首頁 > 垃圾進,垃圾出
:::
垃圾進,垃圾出
以「刷臉」辨識身分的技術,應用範圍越來越廣泛。因為學者開發出新的演算法,名曰深度學習(deep-learning),大幅提升了機器學習的能耐。
 
 
 

以「刷臉」辨識身分的技術,應用範圍越來越廣泛。因為學者開發出新的演算法,名曰深度學習(deep-learning),大幅提升了機器學習的能耐。有些公司開始提供收費的面孔辨識服務。機器從面孔辨識某些特徵的能力也改善了,例如性別,這方面也有收費的服務。

 

不過,專家早就懷疑那些技術使用的演算法有偏見。具體地說,那些演算法辨識白人面孔的能力大於有色人種,特別是黑人。美國麻省理工學院(MIT)媒體實驗室的團隊最近公布了一份實驗報告,指出IBM、微軟等科技巨擘的性別辨識系統對膚色淺的人較準確,而且男性的準確率比女性高。例如IBM的系統對膚色淺的男性,出錯率只有0.3%;深膚色的女性,出錯率高達34.7%,超過1∕3。

 

MIT團隊懷疑這個結果是機器學習的「教材」造成的。IBM的反應又快又到位:他們的專家說他們已開始使用新的資料庫訓練辨識系統,效果非常顯著。現在它辨識MIT團隊使用的資料庫,對於深膚色女性,出錯率已降到先前的 1∕10;淺膚色男性的出錯率也下降了,從0.3%降到0.25%。

 

參考資料

  1. Garbage in. Garbage out, The Economist, Feb. 17th 2018, p. 71;
  2. 國家教育研究院雙語詞彙、學術名詞暨辭書資訊網:http://terms.naer.edu.tw/detail/1679759/。

 

推薦文章

TOP