CC BY
2УДК 004
Мубинова Э.С.
студент кафедры цифровой экономики Казанский национальный исследовательский технический университет
им. А.Н. Туполева (г. Казань, Россия)
ЭВОЛЮЦИЯ ТЕХНОЛОГИЙ РАСПОЗНАВАНИЯ ЛИЦ И ИХ ВЛИЯНИЕ НА ОБЩЕСТВЕННОЕ ВОСПРИЯТИЕ БЕЗОПАСНОСТИ
Аннотация: технологии распознавания лиц (ТРЛ) прошли путь от простых алгоритмов до сложных ИИ-систем, используемых в различных отраслях. С их развитием изменяется и общественное восприятие безопасности, конфиденциальности и личных свобод. Эта статья рассматривает эволюцию ТРЛ, их влияние на общественные представления о безопасности и влияние на законодательство и регуляцию.
Ключевые слова: распознавание лиц, глубокое обучение, машинное обучение, эволюция технологий, массовое наблюдение, общественная безопасность, система распознавания.
Технологии распознавания лиц зародились в середине XX века с простейших методов идентификации на основе двухмерных изображений. Однако с появлением машинного обучения и более поздним развитием глубокого обучения, точность и возможности таких систем значительно увеличились. Сегодня ТРЛ применяются для самых разных целей: от мониторинга общественной безопасности до использования в коммерческих приложениях, таких как разблокировка смартфонов или системы контроля доступа.
Технологии распознавания лиц, несмотря на их преимущества для безопасности, вызывают вопросы о конфиденциальности, наблюдении и возможных злоупотреблениях, что формирует общественное восприятие.
Эволюция технологий распознавания лиц:
1. Ранние методы.
Первые системы распознавания лиц появились в 1960-х годах и основывались на двухмерных изображениях. Эти системы были ограничены в возможностях из-за низкой вычислительной мощности. [1]
2. Машинное обучение и рост возможностей.
Второе поколение ИИ характеризуется использованием статистических методов и машинного обучения [2]. Это позволило создавать более точные модели распознавания лиц, обучаемые на больших массивах данных. Такие системы могли более эффективно учитывать изменения в выражении лица, угле наклона головы или освещении.
3. Глубокое обучение и нейронные сети.
Третье поколение ИИ представлено глубоким обучением и нейронными сетями [2]. Использование CNN позволяет анализировать лицо в различных условиях и с высокой точностью. Эти системы открывают новые возможности для применения.
С развитием технологий их применение, особенно в сфере безопасности, возрастает. Системы распознавания лиц помогают находить преступников и предотвращать теракты, но вызывают опасения по поводу конфиденциальности и тотального контроля. Возможные злоупотребления данными и ложные срабатывания, особенно в отношении людей с тёмным цветом кожи, усиливают общественные страхи. В ответ на это многие страны, как Европа с GDPR, вводят строгие законы для контроля использования таких систем, тогда как в Китае их применение остаётся практически неограниченным, отражая глобальные различия в регулировании.
Как можно видеть на Рисунке 1, благоприятная нормативно-правовая среда, конкурентные расходы, опыт и знания (обучение), а также масштабы
использования были указаны как ключевые предварительные условия для внедрения новых технологий.
90% 80% _ 70% 60% 50% -10% 30% 20% 10% от»
Благоприятный Конкурентные режим издержки
регулирования шш ети мул и ро ван ня
Рис. 1. Какие предварительные условия позволяют внедрять и использовать новые технологии в 2021г. [3].
Ключевыми условиями для внедрения новых технологий являются нормативно-правовая среда, конкурентные затраты, опыт и масштабы использования. Надзорные органы должны проактивно поддерживать внедрение технологий, что повысит их эффективность и выполнение стандартов ПОД/ФТ. Активное содействие ФАТФ и надзорных органов поможет устранить вопросы рисков и доверия, поддерживая частный сектор через конкурсы, инкубаторы и инновационные центры. При этом ФАТФ и национальные органы не должны поддерживать конкретные технологии, а лишь способствовать инновациям под соответствующим регулированием.
Технологии распознавания лиц будут развиваться, и важно, чтобы их интеграция в общественную жизнь происходила с учетом защиты прав на личную жизнь и этических принципов. Усиление регулирования, особенно в демократических странах, будет определять будущее этих технологий, стремясь к балансу между безопасностью и конфиденциальностью.
СПИСОК ЛИТЕРАТУРЫ:
1. Технология распознавания лиц: тайная история // Нетология: образовательная платформа [Электронный ресурс]. URL: https://netology.ru/blog/08-2020-raspoznavanie-lits-istoriya (дата обращения: 25.08.2024);
2. Луценко, Е. В. Революция начала XXI века в искусственном интеллекте: глубинные механизмы и перспективы / Е. В. Луценко, Н. С. Головин. - Краснодар: Кубанский государственный аграрный университет им. И.Т. Трубилина, 2024. - 394 с. - DOI 10.13140/RG.2.2.17056.56321. - EDN OMIPIL;
3. Возможности и проблемы новых технологий в сфере ПОД/ФТ // mumcfm.ru [Электронный ресурс]. URL: https://mumcfm.ru/mediateka/762?format=document (дата обращения: 22.08.2024);
4. Nandy A., Haldar S., BanerjS., Mitra S. A Survey on Applications of Siamese Neural Networks in Computer Vision // International Conference for Emerging Technology (INCET), Belgaum, India, 2020, -P.1-5. DOI: 10.1109/INCET49848.2020.9153977;
5. Швецов Д. Основные тенденции развития технологии распознавания лиц [Электронный ресурс] // Современные технологии автоматизации. 2020. №2. -С. 6-12
Mubinova E.S.
Kazan National Research Technical University named after A.N. Tupolev
(Kazan, Russia)
EVOLUTION OF FACIAL RECOGNITION TECHNOLOGIES AND THEIR IMPACT ON PUBLIC PERCEPTION OF SECURITY
Abstract: facial recognition technologies have gone from simple algorithms to complex AI systems used in various industries. With their development, the public perception of security, privacy and personal freedoms is also changing. This article examines the evolution of TRL, their impact on public perceptions of safety and their impact on legislation and regulation.
Keywords: face recognition, deep learning, machine learning, technology evolution, mass surveillance, public safety, recognition system.
