Perusahaan teknologi mengamati perbatasan berikutnya: wajah manusia. Jika Anda menginginkannya, sekarang Anda bisa menambahkan berbagai moncong hewan ke video diri Anda secara real time. Jika Anda memilih untuk mengeluarkan uang pada iPhone X yang baru, Anda bisa membuka kunci smartphone Anda dengan sekilas. Di lokasi KFC di Hangzhou, Cina, Anda bahkan bisa membayar sandwich ayam dengan tersenyum di depan kamera. Dan setidaknya satu dari empat departemen kepolisian di AS memiliki akses ke perangkat lunak pengenal wajah untuk membantu mereka mengidentifikasi tersangka.
Namun teknologinya tidak sempurna. IPhone X Anda mungkin tidak selalu terbuka; polisi bisa menangkap orang yang salah Agar perangkat lunak selalu mengenali wajah Anda seperti Anda, keseluruhan urutan algoritma harus bekerja. Pertama, perangkat lunak harus dapat menentukan apakah gambar memiliki wajah sama sekali. Jika Anda seorang polisi yang berusaha menemukan anak yang hilang dalam foto kerumunan, Anda mungkin ingin perangkat lunak menyortir wajah sesuai usia. Dan akhirnya, Anda memerlukan sebuah algoritma yang dapat membandingkan setiap wajah dengan foto lain dalam database, mungkin dengan pencahayaan yang berbeda dan pada sudut yang berbeda, dan menentukan apakah mereka orang yang sama.
Untuk memperbaiki algoritma ini, peneliti telah menemukan diri mereka menggunakan alat pollsters dan ilmuwan sosial: demografi. Ketika mereka mengajarkan perangkat lunak pengenalan wajah tentang ras, jenis kelamin, dan usia, ia sering melakukan tugas tertentu dengan lebih baik. "Ini bukan hasil yang mengejutkan," kata peneliti biometrik Anil Jain dari Michigan State University, "bahwa jika Anda memodelkan subpopulasi secara terpisah, Anda akan mendapatkan hasil yang lebih baik." Dengan algoritma yang lebih baik, mungkin polisi itu tidak akan menangkap orang yang salah. Berita bagus untuk semua orang, bukan?
Ini tidak sesederhana itu. Data demografis dapat berkontribusi pada keakuratan algoritma, namun juga mempersulit penggunaannya.
Ambil contoh terbaru. Periset yang berbasis di University of Surrey di Inggris dan Universitas Jiangnan di China mencoba untuk memperbaiki algoritma yang digunakan dalam aplikasi pengenalan wajah tertentu. Algoritma, berdasarkan sesuatu yang disebut model morfable 3-D, secara digital mengubah selfie menjadi kepala 3-D dalam waktu kurang dari satu detik. Model di tangan, Anda bisa menggunakannya memutar sudut selfie seseorang, misalnya membandingkannya dengan foto lain. IPhone X dan Snapchat menggunakan model 3-D yang serupa.
Para peneliti memberi algoritme mereka beberapa petunjuk dasar: Inilah kerangka kepala, dan inilah kemampuan untuk meregangkan atau memampatkannya untuk mendapatkan gambar 2-D. untuk menggantungkannya selembut mungkin. Kerangka yang mereka gunakan pada dasarnya adalah rata-rata panjang hidung rata-rata manusia rata-rata, rata-rata jarak murid, rata-rata diameter pipi, dihitung dari pemindaian 3-D yang mereka ambil dari orang sungguhan. Ketika orang membuat model ini di masa lalu, sulit mengumpulkan banyak hasil scan karena memakan waktu lama. Sering kali, mereka hanya mengumpulkan semua data mereka dan menghitung wajah rata-rata, terlepas dari ras, jenis kelamin, atau usia.
Kelompok ini menggunakan database 942 wajah-scan 3-D yang dikumpulkan di Inggris. dan di China-untuk membuat templat mereka. Tapi bukannya menghitung rata-rata semua 942 wajah sekaligus, mereka mengkategorikan data wajah berdasarkan ras. Mereka membuat templat terpisah untuk setiap lomba – wajah Asia rata-rata, wajah putih, dan wajah hitam, dan mendasarkan algoritme mereka pada ketiga template ini. Dan meskipun mereka hanya memiliki 10 pemindaian wajah hitam – mereka memiliki 100 wajah putih dan lebih dari 800 wajah Asia – mereka menemukan bahwa algoritma mereka menghasilkan model 3-D yang sesuai dengan kepala orang nyata lebih baik daripada model templat sebelumnya.
"Ini bukan hanya untuk balapan," kata ilmuwan komputer Zhenhua Feng dari Universitas Surrey. "Jika Anda memiliki model untuk bayi, Anda bisa membangun wajah bayi 3-D lebih baik. Jika Anda memiliki model untuk orang tua, Anda bisa membangun tipe wajah 3-D yang lebih baik. "Jadi jika Anda mengajarkan perangkat lunak biometrik secara eksplisit mengenai kategori sosial, itu adalah pekerjaan yang lebih baik.
[Feng Shui] Model D adalah algoritma niche dalam pengenalan wajah, kata Jain – algoritme yang trendi saat ini menggunakan foto 2-D karena data wajah 3-D sulit untuk dikerjakan. Tapi teknik lain yang lebih meluas juga membuat orang masuk kategori untuk meningkatkan kinerjanya. Model wajah 3-D yang lebih umum, yang dikenal sebagai model khusus seseorang, juga sering menggunakan template wajah. Bergantung pada apakah orang dalam gambar itu adalah pria, wanita, bayi, atau orang tua, algoritme akan dimulai dengan template yang berbeda. Untuk algoritma pembelajaran mesin 2-D yang spesifik yang memverifikasi bahwa dua foto mengandung orang yang sama, para periset telah menunjukkan bahwa jika Anda memecah atribut penampilan yang berbeda-jenis kelamin, ras, tapi juga warna mata, ekspresi-juga akan tampil lebih akurat.
Jadi, jika Anda mengajarkan sebuah algoritma tentang ras, apakah itu membuatnya rasis? Belum tentu, kata sosiolog Alondra Nelson dari Columbia University, yang mempelajari etika teknologi baru. Ilmuwan sosial mengkategorikan data dengan menggunakan informasi demografis setiap saat, sebagai tanggapan terhadap bagaimana masyarakat telah menyusun dirinya sendiri. Misalnya, sosiolog sering menganalisa perilaku di sepanjang gender dan ras. "Kita hidup di dunia yang menggunakan ras untuk segalanya," kata Nelson. "Saya tidak mengerti argumen yang seharusnya tidak kita lakukan di sini." Database yang ada – penyimpanan wajah FBI, dan orang-orang yang sudah masuk sensus – sudah masuk dalam kotak yang telah ditentukan, jadi jika Anda menginginkan sebuah algoritma untuk bekerja dengan database ini, Anda harus menggunakan kategori tersebut.
Namun, Nelson menunjukkan, penting bagi ilmuwan komputer memikirkan mengapa mereka memilih untuk menggunakan ras di kategori lain. Ada kemungkinan variabel lain yang kurang berpotensi untuk diskriminasi atau bias sama efektifnya. "Apakah boleh memilih kategori seperti, mata biru, mata coklat, hidung kurus, bukan hidung tipis, atau apa pun-dan tidak memilikinya dengan ras sama sekali? "kata Nelson.
Periset perlu membayangkan kemungkinan penerapan pekerjaan mereka, terutama yang mungkin dilakukan pemerintah atau institusi, kata Nelson. Tahun lalu, FBI merilis cuplikan pengintaian yang mereka ambil untuk memantau demonstrasi Black Lives Matter di Baltimore-yang departemen kepolisian negara bagiannya telah menggunakan perangkat lunak pengenal wajah sejak 2011. "Karena pekerjaan ini semakin rumit secara teknis, peneliti jatuh pada peneliti tidak hanya untuk melakukan pekerjaan teknis, tapi juga kerja etis, "kata Nelson. Dengan kata lain, perangkat lunak di Snapchat-bagaimana mungkin polisi menggunakannya?
5:00 AM PT – R. Kelly melepas video Lenny dari media sosialnya pada hari Selasa malam, setelah kami memanggilnya untuk berkomentar tentang hal itu. Dia mengirim tanggapan video, menjelaskan bahwa dia tidak menganggap Lenny memiliki autisme pada malam mereka bertemu. 
R. Kelly menggertak penggemar autistik untuk menyanyikan salah satu lagunya, lalu mengejeknya dan menuduhnya bersikap tinggi pada Percocet – sekarang penyanyi tersebut mungkin memiliki tuntutan hukum di tangannya. 