2019年12月19日，美國國家標準技術研究院(NIST)官網(wǎng)發(fā)表文章稱，NIST的一項新研究調(diào)查了人臉識別軟件工具如何準確地識別不同性別、年齡和種族背景的人。研究結果表明，其準確性取決于系統(tǒng)核心的算法、使用該算法的應用程序及其所反饋的數(shù)據(jù)，但大多數(shù)人臉識別算法都存在人口統(tǒng)計學差異，這一差異意味著算法匹配同一個人的兩幅畫像的能力在不同的人口統(tǒng)計學群體中是不同的。
這項研究通過NIST的人臉識別供應商測試程序進行，該程序?qū)π袠I(yè)和學術研究人員提交的人臉識別算法執(zhí)行不同任務的能力進行了評估，著重研究了每種算法在人臉識別最常見的應用中執(zhí)行兩種不同任務之一的效果如何。
第一個任務是確認一張照片與數(shù)據(jù)庫中同一個人的另一張照片是否匹配，稱為“一對一”匹配，通常用于驗證工作，例如解鎖智能手機或檢查護照。
第二個任務是確定照片中的人在數(shù)據(jù)庫中是否有任何匹配，稱為“一對多”匹配，可用于識別感興趣的人。
該團隊發(fā)現(xiàn)：
①在一對一匹配中，相對于高加索人的圖像，亞裔和非裔美國人臉部的誤報率更高;
?、谠诿绹_發(fā)的算法中，亞洲人、非裔美國人和本地人的一對一匹配中誤報率很高;
③亞洲國家/地區(qū)開發(fā)的一些算法有明顯例外;
?、茉谝粚Χ嗥ヅ渲?，非裔美國女性的誤報率更高;
?、莶⒎撬兴惴ǘ荚谝粚Χ嗥ヅ涞目鐕丝诮y(tǒng)計中給出了較高的誤報率。
如果不區(qū)分人臉識別的基本任務和識別類型，任何關于人口統(tǒng)計學影響的討論都是不完整的。隨著人臉識別技術在全球日漸廣泛應用，對這些區(qū)別加深了解非常重要。
（轉(zhuǎn)載）
