Khuôn mặt đang thành chiếc chìa khóa không thể đổi

Năm 2019, Viện Tiêu chuẩn và Công nghệ Quốc gia Hoa Kỳ (NIST) kiểm tra 189 thuật toán nhận diện khuôn mặt của 99 nhà phát triển trên hàng triệu ảnh. NIST không chỉ hỏi máy có nhận đúng người hay không. Cơ quan này còn đo máy sai với từng nhóm tuổi, giới tính và nguồn gốc như thế nào. Kết quả cho thấy phần lớn thuật toán có sự khác biệt giữa các nhóm. Ở nhiều phép so sánh một-đối-một, một số khuôn mặt người châu Á và người Mỹ gốc Phi bị ghép nhầm với người khác nhiều hơn người da trắng, có thuật toán chênh từ mười đến một trăm lần. Trong tìm kiếm một-đối-nhiều, phụ nữ Mỹ gốc Phi cũng có tỷ lệ ghép nhầm cao hơn ở nhiều thuật toán.

Năm 2019, Viện Tiêu chuẩn và Công nghệ Quốc gia Hoa Kỳ (NIST) kiểm tra 189 thuật toán nhận diện khuôn mặt của 99 nhà phát triển trên hàng triệu ảnh. NIST không chỉ hỏi máy có nhận đúng người hay không. Cơ quan này còn đo máy sai với từng nhóm tuổi, giới tính và nguồn gốc như thế nào. Kết quả cho thấy phần lớn thuật toán có sự khác biệt giữa các nhóm. Ở nhiều phép so sánh một-đối-một, một số khuôn mặt người châu Á và người Mỹ gốc Phi bị ghép nhầm với người khác nhiều hơn người da trắng, có thuật toán chênh từ mười đến một trăm lần. Trong tìm kiếm một-đối-nhiều, phụ nữ Mỹ gốc Phi cũng có tỷ lệ ghép nhầm cao hơn ở nhiều thuật toán.

Năm 2019, Viện Tiêu chuẩn và Công nghệ Quốc gia Hoa Kỳ (NIST) kiểm tra 189 thuật toán nhận diện khuôn mặt của 99 nhà phát triển trên hàng triệu ảnh. NIST không chỉ hỏi máy có nhận đúng người hay không. Cơ quan này còn đo máy sai với từng nhóm tuổi, giới tính và nguồn gốc như thế nào. Kết quả cho thấy phần lớn thuật toán có sự khác biệt giữa các nhóm. Ở nhiều phép so sánh một-đối-một, một số khuôn mặt người châu Á và người Mỹ gốc Phi bị ghép nhầm với người khác nhiều hơn người da trắng, có thuật toán chênh từ mười đến một trăm lần. Trong tìm kiếm một-đối-nhiều, phụ nữ Mỹ gốc Phi cũng có tỷ lệ ghép nhầm cao hơn ở nhiều thuật toán.

Năm 2019, Viện Tiêu chuẩn và Công nghệ Quốc gia Hoa Kỳ (NIST) kiểm tra 189 thuật toán nhận diện khuôn mặt của 99 nhà phát triển trên hàng triệu ảnh. NIST không chỉ hỏi máy có nhận đúng người hay không. Cơ quan này còn đo máy sai với từng nhóm tuổi, giới tính và nguồn gốc như thế nào. Kết quả cho thấy phần lớn thuật toán có sự khác biệt giữa các nhóm. Ở nhiều phép so sánh một-đối-một, một số khuôn mặt người châu Á và người Mỹ gốc Phi bị ghép nhầm với người khác nhiều hơn người da trắng, có thuật toán chênh từ mười đến một trăm lần. Trong tìm kiếm một-đối-nhiều, phụ nữ Mỹ gốc Phi cũng có tỷ lệ ghép nhầm cao hơn ở nhiều thuật toán.