Fragment uit film face off.

Een digitale unieke kaart van je gezicht die elke afbeelding van jou kan plukken uit een dataset en die je live uit een publiek kan halen.

Dat is samengevat wat men omschrijft als Gezichtsherkenningstechnologie.

Deze software is geëvolueerd van loutere detectie van een gezicht naar herkenning van een gezicht op een livestream of zelfs het associëren van je uitdrukking met gevoelens.

Voor gezichtsherkenning zijn verschillende basisomkaderingen ontwikkeld door volgende spelers:
FaceNet (Google), DeepFace (Facebook), VGGFace (Oxford), and OpenFace (CMU), Amazon Rekognition (Amazon)

Die maken het mogelijk om gezichten te detecteren, te herkennen, te verifiëren en te clusteren. Bijvoorbeeld het FaceNet-systeem van Google kan op grote schaal worden gebruikt dankzij meerdere open-source-implementaties van het model door derden en de beschikbaarheid van vooraf getrainde modellen. TensorFlow is een gratis en open source softwarebibliotheek voor machine learning en kunstmatige intelligentie. Het kan voor verschillende taken worden gebruikt, maar heeft een bijzondere focus op het trainen van diepe neurale netwerken.

Gezichtsherkenning is machine learning, waarbij grote datasets ( met afbeeldingen ‘labeled faces in the wild’, …) worden ingevoerd en je software kan trainen op nauwkeurigheid van resultaten. Hier geef je dus je portret in, waarbij de software datapunten in je gezicht zal vastleggen. Komen er in de data nog identieke punten voor dan zit er ook een foto van jou in de data of loop je ergens rond op de beelden.

Toepassingen van facial recognition zijn onder meer het identificeren van mensen, het clusteren van foto’s bij een bepaalde gebruiker, identificeren van gevoelens en crowdcontrol.

Vele mensen uit het Westen plaatsen terecht vraagtekens bij deze technologie.

Een goede omkadering is nodig. Het gebruik en installatie van deze software gaat steeds makkelijker en wordt toegankelijker voor veel developers. Gezichtsherkenning kwam vooral in de actualiteit naar aanleiding van het gebruik door overheidsinstanties om mensen op te sporen (clearview). Mensen werden lastiggevallen op basis van een onnauwkeurige match waardoor ze vals positief herkend werden, logisch dat dit aan banden wordt gelegd.

Machine learning/deep learning is echter zoveel meer dan enkel gezichtsherkenning, het is voornamelijk het structureren van ongestructureerde data waardoor in de data verdere antwoorden/regelmatigheden bij benadering worden gevonden.

Nauwkeurigheid en uitlegbaarheid van de resultaten zijn essentieel maar niet eenvoudig, hierover later meer. Op https://www.kaggle.com/ kan je leuke beginnerswedstrijden terugvinden op datasets, mocht je hierin interesse hebben. Er zijn prachtige toepassingen bijvoorbeeld in de medische wereld, zo kan men melanomen detecteren, het is dus niet allemaal Black Mirror-vibes, technologie is nog altijd een middel.

Wat is de stand van zaken nu in verband met Artificiële intelligentie:

– Meer specifiek moeten we bij het verwerken van persoonsgegevens en in het bijzonder van biometrische gegevens rekening houden met de GDPR. Biometrische gegevens zijn een bijzondere categorie van persoonsgegevens (artikel 9 GDPR, er is in principe een verbod tenzij aan één van de strikte omkadering is voldaan – bijvoorbeeld de uitdrukkelijke toestemming)

– Ondertussen dient men ook rekening te houden met de Digital Services Act en de Digital Markets Act. De Services Act reguleert de tussenhandeldiensten (mere conduit, caching, hosting diensten) en voorziet in betere tenuitvoerlegging (wat illegaal is offline is ook illegaal online – notice and take down procedures zullen erkend worden) en de Digital Markets Act voert zogenaamde ‘Poortwachters’ in, grote platformen zullen op voorhand weten welke regels te volgen. Later meer over de verhouding met decentrale toepassingen.

– Voor Ontwikkelaars ligt het voorstel tot een verordening voor en is nu het voorwerp van grondige discussies, de zogenaamde AI-regulation.

De verordening volgt een risicogebaseerde aanpak, waarbij een onderscheid wordt gemaakt tussen AI-toepassingen die

i) een onaanvaardbaar risico,
ii) een hoog risico,
en iii) een laag of minimaal risico met zich meebrengen.

Bij een hoog risico zijn er heel wat verplichtingen die worden omschreven, zo onder meer een impact assessments. ( Data & Maatschappij heeft hier al mooie sessie rond georganiseerd.) Voor bepaalde AI-systemen die interageren met mensen dienen er extra transparantie-verplichtingen in acht genomen te worden.
Het voorstel kan je terugvinden op volgende link: VOORSTEL

. De verordening wordt verwacht tegen 2023, maar ontwikkel je software met AI-systemen zorg dan voor de juiste compliance-systemen van meet af aan.

– Een duidelijker kader voor overheidstoepassingen van gezichtsherkenning. In principe is er een verbod voor realtime gezichtsherkenning in openbare ruimten voor de rechtshandhaving tenzij in uitzonderlijke gevallen.
De EDPB heeft in mei 2022 guidelines uitgewerkt inzake AI. Deze guidelines mogen becommentarieerd worden tot juni 2022 – GUIDELINES

In de huidige stand van de technologie volgt de software opnieuw de instructies van de opdrachtgever.

Je bent verantwoordelijke voor de antropocentrische toepassingen van de technologie en moet kunnen aantonen dat rechten en vrijheden van mensen gerespecteerd worden. Zo niet zullen in de toekomst boetes worden opgelegd. Wil je wat hulp met al deze compliance, contacteer mij dan gerust