Reconnaissance faciale automatisée nationale du NCRB: la précision est une source de préoccupation – Serveur d’impression

Les caractéristiques physiques des personnes changent généralement avec le temps, par exemple, elles peuvent commencer à tenir une barbe, prendre du poids, porter des lunettes ou perdre leurs cheveux.

La technologie de reconnaissance faciale, autrefois une technologie futuriste, est de plus en plus intégrée à notre vie quotidienne. Les organisations du secteur public et privé intègrent la reconnaissance faciale (FR) dans leurs produits et services afin de créer des avantages significatifs pour les consommateurs. Le Bureau national du casier judiciaire (NCRB) a récemment publié une demande de proposition (RFP) pour l'acquisition d'un ambitieux système national de reconnaissance faciale automatisée (AFRS).

Les entreprises utilisent FR pour aider les utilisateurs à organiser facilement leurs photos ou à les taguer selon leur correspondance, etc. Bien que de nombreux avantages potentiels de FR soient visibles ici, il est important que ces entités utilisent la technologie de manière responsable, par exemple en matière de respect. et la protection de la vie privée des consommateurs. Dans ce cas, les agences gouvernementales doivent prendre l'initiative, car les acteurs privés s'attachent toujours à améliorer les marges des produits, à la demande des experts en technologie et en droit.

Alors, quelle est la reconnaissance faciale?

En principe, tout système FR est censé capturer une photo ou une vidéo d'un visage (regardant droit ou de profil) d'un individu seul ou en groupe, de manière à permettre à un logiciel spécialisé d'effectuer une analyse géométrique du visage en fonction de facteurs tels que la distance. entre les yeux, la distance entre le front et le menton, etc. Un profil de visage est ainsi traduit en une signature de visage d'une personne sous la forme d'un algorithme mathématique. «Cette signature faciale est finalement comparée à un jeu de données faciales existant. Ce processus est connu sous le nom de correspondance 1: n (où n est égal au nombre de signatures faciales dans une base de données) et donne lieu à une décision "concordance" ou "non concordance" lorsque l'empreinte capturée capturée correspond à l'une des images de la base de données système ", explique Milind Kulshreshtha, expert en intelligence artificielle et en C4I.

Kulshreshtha a déclaré à propos de la RFP AFRS: «Le terme« intelligence artificielle »dans AFRS RFP n’est que sous-entendu et comporte une référence facultative pour la mise en œuvre à l’aide de Neural Network (voir RFP Para 2.3 série 4). Aujourd’hui, la popularité et le succès de FR reposent par défaut sur l’IA et la «formation» du réseau de neurones artificiels est une exigence technique indispensable au succès du système. Les exigences ISO 19794-5 / OACI en matière d'appels d'offres pour la vérification d'identité en ligne permettant de faire correspondre un selfie à une photo de qualité médiocre sur un passeport risquent de ne pas être totalement pertinentes pour les AFRS basés sur l'IA.

Lire | Reconnaissance faciale en Inde: quelques problèmes juridiques

La précision du FR peut varier considérablement en fonction de divers facteurs tels que l’angle du profil, le sexe, la qualité de la caméra, la lumière, la distance, la taille de la base de données, l’algorithme, etc. Le logiciel FR lui-même peut comporter des erreurs pouvant donner des résultats très erronés. Les caractéristiques physiques des personnes changent généralement avec le temps, par exemple, elles peuvent commencer à tenir une barbe, prendre du poids, porter des lunettes ou perdre leurs cheveux. "Ainsi, lorsque la technologie FR est utilisée par les forces de l'ordre, le système FR ne permet pas une correspondance définitive et les risques qu'un" innocent "soit interrogé ou suivi par erreur peuvent donner lieu à du harcèlement, des humiliations, etc.", observe-t-il.

De même, avec le système AFRS prévu, une mauvaise correspondance est une possibilité (jusqu'à ce qu'un moteur FR bien entraîné émerge en premier, mais cela peut prendre des années avant d'évoluer). Le stade où le réseau de neurones FR est considéré comme «formé» est un problème qui doit également être traité explicitement en tant que système, paramètre avant utilisation publique, ajoute l’expert AI & C4I.

Selon lui, «le cloud computing et le besoin de serveurs GPU haut de gamme en Inde pour le stockage et le traitement de données sur réseau neuronal vont constituer l’ossature de l’infrastructure AFRS. En raison de problèmes de sécurité des données, cette configuration doit obligatoirement être configurée en Inde puisqu'un organisme gouvernemental tel que le NCRB ne peut pas envoyer et stocker le jeu de données de citoyens indiens sur un serveur étranger (comme AWS, Azure, etc.). "

Chaque appel d'offres est suivi d'une offre technico-commerciale basée sur la technologie requise. Il est donc toujours judicieux de définir les paramètres de technologie (comme l'IA) et de sécurité des données afin d'éviter les dépassements de budget lors de la phase de mise en œuvre. «Il est bien connu que si un taux de précision de 90% peut sembler bon en général, il représente un risque inacceptable pour les systèmes basés sur l'IA, en particulier lorsque le résultat final concerne le travail juridique. Par conséquent, les systèmes critiques comme AFRS peuvent d'abord être développés en tant qu'outil de R & D avant que le NCRB ne soit confié à un système bien formé, testé et approuvé pour son exploitation », a-t-il déclaré.