「顔パス」で解決できるものはいくつありますか

顔パスができることは何でしょう

この問題を考える時、「技術がどれだけ上手にできているのか、何が得意なのか気にしないで、実戦で本当に効果があれば、アルゴリズム、分析を通じて、実際の問題を解決することが一番必要なのです」と思います。

より正確にビデオや画像から人のアイデンティティを特定することで、人の顔認識システムは人間よりもはるかに速く作られています。顔認識は,人の顔の特徴情報をアイデンティティ認識する生体認識技術の一種であり,これもコンピュータビジョン,ディープラーニング,ビッグデータなどの技術を向上させたものであります。

1年前、アリペイは正式に顔登録機能をオンライン化し、ユーザーはアカウントパスワードの代わりに“フェイスブラシ”でアリペイにログインできます。人工知能の大家族の一員として、顔認識は標準的な意味を持つ先駆者となりつつあります。2015年から現在まで、顔認識は徐々に成熟と爆発期に入り、資本が相次いで流入し、企業数が急増し、「顔パス時代」が到来しました。

ミリ秒の間に「真犯人」を特定

顔認識システムの基本的なサポートはデータベースであります。

例え、警察官は事件現場のビデオ資料を手に入れた後、ビデオ中の容疑者の画像をロックし、その後、画像を公安部門の「ブラックリスト」データベース、入国者データベース、あるいは実際の人口データベースと照合して、システムは自動的に類似度に従って順位付けして出力し、警察官は最初の最も似ている人から順番に調査し、事件者を見つけるまで調査することができます。

顔認識はセキュリティ領域に用いられる顔認識システムの実行時に「1:N」のアイデンティティ情報照合を行い,「N」はデータベースに格納された特徴データ、「1」はスナップショット写真から抽出された特徴データであります。照合に主な時間は「1」のオンライン特徴抽出処理に費やされ、一般に数十ミリ秒から数百ミリ秒の間に完了し、比較の過程は非常に速く,百万以上あるいは億レベルのデータベースに対しては、システムは一般に0.1秒で検索を完了することができます。

しかし、すべての技術手段と同様、顔認識技術も完璧ではありません。

「他人受入率 (FAR)」と「本人拒否率(FRR)」は,安全な2つの重要な指標であり,この2つの指標のバランスには,顔認識システムに未熟な点があります。“ブラックリスト上の”悪人“が万級以上になると、「他人受入率 (FAR)」の制御が非常に困難になります。システムのブラックリストに10万人、カメラの前に1日1000人の「いい人」が経過したとすると、1億回の交差照合が必要となり、たとえ10万分の1に抑えられていても、1日に数百回の虚警が発生する可能性があり、現実的には受け入れられないでしょう。「他人受入率 (FAR)」を千万分の1に抑えると、「悪人」が出現したときの警報率が大きく低下し,大部分の「悪人」を誤って見逃してしまいます。

また、世界的に非協力型認証や意図的に逃げるような安防シーンについては、現在のところ完全な顔認識技術には近づいておらず、SF映画のセキュリティレベルを達成するためには、短い場合には3年から5年、長くても5年から10年が必要とされています。

支払いの安全弁

セキュリティー対策は、顔認識システムを猛プッシュし、その後、商用クライアントがフォローしました。技術の市場性を判断する時、最終的には市場の反響を見なければなりません。誰もが利用することができ、資産に関連する金融分野にとって、安全性は常に人々が心配する第一の問題であります。
そこでアリペイが“顔パス”で支払いを採用されていますし、さらに中国で、すでに数千台のATMに顔認識システムを搭載し、“顔パス”でお金を引き出しています。音声認識技術が単なる補助技術であるのとは異なり、顔認識技術では人工知能の表現が人間よりはるかに優れています。金融分野の本人認証では,人工知能は人工より優れています。銀行職員の認証正解率は70%程度であるのに対し、人工知能の正解率は99%以上であります。ただし、ATMで顔パスはキャッシュカードの代わりになりますが、依然として携帯番号がユーザーのIDを特定する必要があります。
『顔パス』は条件を限定しており、支払うユーザーグループの大きさに応じて、顔認識システムの可用性を直接決定し、1つのカフェショップの会員で実現するだけでは、技術の難しさは理想の全シーン『顔払い』よりも低いに違いないです。2012年前後、アメリカのコンピュータ視覚学界の誤認率はすべて千分の1級であり、2013年、2014年前後に、顔認識技術は万分の1の誤認率を達成することができた時、すでに実戦で使用することができるようになりました。しかし,全シーンの「顔パス支払い」の運用は、理想的なセキュリティレベルに達するには、さらに1000倍の進歩が必要であると思われます。
顔パスは「家のドア」であり、人は「顔パス」で家に入った後、部屋ごとに鍵をかけなければなりません。
金融分野内のすべての安全認証はすべて“攻 vs 防”システムであり、安全システムと攻撃システムはずっと交差アップグレードの過程にあり、安全システムは持続的に研究開発とアップグレードする必要があります。
 

使いながら進化する

顔認識システムは電子製品のように公衆は直接感知することができなくて、それは企業がもっと根気強く、より確実にする必要があります。この領域のStartupはマーケティングモードの革新ではなく、着実に技術突破をして、科学者と商業の創業に属して、このような研究開発産業は、投資界の寵児ではあります。
現在の顔認識技術レベルは、依然として多くの欠陥が存在しているが、しかし応用領域を探すことは、やはり逆に研究開発を刺激する可能性があります。クライアントはこのシステム「監視」を利用して重点的に人の群れに注目することができますし、VIP顧客が入った瞬間に、デパートの人員は情報を得ることができ、便利に個性化サービスを提供し、顧客満足度を向上させることもできます。
実用を考える時、たとえば強いバックライト、強側光、暗すぎる環境、広角視点の場合には,システム認識の精度や「本人拒否率(FRR)」の指標が同時に需要を満たすことは困難であります。
犯罪者が夜間に犯行をしたり、頭を下げたり、サングラスをかけたりしたり、カメラから離れた距離で犯行を起こしたりすると、システムを識別することは非常に困難になります。
顔パスの支払いに対して、最も研究開発者に困惑するのは、やはり生体認証の問題、つまり写真、ビデオとヘッドセットなどの検出のです。現在、一般的に採用されているのは、まばたき、口を開くなど、人に協力動作をすることであります。これらの手段は一部の問題を解決するしかなく、しかも便利ではありません。
 
これらの問題を考える時、「技術がどれだけ上手にできているのか、何が得意なのか気にしないで、実戦で本当に効果があれば、アルゴリズム、分析を通じて、実際の問題を解決することが一番必要なのです」と思います。
 
%d bloggers like this: