Нейронная сеть учится распознавать преступников по их лицам

+7 926 604 54 63 address
 Стремление научиться выявлять преступников по фотографиям на документы вызывает серьёзные этические вопросы о том, как следует использовать искусственный интеллект.
Стремление научиться выявлять преступников по фотографиям на документы вызывает серьёзные этические вопросы о том, как следует использовать искусственный интеллект.

Вскоре после изобретения фотографии некоторые криминалисты стали замечать черты сходства в полицейских фотографиях преступников. Любители бесчинствовать, заявили они, имеют специфические особенности лица, по которым можно определить правонарушителя.

В этой полемике один из самых влиятельных голосов принадлежал Чезаре Ломброзо (Cesare Lombroso), итальянскому криминалисту, смотревшему на преступников как на выродков, которые ближе к обезьянам, чем законопослушные граждане. Ломброзо был убеждён, что способен выявлять преступника по его обезьяноподобным чертам, таким как покатый лоб, необычные уши, различные асимметрии лица и длинные руки. Чтобы фактически обосновать свои взгляды, он провёл множество антропометрических исследований, однако оставил полученные данные без статистического анализа.

Этот недостаток со временем привёл учение Ломброзо к полному краху. Его взгляды были дискредитированы английским криминалистом Чарльзом Горингом (Charles Goring), который статистически проанализировал данные о физических отклонениях, наблюдаемых у преступников в отличие от непреступников. Горинг сделал вывод об отсутствии каких бы то ни было статистических различий.

На этом дискуссия затихла вплоть до 2011 года, когда группа психологов Корнеллского университета (Cornell University) продемонстрировала эффективность деления людей на преступников и непреступников по одним лишь фотографиям. Как это возможно при отсутствии статистически значимых физических особенностей?

Сегодня Сяолинь У (Xiaolin Wu) и Си Чжан (Xi Zhang) из Шанхайского университета транспорта (кит. 上海交通大学, англ. Shanghai Jiao Tong University) в Китае предоставили нам пример ответа. Для изучения лиц преступников и непреступников они применили разнообразные алгоритмы машинного зрения, а затем протестировали полученные данные, чтобы выяснить, нет ли искомого различия.

Их метод прост. Они взяли фотографии с документов 1856 китайских мужчин в возрасте от 18 до 55 лет без лицевых волос. Половина этих людей — преступники.

Потом они задействовали 90 процентов отобранных снимков для обучения свёрточной нейронной сети находить искомое различие, а после проверили эту сеть на оставшихся 10 процентах снимков.

Результаты обескураживают. Сяолинь и Си обнаружили, что нейронная сеть способна правильно распознавать преступников и непреступников с точностью 89,5 процента. «Эти системно полученные результаты свидетельствуют в пользу законности автоматизированного вывода о причастности человека к преступной деятельности, произведённого на основе изучения его лица, несмотря на дискуссионный исторический шлейф, сопровождающий данную тему», — заявляют они.

Сяолинь и Си говорят, что для деления людей на преступников и непреступников нейронная сеть использует три характерные особенности лица, а именно: изгиб верхней губы, который у первых в среднем на 23 процента больше, чем у вторых, расстояние между двумя внутренними уголками глаз, которое соответственно на 6 процентов короче, и угол между двумя линиями, проведёнными от кончика носа к углам рта, который у преступников на 20 процентов меньше, чем у непреступников.

Далее исследователи строят дисперсию данных, полученных при изучении криминальных и некриминальных лиц, в упрощённом пространстве параметров. Здесь-то и выясняется, почему различие между лицами преступников и непреступников трудно зафиксировать.

Сяолинь и Си демонстрируют, что наборы данных являются концентрическими, но что при этом для криминальных лиц они имеют намного бо́льшую дисперсию. «Другими словами, лица обычной законопослушной публики имеют больше сходства по сравнению с лицами преступников, или лица преступников имеют более высокую степень несходства, чем лица нормальных людей», — утверждают Сяолинь и Си.

Это позволяет также объяснить, почему определённые виды статистического анализа не могут различить указанные наборы данных. В самом деле, как показали Сяолинь и Си, «средние» лица, полученные при комбинировании лиц преступников и непреступников, выглядят почти идентичными.

Этот результат, хотя и спорный, совсем уж неожиданным не является. Раз люди могут определять преступников, глядя на их лица, как обнаружили психологи в 2011 году, не стоит удивляться тому, что и машины могут это делать.

То, как люди могли бы использовать соответствующие машины, конечно, вызывает беспокойство. Нетрудно представить, какое применение мог бы найти этот машинный процесс в масштабах целой страны по отношению к наборам данных, запечатлённых, скажем, на фотографиях, сделанных для паспорта или для удостоверения водителя. Тогда было бы можно повыдёргивать тех людей, которые идентифицированы как правонарушители, не выясняя, совершили они какое-либо преступление или нет.

Это похоже на сценарий фильма «Особое мнение» («Minority Report»), в котором правонарушители могли быть идентифицированы прежде, чем они совершили преступление.

Конечно, работа китайских исследователей нуждается в гораздо более прочном фундаменте. Её следует воспроизвести с людьми разного возраста, пола, этнической принадлежности и так далее. А также с гораздо более внушительными наборами данных. Это должно помочь оживить мёртвые груды полученного материала. Например, Сяолинь и Си обнаружили, что криминальные лица могут быть разделены на четыре подгруппы, а некриминальные только на три. Почему? И как это меняется в других группах?

К тому же работа поднимает важные проблемы. Если результат действительно логически последовательный, как его объяснить? С чего бы это лица преступников имеют намного бо́льшую дисперсию, чем лица непреступников? И что есть наша способность определять эти лица: приобретённый навык или врождённое качество, которое получило развитие?

Всё это предвещает новую эру антропометрии, криминальной или иной. На прошлой неделе другие исследователи поведали о том, как машину с помощью глубокого обучения натренировали определять по фото, заслуживает ли человек доверия. Данная работа — другой подход к той же самой теме. И чем более способными становятся машины, тем больший простор для исследований. Изучение того, что говорят о нас предметы одежды или волосы, — один из очевидных аспектов дальнейшей работы. И недалёк час, когда машины обретут ещё и способность изучать движение. Это сделает возможным изучение того, как мы двигаемся, взаимодействуем и так далее.

.
Комментарии