هوشا سافت

     نرم افزار تشخیص چهره آمازون دچار اشتباه شد

دسته بندی : اخبار فن آوری اطلاعات

نرم‌افزار بحث‌برانگیز تشخیص چهره‌ی آمازون، موسوم به Rekognition بیش از ۲۰ نفر از اعضای کنگره را به‌عنوان مجرمانی که باید دستگیر شوند، شناسایی کرد.

پس از اعلام فروش فناوری تشخیص چهره شرکت آمازون به پلیس آمریکا، این شرکت با انتقاداتی مواجه شده است.

پس از این که ” اتحادیه آزادی‌های شهروندی آمریکا” (ACLU) اعلام کرد که شرکت آمازون، فناوری تشخیص چهره خود را به سازمان‌های اجرای قانون آمریکا در ایالات اورگن و اورلاندو فروخته، این شرکت دچار مشکلاتی شد.

این نرم‌افزار که Rekognition نام دارد، در سال ۲۰۱۶ رونمایی شد. نرم‌افزار رکوگنیشن، به شناسایی افراد مورد نظر در میان مجموعه‌ای از میلیون‌ها چهره کمک می‌کند.

شرکت آمازون، در حال فروش این نرم‌افزار به نیروهای پلیس است تا فیلم‌های امنیتی را تحلیل کنند. این شرکت ادعا می‌کند که نرم‌افزار رکوگنیشن، توانایی شناسایی ۱۰۰ نفر را در یک تصویر دارد.

در ماه نوامیر، شرکت آمازون با استفاده از یکی از سرویس‌های وب آمازون(AWS) اعلام کرد که اداره پلیس واشنگتن کانتی (Washington County) در اورگن، از بیش از یک سال از نرم‌افزار رکوگنیشن استفاده کرده است. همچنین، این شرکت اشاره کرد که این سازمان موفق شده است نخستین متهم را با استفاده از این نرم‌افزار شناسایی کند.

در همین رابطه، اداره پلیس اورلاندو (OPD)، از فناوری جدید آمازون برای شناسایی افراد در مکان‌های عمومی و دادن اطلاعات ظاهری آنها به ماموران پلیس استفاده کرد.


با وجود فروش نرم‌افزار Rekognition به پلیس و در نتیجه دستگیری ساده‌تر قانون‌شکنان، سازمان‌های حقوق مدنی نگران حقوق شخصی افراد و سوءاستفاده از آن توسط دولت هستند.

اتحادیه آزادی‌های شهروندی آمریکا به همراه ۴۰ گروه دیگر از فعالان حقوقی، در نامه‌ای خطاب به جف بزوس (Jeff Bezos)، مدیرعامل آمازون از این شرکت خواست، کمک و مشارکت با این زیرساخت نظارتی دولت را متوقف کند.

در این نامه آمده است: این فناوری، تهدید مهلکی هم برای جوامع و هم برای اعتماد و احترام شرکت آمازون به شمار می‌رود. مردم باید بتوانند بدون این که تحت نظر دولت باشند، در خیابان قدم بزنند. استفاده از فناوری تغییر چهره در جوامع، آزادی مردم را تهدید می‌کند.

اتحادیه‌ی آزادی‌های مدنی آمریکا (ACLU)  کالیفرنیا نرم‌افزار تشخیص چهره آمازون را در شناسایی ۵۳۵ نفر از اعضای کنگره به کار گرفت. در بررسی انجام‌شده توسط این اتحادیه، ۲۵ هزار عکس وجود داشت که با اهدافی خاص گرفته شده بودند و عکس‌هایی از افراد مظنون و مشکوک هم در بین آنها بود. نتایج آزمون ACLU نشان داد که از بین ۵۳۵ نفر اعضای کنگره، نرم‌افزار ۲۸ نفر را مجرم مظنون تشخیص داده است. شایان ذکر است این تست برای ACLU تنها ۱۲.۳۳ دلار هزینه در برداشت.

از بین عکس‌هایی که نرم‌افزار باید تشخیص می‌داد، در مجموع ۲۸ نفر از اعضای کنگره به اشتباه شناسایی شدند و نرم‌افزار اعلام کرد که این ۲۸ نفر مشکوک و مجرم شناسایی شده‌اند. از بین این تعداد، ۱۱ نفر از اعضای کنگره، سفید‌پوست نبودند. براساس بررسی‌های انجام‌شده، فناوری تشخیص چهره ممکن است دقت کمتری در شناسایی افرادی با پوست تیره و زنان داشته باشد. در کل، با توجه به نتایج به‌دست‌آمده، نرم‌افزار تشخیص چهره‌ی آمازون در شناسایی افراد سفیدپوست ۵ درصد خطا و در شناسایی افراد با پوست‌های رنگی، ۳۹ درصد خطا را نشان می‌دهد. در میان افرادی که به اشتباه شناسایی شده‌اند، ۶ نفر اعضای اصلی کنگره سیاه‌پوستان (Congressional Black Caucus)‌ بودند که ماه ژوئن پس از انتشار اسناد ACLU به‌صورت داخلی، نامه‌ی سرگشاده‌ای به جف بزوس مدیرعامل آمازون نوشتند و نگرانی خود را در مورد استفاده از نرم‌افزار Rekognition  توسط پلیس مطرح کردند.



Amazon در تلاش است تا بتواند سازمان‌های مجری قوانین را به استفاده از نرم‌افزار تشخیص‌ چهره‌ی    Rekognition  تشویق کرده و آنها متقاعد نماید برای تشخیص هویت از این نرم‌افزار استفاده کنند. در پی تلاش‌های آمازون، اخیرا پلیس اورلاندو تصمیم گرفته که فناوری تشخیص چهره‌ی آمازون را به‌کار گیرد. در پست وبلاگی، ACLU  در کالیفرنیای شمالی در مورد تبعات سنگین تشخیص چهره‌ی اشتباه توضیحاتی مطرح کرد. گاهی تشخیص‌ چهره نادرست می‌تواند تبعات سنگین و مرگباری برای افراد داشته باشد. این موضوع خصوصا برای شهروندانی که پوست‌های رنگی دارند، بسیار نگران‌کننده است. اتحادیه‌ی ACLU معتقد است:

اگر مجریان قانون، از فناوری تشخیص چهره آمازون استفاده کنند و سیستم به اشتباه فردی را مظنون به حمل اسلحه شناسایی کند، این اشتباه سیستمی می‌تواند برای آن فرد تبعات سنگینی در برداشته باشد.


گردآوری و ترجمه شده توسط تیم دانشوران سرمد

تعداد بازدید :  578 تاریخ : ۱۳۹۷/۰۵/۷ برابر است با 2018/07/29

بازگشت