүүх хязгаарлалтын дор ажиллахын тулд нүүр царай таних систем зайлшгүй шаардлагатай байна" гэж тэр хэлэв. "Бидний хийж байсан зүйлс болон сүүлийн үеийн судалгааны үр дүнгээс харахад нүүр таних салбар алгоритмдаа нүүрний маск оруулахаар идэвхтэй ажиллаж байгааг бид харж байна."
Технологи сайжирч байгаа тул нүүрний маск зүүсэн үедээ утасныхаа түгжээг тайлах зэрэг үйлдлүүдийг хийхэд хялбар болно гэсэн үг боловч нүүр царай таних технологи ийм байдлаар хөгжихөд өөр үр дагавар бий.
Нүүр таних нь буруу хүнийг буруу таних, арьсны өнгөөр ялгаварлан гадуурхах шинжтэй байдаг нь олон тооны судалгаанаас харагдаж байна. NIST-ийн 2019 онд хийсэн судалгаагаар нүүр царай таних технологи нь хар арьст болон ази хүмүүсийг цагаан арьстнуудаас 100 дахин илүү буруу таних чадвартай болохыг тогтоожээ.
Технологи нь нүүрний маск уншихад илүү сайжирч байгаа ч алдааны хувь хэмжээ бага ч гэсэн нүүрний маск зүүсэн хүнийг буруу танихад санаа зовоосон асуудал хэвээр байх болно.
Хамгийн сүүлийн үеийн NIST тайлан алгоритмууд нүүрний маскын ажлыг зохицуулахад илүү сайжирч байгааг харуулж байгаа ч Нган хэлэхдээ цар тахлын үед нүүр царай таних ирээдүй үнэхээр хаашаа явж байгааг цаг хугацаа л харуулах болно.
"Магадгүй бид алдаа багасна гэж найдаж магадгүй, эсвэл хөгжүүлэгчид маскгүй бүс дэх өвөрмөц мэдээллийн хэмжээнд хязгаарлалт хийж магадгүй" гэж Нган хэлэв.
