貼文日期 2021/11/19
貼文標題 臉部辨識:如何提升機器學習的性別辨識成功率
貼文網址
來源連結 性別化創新研究案例「臉部辨識:分析機器學習中的社會性別與交織性」 
貼文內容

疫情期間,把口罩戴好戴滿已是全民運動,而拉下口罩、利用手機內建的臉部辨識功能來解鎖手機是否也成為你的日常呢?能夠偵測臉孔特徵,進而分析性別、年齡、種族的臉部辨識系統(Facial recognition systems)早已與我們的生活緊密相關,但近年來卻有科學家指出其成功率的性別差異問題。

#臉部辨識系統原來不是人人都行得通❓

根據一項2018年的性別色調(Gender Shades)研究結果顯示,許多科技公司(如微軟、IBM、Face++、亞馬遜等)使用的臉部辨識系統在辨認白人男性時精準度很高,僅不到1%的錯誤率;但在面對黑人女性時卻經常誤判,錯誤率高達35%。

除了膚色外,亦有研究指出,習慣化妝、正在進行賀爾蒙療法的人們在臉部辨識系統中也常有較高的錯誤率,導致較常為了符合社會期待而化妝的女性,以及正在進行性別轉換療程的跨性別者,容易被排斥在辨識系統之外、影響日常生活。

#這一切都是數據資料庫惹的禍❓

臉部辨識系統其實是AI影像分析技術的應用,其準確性來自於訓練AI的資料庫內容是否夠多元。曾有研究發現,演算法會自動將一張「在廚房的男性」照片標示為女性,而資料庫中描繪女性下廚的情境多於男性即是原因之一。

為此,Gender Shades研究團隊蒐集來自三個非洲、三個歐洲國家共1270張的人像照片,建立出包含更多膚色色調的訓練資料庫,並再次針對科技公司的辨識系統進行複檢。結果顯示,此舉確實能有效提升深膚色女性在系統中的辨識度。

#為多元的臉孔打造更完整的資料庫❗

透過訓練資料庫的內容,臉部辨識系統會在無形中反映出人類既有的社會文化結構造成的問題,甚至有加劇不平等的疑慮,而這些都可以透過更好的設計來解決。在AI技術當道的現代,我們更應該重視AI訓練資料庫的多元化以及演算法的設計,開發更多商機,好讓人人皆享有更平等的科技服務。

想知道更多有關臉部辨識的性別化創新案例嗎?快點來看看。

💡延伸閱讀:
 
───── 
🕵️追蹤科科性別了解科研領域中的性別議題