Ինչ դուք պետք է իմանաք դեմքի ճանաչման տեխնոլոգիայի մասին

2024 Հեղինակ: Malcolm Clapton | [email protected]. Վերջին փոփոխված: 2023-12-17 03:59

Ինչպե՞ս է այս տեխնոլոգիան օգտագործվում կառավարությունների և բիզնեսների կողմից, հնարավո՞ր է խաբել դեմքի նույնականացման համակարգով տեսախցիկը և հնարավո՞ր է ինտերնետում մարդ գտնել լուսանկարի միջոցով։

Ելենա Գլազկովա Ivideon Marketer.

Պետության համար դեմքի ճանաչումը անվտանգության համակարգի կարևոր մասն է և բյուջեի տպավորիչ հոդված: Լրագրողների համար դա կա՛մ համադարման է, կա՛մ համաշխարհային դավադրության գործիք։ Բիզնեսի համար՝ գործիք կամ ապրանք։ Որ կողմն էլ որ բռնեք, հիմնական հարցերը դեռ մնում են: Օգտագործողները սովորաբար փնտրում են դրանց պատասխանները ինտերնետում (միջինում ամսական 28704 դեմքի ճանաչման հարցում), բայց միշտ չէ, որ գտնում են դրանք: Իրավիճակի շտկում.

Ինչ է դեմքի ճանաչումը

Առանձնացնենք ճանճերը կոտլետներից։ Օգտատերերն ավելի հավանական է, որ դեմքը ճանաչեն իրենց սմարթֆոններում, որտեղ կենսաչափական նույնականացումն օգտագործվում է սարքն ապակողպելու համար, և միայն դրա սեփականատերը կարող է մուտք գործել տվյալներ: 3D տեսախցիկը պարտադիր կերպով ներգրավված է ճանաչման գործընթացում, որպեսզի հնարավոր չլինի խաբել գաջեթը լուսանկարով:

Կա նաև դեմքերի նույնականացում իրական ժամանակում և իրական պայմաններում. այս դեպքում այն անքակտելիորեն կապված է տեսահսկման համակարգերի հետ, որտեղ դեմքերը բառացիորեն «պոկվում» են տեսախցիկների նկարահանած տեսահոսքից։

Պատկերացրեք բարձրորակ ժամանակակից CCTV տեսախցիկ, որը տեղադրված է մարդու միջին հասակից մի փոքր բարձր լուսավորված վայրում: Նրա առջևից ամեն օր անցնում են մոտավորապես նույն թվով մարդիկ։ Նրանք այնքան էլ արագ չեն շարժվում։

Նկարված տեսանյութը կարող է պահվել ամպային արխիվում: Տեսախցիկին միացված է վերլուծական մոդուլ՝ ալգորիթմների բարդ համակցություն (արհեստական ինտելեկտ, նեյրոնային ցանցեր, այսքանը) գումարած օգտատիրոջ միջերեսը: Մոդուլը «պոկում» է դեմքերը վիդեո հոսքից, որոշում սեռը և տարիքը և տվյալները մուտքագրում տվյալների բազա։

Աստիճանաբար ավելի շատ պատկերներ են հայտնվում: Համակարգը ինքնաբերաբար հիշում է բոլոր ճանաչված դեմքերը և գրանցում դրանք արխիվում, իսկ ընդունող օգտատերը նշում է լրացուցիչ տվյալներ՝ անուն, պաշտոն, կարգավիճակ, այլ նշաններ («VIP-հյուր» կամ «գող»): Դուք կարող եք վերբեռնել անհրաժեշտ անձի լուսանկարը, և մոդուլը կգտնի այս անձի բոլոր հայտնաբերումները արխիվում:

Հենց որ նշան ունեցող անձը կրկին անցնում է տեսախցիկի առջև, համակարգը գրանցում է դա որպես կարևոր իրադարձություն և ուղարկում push ծանուցում հետաքրքրված օգտատերերին։

Դեմքի ճանաչման համատեքստում հայտնաբերումը մի իրավիճակ է, երբ ալգորիթմը, սկզբունքորեն, հասկացավ, որ դա դեմք է, այլ ոչ թե խնձոր կամ ջրահարս Starbucks-ի գավաթից: Դրա համար նրան սկզբում անհրաժեշտ է հաշվողական ուժ, և միայն դրանից հետո կարող է դեմքը համապատասխանեցնել հիմքին կամ հիշել:

Եթե կարդացել եք նախորդ մի քանի պարբերությունները մինչև վերջ, շնորհավորում եմ, այժմ գիտեք, թե ինչպես է դեմքի ճանաչումը գործում իդեալական իրավիճակում: Նկարագրությունը հարմար է ցանկացած համակարգի համար՝ Մոսկվայի մետրոյում օգտագործվողներից մինչև փոքր բիզնեսի լուծումներ:

Հիմնական բանը հասկանալն այն է, որ դժվար է իրական կյանքում ստեղծել իդեալական իրավիճակ, հատկապես երբ խոսքը վերաբերում է ամբողջ քաղաքին, այլ ոչ թե գրասենյակին կամ խանութին: Օրինակ՝ մետրոյում շատ մարդիկ կան, բոլորը տարբեր են, արագ են քայլում։ Ձեզ անհրաժեշտ են շատ տեսախցիկներ, դրանք գումար են արժենում, և դրանք պետք է տեղադրեն իրավասու մասնագետները։

Հնարավո՞ր է խաբել դեմքի ճանաչման ալգորիթմին

Չնայած պատահական սխալներին, մեքենայի ճանաչման ճշգրտությունն արդեն հաճախ գերազանցում է այն, որով մարդիկ որոշում են դեմքերը: Չինաստանը կստեղծի դեմքերի ճանաչման հսկա տվյալների բազա՝ վայրկյանների ընթացքում ցանկացած քաղաքացուն նույնականացնելու համար շուտով Չինաստանում կհայտնվի մի համակարգ, որը կարող է 90% ճշգրտությամբ 3 վայրկյանում գտնել կոնկրետ մարդու 1,3 միլիարդ այլ բնակիչների մեջ:

Եվ, այնուամենայնիվ, դժվար է միանշանակ պատասխանել այս հարցին, քանի որ դեմքի ճանաչման մեկ իդեալական ալգորիթմ գոյություն չունի։Մեծ ակնոցներ, կպցրած մորուք, գլխարկ, շարժման բարձր արագություն, հատուկ դիմահարդարում (օրինակ՝ «Սև կարապ» վանդակը ներկված դեմքին, կատուներին, շրջանակներին և փայտիկներին: Ինչպես խուսափել դեմքի ճանաչման համակարգերից՝ օգտագործելով դիմահարդարում) - այս ամենը կարող է շփոթեցնել ալգորիթմը։ Հատկապես ընդհանուր առմամբ, քանի որ ճանաչման համար բավական է Ինչպես խաբել ճանաչման համակարգերը, թե արդյոք 70% բաց դեմքը: Հիմա պատկերացրեք, որ իրական քաղաքում անհրաժեշտ է կիրառել վերը նշված հնարքները։ Այնքան էլ հեշտ չի հնչում, չէ՞:

«Հակաճանաչողություն» ակնոցներ Ճապոնիայից, որոնք դեռ 2015թ

Եվ ահա այսպիսի 3D դիմակ 2014թ

Հնարավո՞ր է դեմքեր ճանաչել առցանց

Ինտերնետը պարադոքսալ տեղ է. մարդիկ այստեղ կարող են միաժամանակ անհանգստանալ, թե արդյոք փողոցում յուրաքանչյուր երկրորդ տեսախցիկը հայտնաբերում է իրենց անհատականությունը, և անկեղծորեն ցանկանում են «ճանաչել այլ մարդկանց դեմքերը իրենց լուսանկարներից առցանց»: Դեմքի ճանաչման այս միտումը դիտարկենք առանձին։

Դեմքի ճանաչման ծրագիրը կա՛մ վերը նկարագրված վերլուծական մոդուլն է (CCTV տեսախցիկ + ծրագրակազմ + ամպային պահեստավորում), կա՛մ հայտնի (թեթևակի սկանդալային) FindFace ծառայության նման ծրագրակազմ։ Այսօր, իհարկե, անհնար է ներբեռնել դեմքի ճանաչման ծրագիր «անվճար և առանց գրանցման» դեպքերի ճնշող մեծամասնությունում:

FindFace.ru վեբ ծառայությունը, որն օգնում է մարդկանց գտնել VKontakte սոցիալական ցանցում նրանց լուսանկարներով, հիմնադրվել է 2016 թվականի փետրվարի 18-ին։ Ի թիվս այլ բաների, նրա շնորհիվ բոլորը կարողացան գտնել պոռնոֆիլմերում նկարահանված աղջիկների պրոֆիլներ։ Շատ շուտով ծառայությունը սկսեց կիրառվել բազմաթիվ ֆլեշմոբների համար՝ դեմքեր հայտնաբերելու համար, որոնք բոլոր իրավունքներն ունեին երբեք չհայտնաբերելու ոչ ոքի կողմից։ Սկանդալ ծագեց, որն աշխատեց որպես վիրուսային գովազդ՝ ծառայության հիմքում ընկած տեխնոլոգիան արժանացավ մի շարք հեղինակավոր մրցանակների և առաջացրեց հաճախորդների հետաքրքրությունը պետության և բիզնեսի կողմից։ 2018 թվականի սեպտեմբերի 1-ից ծառայությունն այլևս չի տրամադրում FindFace ծառայությունը, որն օգտագործվում էր ցուցարարներին ճանաչելու համար, հայտարարել էր ֆոտոծառայությամբ մարդկանց որոնումների փակման մասին, քանի որ այն NtechLab-ի կողմից վերածվել էր լուծումների շարքի տարբեր բիզնես ոլորտների համար:

Հարցում մուտքագրող օգտատիրոջ երազանքն ակնհայտորեն այսպիսին է թվում՝ մտնում ես կայք, վերբեռնում մետրոյում գաղտագողի նկարված մարդու լուսանկարը, ծրագիրը ճանաչում է դեմքը և հղում է տալիս պրոֆիլին։ սոցիալական ցանցը։ Այո, բռնել են: Կամ այսպես. դուք ներբեռնում եք ծրագիրը ձեր համակարգչում, միացնում եք ձեր վեբ-տեսախցիկը և ճանաչում ձեր կատվի դեմքը: Հաջողություն – այժմ դուք ծանուցում կստանաք ամեն անգամ, երբ կատուն երշիկ է գողանում:

Իրականությունը դաժան է. Առաջին կայքը, որը ձեզ նման բան է առաջարկում, հրաժարվում է աշխատել, իսկ երկրորդը պահանջում է Python-ում ծրագրավորման հմտություններ։ Քիչ թե շատ երազանքի նման մի հավելված, որը կոչվում է SearchFace, որը վերջերս վերագործարկվել է Searchface-ը, վերագործարկվել է VKontakte-ի միջոցով թույլտվությամբ: Սակայն սոցիալական ցանցը փակել է FindClone կոչվող այս ֆունկցիան։ Դուք վերբեռնեցիք լուսանկար, և ալգորիթմը փորձեց նույն դեմքը ճանաչել VKontakte սոցիալական ցանցի տվյալների բազայում: Հավելվածը պրոֆիլի հղումներ չի տվել, միայն նկարներն իրենք են, և կարևոր չէ, թե ում կողմից են դրանք վերբեռնվել: Եթե օգտատերը երկար ժամանակ ակտիվ է սոցիալական ցանցում, լուսանկարի թողարկումը ահավոր «կենսագրական» էֆեկտ է ստեղծել, բայց եթե ոչ, ապա ճանաչված պատկերները կարող են ծիծաղ առաջացնել։

Իրականում SearchFace օրինակը հստակ պատասխանում է «Ինչպե՞ս են սոցիալական ցանցերն օգտագործում դեմքի ճանաչումը» հարցին։ Ավելի ճիշտ կլինի այսպես ձեւակերպել՝ «Ինչպե՞ս են սոցիալական ցանցերն օգտագործվում դեմքերի ճանաչման համար»։ Պատասխանը պարզ է՝ տվյալների բազայի նման: Թվերի եզակի համակցությունների անթիվ քանակություն (այսպես են փնտրում Ֆեյսբուքի, VKontakte-ի և այլոց ալգորիթմները լուսանկարում պատկերված դեմքերը) հիմք են հանդիսանում նեյրոնային ցանցերի ուսուցման համար, որոնք հիմք են հանդիսանում դեմքի ճանաչման այս կամ այն լուծման համար:

Լուծումները բոլորն էլ տարբեր են, և նեյրոնային ցանցերը նույնպես տարբեր են, և հաճախորդներն ու ծառայություններ մատուցողները, որպես կանոն, մանրամասներ և տեխնիկական հատկանիշներ չեն բացահայտում։Մասնավորապես, սեռի և տարիքի ճանաչման մոդուլը կարող է որոշել, քանի որ այն կարող է սովորել Odnoklassniki-ում, VKontakte-ում, Instagram-ում և Facebook-ում պարունակվող տեղեկություններից։

Ինչպես է ծրագրավորվում դեմքի ճանաչումը

Դուք երբեք ստիպված չեք լինի պատասխանել ծրագրավորողների և մշակողների հարցերին, եթե ծրագրավորող չեք: Ուստի մենք դիմեցինք մասնագետի օգնությանը։

Դմիտրի Սոշնիկով Արհեստական ինտելեկտի ռուսական ասոցիացիայի անդամ և Microsoft-ում AI և մեքենայական ուսուցման համակարգերի մշակման ավագ փորձագետ:

Դեմքի ճանաչումը (ինչպես նաև հարակից այլ գործողություններ) բավականին տարածված խնդիր է: Հետևաբար, շատ ընկերություններ պատրաստի ծառայություններ են մատուցում ամպային API-ների (ծրագրային միջնորդներ հավելվածների միջև) տեսքով՝ այս խնդիրների բարձրորակ լուծման համար։ Բացի ՏՏ հսկաներից, ինչպիսիք են Microsoft-ը և Google-ը, դեմքի ճանաչմամբ զբաղվում են նաև մասնագիտացված ընկերություններ, այդ թվում՝ ռուսական։ Նրանց արտադրանքը արագ զարգանում է և տալիս է ավելի հետաքրքիր առանձնահատկություններ, ինչպիսիք են ամբոխի մեջ դեմքերի և ուրվանկարների նույնականացումը:

Նեյրոնային ցանցը զրոյից մարզելը շատ ավելի դժվար է։ Մեզ անհրաժեշտ է նախնական տվյալների մեծ և որակյալ հավաքածու, այսինքն՝ տասնյակ և հարյուր հազարավոր (կամ նույնիսկ ավելին!) մարդկանց լուսանկարներ: Բացի այդ, կպահանջվեն զգալի հաշվողական ռեսուրսներ և AI և մեքենայական ուսուցման գիտելիքներ: Խոշոր ընկերությունները իրենց տրամադրության տակ ունեն այս բոլոր գործիքները, ուստի նրանք շատ ավելի լավ են լուծում խնդիրը:

Կա նաև միջանկյալ լուծում՝ օրինակ՝ օգտագործել արդեն պատրաստված նեյրոնային ցանց։ Այս տարբերակը, ամենայն հավանականությամբ, կաշխատի մի փոքր ավելի վատ, քան պատրաստի ամպային ծառայությունը, բայց թույլ կտա լիարժեք վերահսկողություն ունենալ համակարգի վրա։ Սա կպահանջի նեյրոնային ցանցերի և նեյրոնային ցանցերի շրջանակների աշխատանքի որոշակի մակարդակի իմացություն և, ամենայն հավանականությամբ, Python լեզվի որոշակի իմացություն, որը հայտնի է դարձել որպես հիմնական ծրագրավորման լեզու Data Science-ի մասնագետների շրջանում:

Իսկապես, NumPy հիանալի փաթեթի շնորհիվ հարմար է իրականացնել տարբեր փորձեր, պատկերացնել տվյալները և կատարել արդյունավետ մատրիցային հաշվարկներ: Սա արդյունաբերական զարգացման լավագույն լեզուն չէ, քանի որ այն չի պարունակում արդյունավետ գործիքներ մեծ անվտանգ ծրագրային համակարգեր ստեղծելու համար, սակայն դրա այլընտրանքները դեռևս չկան խորը նեյրոնային ցանցերի ուսուցման ոլորտում:

Ինչպես է դեմքի ճանաչումը գործում բիզնեսում

Ֆինտեխ, մանրածախ և այլ տեսակի բիզնեսում դեմքի ճանաչման պահանջարկն ուղղակիորեն կապված է տեխնոլոգիաների մատչելիության ավելացման հետ: Մեխանիկա պարզ է. բոլոր ձեռնարկությունները և բոլոր կազմակերպությունները ունեն CCTV տեսախցիկներ, որոնք օգտագործվում են որպես տվյալների հավաքագրման և հետագա վերլուծության գործիքներ: Աշխարհում տեսահսկման համակարգերը ամսական Full HD-ով նկարահանում են տերաբայթներով տեսանյութ, այսինքն՝ մշակման համար իսկապես շատ ինֆորմացիա կա։

Տվյալների վերլուծության համար անհրաժեշտ ծրագրակազմը արտադրողի կողմից կարող է «թարթել» սարքի վրա: Ներքին տեսավերլուծության տեսախցիկները սովորաբար բավականին թանկ են:

Այլընտրանքային տարբերակ է ամպի վերլուծությունը, այսինքն՝ հեռավոր տվյալների կենտրոնը, որը միանում է ցանկացած էժան տեսախցիկի: Սա մեծության կարգով ավելի էժան է, գումարած այն տալիս է ճկունություն. դուք կարող եք լուծումներ հարմարեցնել կոնկրետ բիզնեսի համար:

Աճում է դեմքի ճանաչման տեխնոլոգիայի ժողովրդականությունը գործունեության տարբեր ոլորտներում։ Օրինակ, Սբերբանկը առաջատարներից է դեմքերի ճանաչման տարբեր բարձրակարգ նախագծերի հայտարարման առումով, և կարող է պնդել, որ Նա ձեզ ճանաչում է հազարից. միայն Tinkoff. 2017թ.-ին Սբերբանկը ձեռք բերեց Սբերբանկը և ներդրեց VisionLabs-ի 25,07%-ը դեմքերի ճանաչման տեխնոլոգիայի մեջ, որը ստեղծում է ծրագրակազմ դեմքի ճանաչման համար: 2018-ին ֆինանսական հաստատությանը հաջողվել է փորձարկել դեմքի ճանաչումը Մոսկվայի մետրոյում և նույնիսկ բռնել 42 հանցագործի Սբերբանկի դեմքերի ճանաչման համակարգի շնորհիվ 42 հանցագործ է բռնվել՝ փորձարկելու համար: Այն ձեզ կճանաչի հազարից. բանկոմատների աչքերը դեմքի նույնականացումով, որպեսզի հարձակվողները չկարողանան գումար հանել այլ մարդկանց քարտերից, ինչպես նաև հայտարարել կենսաչափական տվյալների հավաքագրման մասին (ձայնի ձայնագրություն,դեմքի տեսանյութ) հաճախորդների: Այս տարվա ապրիլին Սբերբանկը վերահսկում է ձայնի և դեմքի ճանաչման համակարգերի մշակողը` «Խոսքի տեխնոլոգիաների կենտրոնը» (MDT):

Ուրիշ բան, որ լուծումներ հայտարարել, փորձարկել, փորձարկել և գնել, չի նշանակում իրականում իրականացնել։ Թե կոնկրետ ինչ է այժմ իրականում օգտագործվում Սբերբանկում (և արդյո՞ք այն օգտագործվում է), ըստ էության, կարող է վստահորեն ասել միայն Գերման Գրեֆը:

Մանրածախ առևտրի դեպքում ամեն ինչ ավելի թափանցիկ է: Հիմնականում այստեղ երեք խնդիր կա, որոնք լուծում է դեմքի ճանաչումը։

Նախ՝ գողություն. Խանութները ղեկավարում են խաբեբաները, և հաճախ նույն մարդիկ նույն ցանցում: Դեմքի ճանաչումը թույլ է տալիս բացահայտել «դրեյֆտային գողերին» և այլ մարդկանց, ովքեր նախկինում խախտել են կարգը: Հենց որ ներխուժողը մուտք է գործել տվյալների բազա՝ խանութ մտնելուց հետո, անվտանգությունը ծանուցում կստանա մեսենջերում կամ այլ հարմար եղանակով։

Երկրորդ՝ սովորական հաճախորդների հետ աշխատելու դժվարությունը։ Պարզապես բավարար տվյալներ չկան գնումների և ծննդյան օրերի վերաբերյալ՝ VIP-ների և ապրանքանիշի երկրպագուների համար առաջարկներն անհատականացնելու համար: Դեմքի ճանաչումը կարող է ինտեգրվել CRM-ի հետ, այսինքն՝ ծրագրային ապահովման, որտեղ մենեջերները մուտքագրում են կազմակերպության բոլոր գործարքների վերաբերյալ բոլոր տեղեկությունները: Գողերի և VIP-երի դեպքում դեմքի ճանաչումն աշխատում է մոտավորապես նույն կերպ՝ դեմքը մուտքագրվում է սև կամ սպիտակ ցուցակում, և երբ այն նորից հայտնվի, համակարգը ազդանշան կտա մուտք ունեցող անձին: Սեռը և տարիքը որոշվում են ավտոմատ կերպով, իսկ պատասխանատու աշխատակիցը կավելացվի լրացուցիչ տեղեկատվություն:

Երրորդ, մանրածախ նույնականացումն օգտագործվում է նպատակային գովազդի համար: Օրինակ՝ որոշ խանութներում X5 Retail Group-ում տեղադրված X5-ը կներառի համակարգչային տեսողության տեսախցիկներ՝ հաճախորդների դեմքի արտահայտություններն ու տարիքը ճանաչելու համար: Այս տվյալները վերլուծելով՝ համակարգը առևտրային հարթակի մոնիտորի էկրանին ցուցադրում է ապրանքներ, որոնք մարդուն կարող են դուր գալ: Մեկ այլ վառ օրինակ է Lolli & Pops-ը, որը հրուշակեղենի խոշոր խանութն է Միացյալ Նահանգներում: Դեմքի ճանաչման համակարգը որոշում է Ձեր ապագա հավատարմության ծրագիրը խանութում կսնվի սովորական հաճախորդների դեմքի ճանաչման միջոցով և ծանուցումներ կուղարկի նրանց սմարթֆոններին այն ապրանքների հետ, որոնք նրանք կարող են հավանել (հաշվի առնելով անհատական նախասիրությունները և նույնիսկ սննդային ալերգիաները):

Մանրածախ առևտրում տեխնոլոգիաների կիրառման մեկ այլ վառ օրինակ են վաճառողներ չունեցող խանութներն ու դրամարկղերը: Օրինակ, Alibaba Tao Cafe Amazon Go vs Alibaba Tao Cafe: Staffless Shop Showdown-ը սրճարան և ինքնասպասարկման խանութ է, որը գտնվում է Հանչժոուում: Այն վաճառում է խմիչքներ, խորտիկներ, մթերքներ, խաղալիքներ, ուսապարկեր և այլն: Tao Cafe-ն բաց է միայն Taobao կայքի օգտատերերի համար:

Խմիչք գնելիս դեմքի ճանաչման աջակցությամբ տեսախցիկի համակարգը ավտոմատ կերպով նույնականացնում է հաճախորդին, միանում առցանց խանութի նրա հաշվին և մշակում վճարումը։ Գնորդները դուրս են գալիս մի տարածքից, որը հագեցած է բազմաթիվ սենսորներով, որոնք նույնացնում են և՛ հաճախորդին, և՛ ապրանքը: Սկանավորումն աշխատում է նույնիսկ եթե անձը գնումը դնում է գրպանում կամ պայուսակում:

Ինչպե՞ս է զարգանում դեմքի ճանաչման տեխնոլոգիան

Face ID CCTV համակարգերն իսկապես գրավում են աշխարհը: Մոսկվայում տեսախցիկների թիվը 2019 թվականին կհասնի Բարձր տեխնոլոգիաների և անվտանգության. քանի տեսախցիկ կհայտնվի այս տարի՝ 174 հազար. Սա չի նշանակում, որ այս բոլոր սարքերը լռելյայնորեն կարող են ճանաչել մարդուն. ամենից հաճախ հաղորդվում է, որ տեսախցիկների միջոցով հետախուզվող հանցագործներին ճանաչելու համակարգը Մոսկվայում կսկսի գործել 2019 թվականին այս գործառույթով մոտ 160 հազար տեսախցիկ։ Այնուամենայնիվ, 2018-ի վերջին Մոսկվայի քաղաքապետարանը հայտարարեց Մոսկվայի իշխանությունների մտադրության մասին 2019-ին նրանք պատրաստվում են փոխարինել տեսախցիկները և գործարկել դեմքի ճանաչման համակարգ՝ փոխարինելու բոլոր տեսահսկման սարքերը և հաջորդ տարի ձևավորել ամբողջովին նորարարական համակարգ։

Պարադոքսն այն է, որ 160 հազարն այդքան էլ շատ չէ։ Հատկապես երբ համեմատվում է դեմքի ճանաչման թեմայով որոնման հարցումների մեկ այլ առաջատարի՝ Չինաստանի հետ:2017-ի վերջում հայտնվեց «Ի դեմս քո. Չինաստանի բոլոր տեսանելի պետությունը» ավելի քան 170 միլիոն CCTV տեսախցիկներ և հաջորդ երեք տարիների ընթացքում Չինաստանի «Մեծ եղբայր» հսկողության տեխնոլոգիան այնքան էլ տեսանելի չէ, որքան կառավարությունը ցանկանում է, որ մտածես: միանալ ցանցին դեռ մոտ 400 մլն.

Դեմքի ճանաչման իրավասու և ճիշտ օգտագործումը հիմնականում աշխատում է անվտանգության և հարմարավետության բարելավման համար: Մարդիկ սովորաբար արագ վստահություն են ձեռք բերում տեխնոլոգիայի նկատմամբ, որը փրկում է նրանց ֆուտբոլային հանդիպման համար հերթագրվելուց (ժպտում է տեսախցիկի մոտ. անցավ), կանխում է գողությունն ու խուլիգանությունը կամ օգնում է նրանց ավելի քիչ ծախսել գնումների վրա (հավատարմության ծրագրեր): Այս ամենն, իհարկե, պահանջում է որոշակի կարգավորում՝ ահա թե ինչու են ընդունվում անձնական տվյալների պաշտպանության մասին օրենքներ։

Ապագայում, հավանական է, որ տեսահսկման համակարգերում դեմքի ճանաչման ոլորտը կկարգավորվի այնպես, ինչպես ինտերնետում դեմքի նույնականացման հետ աշխատելու ներկայիս պրակտիկան: Գաղտնիության մասին մտածող մարդիկ պարզապես շատ չեն վերբեռնում համացանցում. SearchFace-ի մասնակի ֆիասկոն ապացուցում է, որ նման ռազմավարությունը արդյունավետ է:

Իհարկե, չի կարելի անվերջ սահմանափակվել միայն փողոցներով քայլելով, որտեղ տեսախցիկներ են տեղադրված ամեն խաչմերուկում, բայց անանունությունը պահպանելու հնարավորություն կձևավորվի, եթե լինի հասարակության համապատասխան խնդրանքը։