«Страшилки» про распознавание лиц: пять причин, почему бизнесу не стоит в них верить

Многие компании считают, что внедрять face recognition в бизнес дорого и неэффективно, и относятся к таким системам с опаской. Директор по продуктам Ivideon Заур Абуталимов собрал примерно тысячу успешных кейсов и развеял по ветру самые популярные фобии и страхи.

Например, в некоторых магазинах X5 Retail Group установили камеры для распознавания выражения лица и возраста покупателей. Анализируя эти данные, система выводит на экран монитора в торговом зале товары, которые могут понравиться человеку. Новое решение сократило количество посетителей, которые выходили из магазина с пустыми руками, на 10%.

Кроме того, распознавание лиц помогает бороться с нарушениями закона. К примеру, в «Почта Банке» системы face recognition используются для сравнения фотографии клиента с базой мошенников, которая пополняется силами сотрудников банка. Другой пример — система для супермаркетов от британского стартапа Yoti. Их решение устанавливает личность покупателя по фотографии, чтобы предотвращать продажи алкоголя несовершеннолетним.

Почему так считают. Первые системы распознавания лиц появились в шестидесятых годах двадцатого века. «Отцом» таких систем называют математика и программиста Вудро Бледсо, который по заказу правительства США разработал систему распознавания лиц на фотографиях. Система была «полуавтоматической» — она включала в себя планшет фирмы RAND (с его помощью пользователь вручную вводил координаты лица на фото) и программное обеспечение, считывающее эти координаты.

Наборы координат, соответствующие положению рта, глаз, носа, линии роста волос и другим характеристикам, вносились в базу. После этого система могла находить людей «из базы» на других фотографиях (кстати, по подобному принципу — поиск людей по ранее проанализированным фотографиям — работает система распознавания лиц, разработанная «Сбербанком»: в прошлом году во время тестов она помогла задержать 42 преступника в московском метро).

Впоследствии — в тех же США — правительственные организации не жалели денег на новые технологии для обеспечения национальной безопасности: одна из таких разработок для ФБР, в частности, была оценена в миллиард долларов. Несколько лет назад систему распознавания лиц также внедрил Департамент юстиции штата Калифорния. Хотя их решение было значительно дешевле, чем инструмент ФБР, его стоимость все равно составила 1,8 млн долларов.

Почему это не всегда верно. Обычно системы распознавания лиц ассоциируются с крупными правоохранительными организациями уровня ФБР. По этой причине кажется, что такие решения стоят очень дорого. Да, на рынке есть инструменты, внедрение которых влетит в копеечку. Но реализовать систему распознавания лиц можно и за относительно небольшие деньги.

Летом прошлого года редакции Forbes удалось провести тест на распознавание лиц с помощью Amazon Rekognition (инструмент для встраивания в приложения аналитики изображений) всего за 10 долларов. Правда разрабатывать программу для выдачи результатов работы системы face recognition им пришлось самостоятельно.

Почему так считают. Есть мнение, что системы распознавания лиц неточные и допускают большое количество ошибок. Отчасти именно это стало причиной скепсиса касательно технологии FaceID после её анонса. Сомнения подкрепил тот факт, что во время презентации система отказалась разблокировать «яблочный» смартфон из-за бага.

Почему это не всегда верно. На деле та же технология Apple показала себя гораздо лучше, чем ожидалось. В 2017 году редакция журнала WIRED решила доказать, что Face ID легко обмануть. Журналисты пытались выдать себя за другого человека, накладывая грим и надевая разные маски. Но из этого ничего не вышло — в 100 % случаев система «не поддалась» и всегда верно определяла своего владельца.

Face recognition успешно применяется компаниями на практике. Причем точность распознавания лиц в этих случаях оказывается довольно высокой. Примером может быть стартап Finding Rover, который помогает владельцам собак и кошек воссоединиться с потерявшимися домашними любимцами. Достаточно загрузить фотографию с «лицом» питомца в приложение. Владельцы приютов фотографируют всех поступающих животных и пересылают фото в систему. Если она обнаруживает совпадения, то уведомляет хозяев о находке. При этом умный алгоритм способен определить животное по фотографии с точностью в 98%.

Технология face recognition также активно используется в ритейле — и не только для изучения покупателей и показа им таргетированной рекламы (как в случае с X5 Retail Group). Распознавание лиц снижает убытки ритейлеров, помогая владельцам магазинов предотвращать кражи. В компании FaceFirst подсчитали, что системы распознавания лиц правильно идентифицируют «хронических шоплифтеров» в 60% случаев. Умные алгоритмы помогают поймать злоумышленников с поличным прямо на выходе из магазина, не давая вынести украденные вещи, и сокращают количество краж на 34%. Ещё важнее, что распознавание лиц помогает предотвратить случаи повторных краж, то есть определять мошенника, который уже воровал, ещё на входе в магазин.

Почему так считают. Есть мнение, что системы распознавания лиц испытывают сложности в ситуациях, которые для «живого человека» не представляют никаких проблем. И оно имеет под собой основание: порой с алгоритмами facial recognition случаются интересные казусы. К примеру, несколько лет назад в аэропорту Манчестера муж и жена перепутали паспорта друг друга. Система распознавания лиц на паспортном контроле не заметила подмены и посчитала, что все в порядке. Человек такой ошибки не допустит.

Почему это не всегда верно. Системы распознавания лиц постоянно совершенствуются. Несмотря на случающиеся промахи точность машинного распознавания уже превосходит ту, с какой определяют лица люди. В Гонконгском университете ещё в 2014 году создали ПО, которое верно идентифицирует 98,52% показанных ему лиц против 97,53 % «опознаний» у людей.

Кроме того, машины анализируют информацию быстрее, чем люди. В Китае скоро появится система, которая сможет найти конкретного человека среди 1,3 миллиарда других жителей за три секунды с точностью 90 %. Провести такой масштабный поиск человеку (даже спецгруппе «поисковиков») не под силу. Для сравнения: группа исследователей из университетов Австралии и Великобритании отмечает, что у человека, работающего в паспортном контроле, показатель точности идентификации лиц составляет 75 %, а на «опознание» одного человека он тратит в среднем восемь секунд.

Исследователи из Национального центра биотехнологической информации США уверены, что люди вообще плохо распознают незнакомые лица (на эту тему есть подкаст профессора психологии из Йоркского университета). Проблемы могут возникнуть даже в случае со знакомыми: со временем человек стареет, набирает или теряет вес, что может значительно изменить внешность. Достаточно взглянуть на метаморфозы Кристиана Бэйла. Машина же определяет изменения во внешности с большей вероятностью, чем человек: по строению черепа, уникальной модели лица и проч.

Если хотите проверить, под силу ли вам превзойти алгоритмы в способности распознавать незнакомых людей, пройдите небольшой тест по теме.

Почему так считают. У многих из нас системы распознавания лиц ассоциируются с фильмами про Джейсона Борна и Итана Ханта. Там разведка использует мощные компьютеры, множество мониторов и камер для поиска людей в толпе. Популярное клише создает иллюзию, что внедрить face recognition сложно, и необходимые ресурсы и знания для этого есть только у крупных правительственных контор.

При этом кажется, что системы распознавания лиц требуют использовать исключительно дорогостоящее оборудование — специализированные камеры высокого разрешения, которые пишут видео в очень хорошем качестве и позволяют увеличивать изображение до «бесконечности».

Почему это не всегда верно. Внедрить систему распознавания лиц можно и в обыкновенном магазине. Для этого бывает достаточно просто корректно разместить камеру и подключить услугу распознавания лиц. Ритейлеру в этом случае не нужно приобретать софт и самостоятельно выполнять какие-то сложные настройки. Сегодня такие системы уже использует почти 60% ритейлеров одежды в Великобритании. Практически все ведущие ритейлеры в РФ также либо тестируют, либо уже используют распознавание лиц. Это возможно, потому что на рынке есть провайдеры, которые берут на себя решение вопросов по подбору камер и настройке сервисов face recognition. Клиенты таких компаний получают готовое решение «из коробки», которое можно сразу начинать использовать, и круглосуточную поддержку, если возникнут какие-либо вопросы или трудности.

Что касается камер высокого разрешения, то и они необязательны. Системы face recognition могут работать даже с обыкновенным «вебками». Например, в кейсе Forbes, о котором мы упоминали ранее, журналисты использовали камеру ноутбука. Создать похожую систему можно даже самостоятельно — в сети есть пошаговые руководства, использующие свободно распространяемые программные решения. К таким решениям относятся библиотеки алгоритмов компьютерного зрения (например, OpenCV), которые упрощают разработку приложений для обработки видео.

Конечно, для самостоятельной реализации таких приложений необходимы навыки программирования. Не говоря о том, что самодельная система будет проигрывать по функциональности промышленным решениям. Сложности могут возникнуть и во время самостоятельной настройки и установки камер. Точность распознавания лиц зависит от множества факторов, например от интенсивности освещения и расположения видеокамеры. Специалисты провайдеров при настройке оборудования эти моменты обязательно учитывают.

Почему так считают. Компании боятся, что face recognition подпортит им репутацию, так как распознавание лиц у многих ассоциируется с «Большим братом». В пример часто приводят сеть Facebook, пользователей которой беспокоит, что базу данных с биометрией будут использовать для слежки за людьми. В прошлом году в США ИТ-гигант даже получил коллективный иск за незаконное распознавание лиц на фотографиях.

Почему это не всегда верно. Системы распознавания лиц уже использует множество компаний — их клиенты активно участвуют в различных программах лояльности, основанных на технологии face recognition. И это не приводит к снижению доверия у покупателей. Наоборот, технология помогает компаниям получить конкурентное преимущество и привлечь новых клиентов.

Один из примеров — кейс Lolli & Pops, большого кондитерского магазина в США. Система face recognition определяет постоянных покупателей и посылает на их смартфон уведомления с товарами, которые могут им понравиться (с учетом индивидуальных предпочтений и аллергии на продукты). Как заявил CEO компании, подобный персонализированный подход повышает лояльность клиентов, и они начинают чаще возвращаться и покупать больше товаров — их доверие растет, а вместе с ним укрепляется репутация бренда.

В некоторых случаях системы распознавания лиц вообще становятся показателем статуса и «технологичности» компании. К примеру, face recognition с прошлого года внедряют в крупнейшей сети отелей Marriott International. В двух китайских отелях сети гости самостоятельно сканируют паспорта, а затем их лица сличаются с фото на документах. Если все в порядке, то автомат выдает ключ от номера. Технология сокращает время регистрации посетителей с трех до одной минуты.

Как отметил управляющий директор Marriott International в Китае Генри Ли, технология дарит гостям новые впечатления уже во время регистрации, что помогает сделать отдых в отеле еще более запоминающимся. В будущем компания планирует внедрить систему face recognition во всех своих отелях, а это более шести тысяч зданий по всему миру.

Системы face recognition сегодня во многих случаях работают быстрее и эффективнее людей. А для интеграции таких решений необязательно тратить баснословные деньги. Сегодня можно оформить подписку на использование модуля распознавания лиц, просто подключая облачное видеонаблюдение, и за небольшую сумму в месяц иметь доступ к технологии. Поэтому ожидать, что в будущем все больше компаний начнёт использовать системы распознавания лиц в своей работе, вполне логично.

Такое принятие технологии, кстати, может изменить отношение к ней в лучшую сторону. Дело в том, что face recognition может помогать в областях, никак не связанных со «слежкой». Например, в медицине — здесь face recognition позволит диагностировать заболевания, которые проявляются в изменении мимики. Это, к примеру, даст возможность выявлять болезнь Альцгеймера на ранней стадии. И количество сценариев успешного использования «умных» алгоритмов (в том числе и за пределами медицины) будет только увеличиваться.

Ivideon недавно запустил собственную систему распознавания лиц для бизнеса — Ivideon Face Recognition.