Kiekvien\u0105 kart\u0105, kai atrakiname telefon\u0105 \u017evilgtel\u0117jimu ar praeinama pro oro uosto saugumo patikr\u0105, susiduriame su viena i\u0161 \u0161iuolaikini\u0173 technologij\u0173, kuri dar prie\u0161 keliasde\u0161imt met\u0173 atrod\u0117 kaip mokslin\u0117s fantastikos filmo elementas. Veido atpa\u017einimo technologija \u0161iandien tapo kasdienyb\u0117s dalimi, nors daugelis \u017emoni\u0173 net nesusim\u0105sto, kaip ji veikia ir kokius sud\u0117tingus procesus slepia u\u017e akimirksniu atliekamo veiksmo.<\/p>\n
\u0160i technologija gali atrodyti paprasta \u2013 juk mes patys kasdien atpa\u017e\u012fstame \u0161imtus veid\u0173 gatv\u0117je, parduotuv\u0117se ar socialiniuose tinkluose. Ta\u010diau kompiuteriui i\u0161mokyti daryti tai, kas \u017emogui atrodo nat\u016bralu, prireik\u0117 de\u0161imtme\u010di\u0173 tyrim\u0173 ir technologini\u0173 prover\u017ei\u0173.<\/p>\n
Prad\u0117kime nuo pagrind\u0173 \u2013 kaip kompiuteris i\u0161 viso gali “pamatyti” veid\u0105? Skirtingai nei \u017emogus, kuris i\u0161 karto suvokia veid\u0105 kaip visum\u0105, kompiuteris mato tik pikseli\u0173 rinkin\u012f \u2013 t\u016bkstan\u010dius ma\u017e\u0173 spalvot\u0173 ta\u0161k\u0173. Veido atpa\u017einimo sistema turi sugeb\u0117ti \u0161iame chaose rasti prasm\u0119 ir i\u0161skirti tai, kas daro kiekvien\u0105 veid\u0105 unikal\u0173.<\/p>\n
Pirmasis \u017eingsnis \u2013 veido aptikimas paveiksl\u0117lyje ar vaizdo sraute. Sistema ie\u0161ko tam tikr\u0173 \u0161ablon\u0173: aki\u0173, nosies, burnos i\u0161sid\u0117stymo, veido kont\u016br\u0173. \u0160iuolaikin\u0117s sistemos naudoja dirbtinio intelekto algoritmus, kurie buvo “i\u0161mokyti” analizuojant milijonus veid\u0173 nuotrauk\u0173. Jie i\u0161moko atpa\u017einti, kad akys paprastai yra tam tikru atstumu viena nuo kitos, nosis yra per vidur\u012f, o burna \u2013 \u017eemiau.<\/p>\n
Kai sistema aptinka veid\u0105, ji pradeda analizuoti jo geometrij\u0105. Matuojamas atstumas tarp aki\u0173, nosies ilgis ir plotis, skruostikauli\u0173 i\u0161siki\u0161imas, smakro forma. \u0160ie matavimai sudaro unikal\u0173 kiekvieno \u017emogaus “veido atspaud\u0105” \u2013 skai\u010di\u0173 rinkin\u012f, kuris apib\u016bdina veido bruo\u017eus.<\/p>\n
Veido atpa\u017einimo technologijos istorija prasid\u0117jo dar 1960-aisiais, kai mokslininkas Woodrow Bledsoe suk\u016br\u0117 pirm\u0105j\u0105 sistem\u0105, kuri gal\u0117jo klasifikuoti veidus pagal tam tikrus parametrus. Ta\u010diau tai buvo labai primityvus metodas \u2013 reik\u0117jo rankiniu b\u016bdu pa\u017eym\u0117ti veido ta\u0161kus, o sistema gal\u0117jo dirbti tik su idealiomis s\u0105lygomis.<\/p>\n
Tikrasis prover\u017eis \u012fvyko 1990-aisiais, kai buvo sukurti pirmieji automatiniai veido atpa\u017einimo algoritmai. Jie naudojo matematines formules, kurios analizavo veido tekst\u016br\u0105 ir geometrij\u0105. Vienas populiariausi\u0173 metod\u0173 buvo\u00a0 sistema, kuri veido bruo\u017eus u\u017ekoduodavo kaip matematini\u0173 funkcij\u0173 kombinacij\u0105.<\/p>\n
2000-\u0173j\u0173 prad\u017eioje atsirado pa\u017eangesni metodai, kurie gal\u0117jo dirbti su skirtingais ap\u0161vietimo kampais ir veido pozicijomis. Ta\u010diau tikroji revoliucija prasid\u0117jo ma\u017edaug 2010-aisiais, kai prad\u0117ti naudoti gilieji neuron\u0173 tinklai. \u0160ie algoritmai, \u012fkv\u0117pti \u017emogaus smegen\u0173 veikimo, gal\u0117jo “i\u0161mokti” atpa\u017einti veidus analizuodami mil\u017eini\u0161kas duomen\u0173 bazes.<\/p>\n
Dabartin\u0117s veido atpa\u017einimo sistemos veikia keliais etapais, kurie vyksta per sekundes dalis. Pirmiausia sistema naudoja specialius algoritmus, vadinamus neuron\u0173 tinklais, kurie skenuoja paveiksl\u0117l\u012f ie\u0161kodami veido po\u017eymi\u0173. \u0160ie algoritmai veikia pana\u0161iai kaip \u017emogaus reg\u0117jimo sistema \u2013 pradeda nuo paprast\u0173 linij\u0173 ir form\u0173 atpa\u017einimo, palaipsniui sudarydami sud\u0117tingesn\u012f vaizd\u0105.<\/p>\n
Kai veidas aptinkamas, sistema i\u0161skiria raktini\u0173 ta\u0161k\u0173 koordinates. \u0160iuolaikin\u0117s sistemos gali identifikuoti 60-80 toki\u0173 ta\u0161k\u0173 \u2013 nuo aki\u0173 kampu\u010di\u0173 iki l\u016bp\u0173 kont\u016br\u0173. \u0160ie ta\u0161kai sudaro unikal\u0173 kiekvieno \u017emogaus “veido \u017eem\u0117lap\u012f”.<\/p>\n
Toliau vyksta normalizacijos procesas \u2013 veidas sulyginamas pagal standartin\u0119 pozicij\u0105, koreguojamas ap\u0161vietimas, pa\u0161alinami triuk\u0161mai. Tai leid\u017eia sistemai palyginti veidus nepriklausomai nuo to, kokiomis s\u0105lygomis buvo padaryta nuotrauka.<\/p>\n
Galiausiai sukuriamas veido “kodas” \u2013 unikalus skai\u010di\u0173 rinkinys, kuris apib\u016bdina visus svarbius veido bruo\u017eus. \u0160is kodas yra gerokai ma\u017eesnis u\u017e original\u0173 paveiksl\u0117l\u012f, bet i\u0161saugo vis\u0105 reikaling\u0105 informacij\u0105 atpa\u017einimui.<\/p>\n
Veido atpa\u017einimo technologija \u0161iandien naudojama daug pla\u010diau, nei daugelis \u017emoni\u0173 \u012fsivaizduoja. Akivaizd\u017eiausi pavyzd\u017eiai \u2013 i\u0161manieji telefonai ir kompiuteriai. Apple Face ID sistema naudoja infraraudon\u0173j\u0173 spinduli\u0173 projektori\u0173, kuris ant veido projektuoja daugiau nei 30 000 nematomas ta\u0161k\u0173, sukurdamas tiksl\u0173 3D veido \u017eem\u0117lap\u012f.<\/p>\n
Oro uostuose ir pasienio kontrol\u0117s punktuose \u0161ios sistemos padeda greitai identifikuoti keleivius ir aptikti ie\u0161komas personas. Kai kuriose \u0161alyse, pavyzd\u017eiui, Kinijoje, veido atpa\u017einimas naudojamas net mok\u0117jimams atlikti \u2013 u\u017etenka pa\u017evelgti \u012f kamer\u0105, ir suma nuskai\u010diuojama nuo banko s\u0105skaitos.<\/p>\n
Prekybos centruose ir parduotuv\u0117se \u0161i technologija padeda kovoti su vagyst\u0117mis \u2013 sistema gali automati\u0161kai aptikti \u017emones, kurie anks\u010diau buvo pagauti vagiant. Socialiniuose tinkluose, kaip Facebook ar Google Photos, veido atpa\u017einimas automati\u0161kai pa\u017eymi draugus nuotraukose.<\/p>\n
Medicinos srityje technologija naudojama genetini\u0173 lig\u0173 diagnostikai \u2013 daugelis ret\u0173 sindrom\u0173 paveiks veido bruo\u017eus, ir specialios sistemos gali pad\u0117ti gydytojams grei\u010diau nustatyti diagnoz\u0119.<\/p>\n
Nors veido atpa\u017einimo technologija padar\u0117 mil\u017eini\u0161k\u0105 pa\u017eang\u0105, ji vis dar susiduria su nema\u017eai i\u0161\u0161\u016bki\u0173. Vienas did\u017eiausi\u0173 \u2013 tikslumas skirtingoms demografin\u0117ms grup\u0117ms. Tyrimai parod\u0117, kad daugelis sistem\u0173 geriau atpa\u017e\u012fsta \u0161viesios odos vyrus nei tamsios odos moteris. Tai atsitinka tod\u0117l, kad sistemos da\u017enai buvo “treniruojamos” naudojant nesubalansuotas duomen\u0173 bazes.<\/p>\n
Ap\u0161vietimo s\u0105lygos taip pat daro didel\u012f poveik\u012f sistemos tikslumui. Silpnas ap\u0161vietimas, stipr\u016bs \u0161e\u0161\u0117liai ar per ry\u0161kus \u0161viesimas gali \u017eenkliai suma\u017einti atpa\u017einimo tikslum\u0105. Veido pozicija ir kampas taip pat svarb\u016bs \u2013 sistemos geriausia veikia, kai veidas nukreiptas tiesiai \u012f kamer\u0105.<\/p>\n
Am\u017eius kelia papildom\u0173 sunkum\u0173. Vaik\u0173 veidai kei\u010diasi labai greitai, tod\u0117l sistema, kuri \u0161iandien tiksliai atpa\u017e\u012fsta 5-met\u012f, po met\u0173 gali jo neatpa\u017einti. Pana\u0161iai senstantis \u017emogus gali palaipsniui tapti neatpa\u017e\u012fstamas savo jaunesn\u0117ms nuotraukoms.<\/p>\n
Dvyniai sudaro ypating\u0105 i\u0161\u0161\u016bk\u012f \u2013 j\u0173 veido bruo\u017eai gali b\u016bti tiek pana\u0161\u016bs, kad net pa\u017eangiausios sistemos kartais juos supainioja. Nors tikslumas nuolat ger\u0117ja, \u0161is klausimas i\u0161lieka aktualus.<\/p>\n
Su veido atpa\u017einimo technologijos plitimu kyla vis daugiau klausim\u0173 d\u0117l privatumo ir etikos. Skirtingai nuo kit\u0173 biometrini\u0173 duomen\u0173, veid\u0105 prakti\u0161kai ne\u012fmanoma pasl\u0117pti \u2013 jis visada matomas vie\u0161ose erdv\u0117se. Tai rei\u0161kia, kad \u017emon\u0117s gali b\u016bti sekami ir identifikuojami net nesuvokdami to.<\/p>\n
Kai kurios \u0161alys ir miestai jau \u012fved\u0117 apribojimus ar visi\u0161kai u\u017edraud\u0117 veido atpa\u017einimo technologijos naudojim\u0105 vie\u0161ose erdv\u0117se. San Franciskas 2019 metais tapo pirmuoju did\u017eiuoju miestu, u\u017edraudusiu policijai ir kitoms miesto tarnyboms naudoti \u0161i\u0105 technologij\u0105.<\/p>\n
Kyla klausim\u0173 ir d\u0117l duomen\u0173 saugojimo. Veido “kodai” yra jautr\u016bs biometriniai duomenys, kurie, patek\u0119 \u012f neteis\u0117tas rankas, gali b\u016bti naudojami \u017ealingiems tikslams. Skirtingai nuo slapta\u017eod\u017eio, kuris gali b\u016bti pakeistas, veido duomenys i\u0161lieka tie patys vis\u0105 gyvenim\u0105.<\/p>\n
Yra ir psichologinis aspektas \u2013 nuolatinis steb\u0117jimas gali keisti \u017emoni\u0173 elges\u012f vie\u0161ose erdv\u0117se. \u017dinojimas, kad esi nuolat identifikuojamas ir sekamas, gali paveikti laisv\u0117s jausm\u0105 ir savirai\u0161k\u0105.<\/p>\n
Veido atpa\u017einimo technologija toliau spar\u010diai tobul\u0117ja. Vienas perspektyviausi\u0173 kryp\u010di\u0173 \u2013 3D veido modeliavimas. Vietoj plok\u0161\u010di\u0173 nuotrauk\u0173 analiz\u0117s, sistemos vis da\u017eniau naudoja erdvinius duomenis, kuriuos suteikia special\u016bs jutikliai ar stereo kameros. Tai leid\u017eia tiksliau atpa\u017einti veidus nepriklausomai nuo ap\u0161vietimo ar pozicijos.<\/p>\n
Dirbtinio intelekto algoritmai taip pat nuolat tobulinami. Naujos architekt\u016bros, kaip “attention mechanisms” ar “transformer” tinklai, leid\u017eia sistemoms geriau suprasti, kurie veido elementai yra svarbiausi atpa\u017einimui. Tai padeda suma\u017einti klaid\u0173 skai\u010di\u0173 ir padidinti tikslum\u0105.<\/p>\n
Atsiranda ir naujos technologijos, kurios bando i\u0161spr\u0119sti privatumo problemas. Pavyzd\u017eiui, “federated learning” metodas leid\u017eia tobulinti algoritmus nesidalijant jautriais duomenimis. Sistemos gali “mokytis” i\u0161 duomen\u0173, bet patys duomenys lieka vietiniuose \u012frenginiuose.<\/p>\n
Kuriamos ir “privatumo saugan\u010dios” technologijos, kurios gali atlikti veido atpa\u017einim\u0105 nei\u0161saugodamos tikr\u0173j\u0173 biometrini\u0173 duomen\u0173. Vietoj to naudojami u\u017e\u0161ifruoti kodai, kurie leid\u017eia atlikti palyginim\u0105, bet negali b\u016bti atkurti \u012f original\u0173 veido vaizd\u0105.<\/p>\n
Veido atpa\u017einimo technologija puikiai iliustruoja, kaip sud\u0117tingi matematiniai algoritmai ir dirbtinio intelekto sprendimai gali tapti kasdienyb\u0117s dalimi. Tai, kas dar neseniai atrod\u0117 kaip fantastika, \u0161iandien padeda mums atrakin\u0117ti telefonus, rasti nuotraukas ir net apsipirkti.<\/p>\n
Ta\u010diau kartu su galimyb\u0117mis ateina ir atsakomyb\u0117. Svarbu suprasti, kaip \u0161i technologija veikia, kokius duomenis ji renka ir kaip juos naudoja. Tik taip gal\u0117sime priimti informuotus sprendimus apie jos naudojim\u0105 savo gyvenime ir reikalauti atsakingo po\u017ei\u016brio i\u0161 technologij\u0173 k\u016br\u0117j\u0173.<\/p>\n
Ateityje veido atpa\u017einimas tikriausiai taps dar labiau integruotas \u012f m\u016bs\u0173 kasdienyb\u0119, bet kartu tikimasi, kad bus rasti sprendimai, kurie leist\u0173 m\u0117gautis technologijos teikiamais privalumais neprarandant privatumo ir saugumo. Galiausiai, geriausia technologija yra ta, kuri tarnauja \u017emon\u0117ms, o ne atvirk\u0161\u010diai.<\/p>","protected":false},"excerpt":{"rendered":"