Neironu tīkls iemācās atpazīt noziedzniekus pēc viņu sejas

Drīz pēc fotogrāfijas izgudrošanas daži kriminologi sāka pamanīt modeļus noziedznieku uzņemtajās fotogrāfijās. Viņi teica, ka likumpārkāpējiem bija īpaši sejas vaibsti, kas ļāva viņus identificēt kā likuma pārkāpējus.

Viena no ietekmīgākajām balsīm šajās debatēs bija Čezāre Lombroso, itāļu kriminologs, kurš uzskatīja, ka noziedznieki ir vairāk saistīti ar pērtiķiem nekā likumpaklausīgie pilsoņi. Viņš bija pārliecināts, ka var tos atpazīt pēc pērtiķiem līdzīgām iezīmēm, piemēram, slīpa piere, neparasti lielas ausis un dažādas sejas un garu roku asimetrijas. Patiešām, viņš mērīja daudzus priekšmetus, cenšoties pierādīt savu viedokli, lai gan viņš neanalizēja savus datus statistiski.

Šis trūkums galu galā noveda pie viņa krišanas. Lombroso uzskatus diskreditēja angļu kriminologs Čārlzs Gorings, kurš statistiski analizēja datus, kas attiecas uz fiziskām novirzēm noziedzniekiem un ne-noziedzniekiem. Viņš secināja, ka statistikas atšķirības nav.

Debates turpinājās līdz 2011. gadam, kad Kornela universitātes psihologu grupa parādīja, ka cilvēki patiesībā diezgan labi spēj atšķirt noziedzniekus no ne-noziedzniekiem, skatoties tikai uz viņu fotogrāfijām. Kā tas varētu būt, ja nav statistiski atšķirīgu pazīmju?

Šodien mēs saņemam sava veida atbildi, pateicoties Xiaolin Wu un Xi Zhang darbam no Šanhajas Jiao Tong universitātes Ķīnā. Šie puiši ir izmantojuši dažādus mašīnredzes algoritmus, lai pētītu noziedznieku un ne-noziedznieku sejas, un pēc tam to pārbaudījuši, lai noskaidrotu, vai tas var atšķirt.

Viņu metode ir vienkārša. Viņi uzņem ID fotogrāfijas, kurās redzami 1856 ķīniešu vīrieši vecumā no 18 līdz 55 gadiem bez sejas apmatojuma. Puse no šiem vīriešiem bija noziedznieki.

Pēc tam viņi izmantoja 90 procentus no šiem attēliem, lai apmācītu konvolucionālo neironu tīklu, lai atpazītu atšķirību, un pēc tam pārbaudīja neironu tīklu atlikušajos 10 procentos attēlu.

Rezultāti ir satraucoši. Xiaolin un Xi atklāja, ka neironu tīkls var pareizi identificēt noziedzniekus un ne-noziedzniekus ar precizitāti 89,5 procenti. Viņi saka, ka šie ļoti konsekventie rezultāti liecina par automatizētu sejas izraisītu secinājumu par noziedzību pamatotību, neskatoties uz vēsturiskajām pretrunām, kas saistītas ar šo tēmu.

Xiaolin un Xi saka, ka ir trīs sejas vaibsti, ko neironu tīkls izmanto, lai veiktu klasifikāciju. Tie ir: augšlūpas izliekums, kas noziedzniekiem ir vidēji par 23 procentiem lielāks nekā ne-noziedzniekiem; attālums starp diviem iekšējiem acu kaktiņiem, kas ir par 6 procentiem mazāks; un leņķis starp divām līnijām, kas novilktas no deguna gala līdz mutes kaktiņiem, kas ir par 20 procentiem mazāks.

Viņi turpina attēlot noziedzīgu un nekriminālu seju datu atšķirības vienkāršotā parametru telpā, ko sauc par kolektoru. Un šis process atklāj, kāpēc atšķirību ir bijis grūti noteikt.

Xiaolin un Xi parāda, ka šīs datu kopas ir koncentriskas, bet noziedznieku seju datiem ir daudz lielāka atšķirība. Citiem vārdiem sakot, sabiedrības, kas ievēro likumus, sejām ir lielāka līdzības pakāpe, salīdzinot ar noziedznieku sejām, vai arī noziedznieku sejas izskats atšķiras vairāk nekā parastiem cilvēkiem, saka Sjaolina un Sji.

Tas var arī izskaidrot, kāpēc noteikta veida statistikas testi nevar atšķirt šīs datu kopas. Patiešām, Xiaolin un Xi parāda, ka, apvienojot noziedzīgas un nekriminālas sejas, lai izveidotu vidējas sejas, tās izskatās gandrīz identiskas.

Lai gan šis rezultāts ir pretrunīgs, tas nav gluži negaidīts. Ja cilvēki var pamanīt noziedzniekus, skatoties uz viņu sejām, kā 2011. gadā konstatēja psihologi, nav jābrīnās, ka to spēj izdarīt arī mašīnas.

Protams, bažas rada tas, kā cilvēki varētu izmantot šīs mašīnas. Nav grūti iedomāties, kā šo procesu varētu piemērot datu kopām, piemēram, pases vai autovadītāja apliecības fotoattēliem visai valstij. Tad būtu iespējams atlasīt tos cilvēkus, kas identificēti kā likuma pārkāpēji, neatkarīgi no tā, vai viņi ir izdarījuši noziegumu.

Tas ir sava veida Mazākuma ziņojums scenārijs, kurā likuma pārkāpējus varētu identificēt, pirms viņi ir izdarījuši noziegumu.

Protams, šis darbs ir jāvirza uz daudz stingrākiem pamatiem. Tas ir jāatražo ar dažādu vecumu, dzimumu, etnisko piederību utt. Un daudz lielākām datu kopām. Tam vajadzētu palīdzēt novērst atklājumu sarežģītību. Piemēram, Xiaolin un Xi atklāj, ka noziedzīgās sejas var iedalīt četrās apakšgrupās, bet nekriminālās sejas tikai trīs. Kā tas nākas? Un kā tas atšķiras citās grupās?

Un darbs rada svarīgus jautājumus. Ja rezultāts aiztur ūdeni, kā tas izskaidrojams? Kāpēc noziedznieku sejām būtu daudz lielākas atšķirības nekā ne-noziedznieku sejām? Un kā mēs varam pamanīt šīs sejas — vai tā ir attīstījusies iemācīta uzvedība vai sarežģīta uzvedība?

Tas viss vēsta par jaunu antropometrijas laikmetu, noziedzīgu vai citu. Pagājušajā nedēļā pētnieki atklāja, kā viņi bija apmācījuši dziļās mācīšanās iekārtu, lai tā tāpat kā cilvēki spriestu, vai kāds ir uzticams, skatoties uz viņu sejas momentuzņēmumu. Šis darbs ir vēl viens skatījums uz to pašu tēmu. Un ir iespēja veikt daudz vairāk pētījumu, jo mašīnas kļūst spējīgākas. Pārbaudīt, ko par mums saka mūsu drēbes vai mati, ir viens acīmredzams leņķis. Un drīzumā mašīnas varēs pētīt arī kustību. Tas palielina iespēju izpētīt, kā mēs pārvietojamies, kā mēs mijiedarbojamies utt.

Atsauce: arxiv.org/abs/1611.04135 : Automatizēti secinājumi par noziedzību, izmantojot sejas attēlus

paslēpties