پانسمان برای نظارت سن

تام گلدشتاین استادیار علوم کامپیوتر در دانشگاه مریلند در زمان "ردای نامرئی" از یک شمع بر روی یک صندلی در دفتر خود کشیده و آن را در بیش از سر خود را. به چشم من آن نگاه مانند یک شل سرعت باد ساخته شده از پلی استر براق چاپ شده با شعله ور رنگ در اشکال بی شکل که به دور از تبدیل گلدشتاین نامرئی ساخته شده او غیر ممکن است به از دست ندهید.

آن را در اواسط ژانویه. اوایل که صبح امروز در جستجو برای یک لباس مناسب برای خنثی کردن همه از دیدن چشم از نظارت دستگاه من گرفته بود قطار از شهر نیویورک به کالج پارک. همانطور که من سوار مترو از بروکلین به پن ایستگاه و سپس سوار Amtrak برای سفر, جنوب, من شمارش دوربین های مدار بسته; حداقل بیست و شش من رفتن و بازگشت. هنگامی که شما از یک شهر کوچک به عنوان من, که در آن هر کس می داند که خود را چهره های گمنامی—توانایی به ناپدید می شوند به یک جمعیت—یکی از لذت های بزرگ زندگی شهری. به عنوان شهرستانها تبدیل به نظارت مراکز بسته بندی شده با دوربین های دیجیتال است که همیشه در مکان عمومی, گمنامی می تواند ناپدید می شوند. آیا هر چیزی که مد می توانید انجام دهید ؟

من می توانستم فرسوده جراحی ماسک در سفر من ظاهرا به دلایل بهداشتی; گزارش یک غیر قابل توضیح شیوع پنومونی در چین شد, اخبار, و من می خواهم خال دار یک زن در C قطار در یک N95 ماسک ماسک که تا به حال سیاه و سفید اطلسی پایان برساند. هنگامی که من به صحبت کرد آرون راس کامپیوتر-چشم انداز محقق در دانشگاه ایالتی میشیگان او به من گفت که یک فولاد ماسک به تنهایی ممکن است بلوک به اندازه کافی از چهره من را pixels, دیجیتال شات برای جلوگیری از یک چهره-تشخیص سیستم از ساخت یک بازی; برخی از الگوریتم های بازسازی می تواند occluded قطعات از چهره مردم. به عنوان coronavirus گسترش از طریق چین SenseTime چینی A. I. شرکت ادعا کرد که توسعه یک الگوریتم است که نه تنها می توانیم یک جراحی نقاب چهره با پوشنده لباس سازمان ملل متحد occluded چهره, اما همچنین می تواند با استفاده از تصویربرداری حرارتی برای تشخیص یک درجه حرارت بالا و تشخیص اینکه آیا این فرد با پوشیدن ماسک. برای مقاصد کامل چهره و پوشش مانند Guy Fawkes ماسک محبوب ساخته شده توسط "V for Vendetta" رمان های گرافیکی و فیلم را انجام داده اند اما من شک دارم که آیا افغانستان می خواهم که اجازه دهید من در قطار. در طول اشغال وال استریت نیویورک اجرا پیر ضد ماسک قوانین برای جلوگیری از معترضان از پوشیدن آنها.

گلدشتاین شنل نامرئی ساز برخورد با پلنگ-نسخه قابل چاپ همراه-مسدود کردن سیگنال فارادی کیسه های ساخته شده توسط Silent, جیب, در, که من انجام شده تلفن من به طوری که من محل نمی تواند دنبال شود. به عنوان یک کالای لوکس که عبا به دور از شکوه امواج کت یک نمونه اولیه از anti-نظارت outerwear که من تا به حال تضعیف در چند هفته قبل از آن در Coop Himmelb(l)au, معماری استودیو در وین. این امواج کت یکی-از-یک-نوع مچ پا و طول لباس با نرم پایان و جریان باد و مانند عربی thawb است به انتظارنشسته بودند با تلفن همراه-مسدود کردن فلزی پارچه و پوشش داده شده با الگوهای که مبهم شبیه قطعات بدن است که به طور بالقوه می تواند ارائه تکنولوژی شخصی نامرئی به الکترونیکی-شی آشکارسازهای. Swaddled در cushy کت من حداقل می تواند تظاهر به مطلق استاد از اطلاعات شخصی من حتی اگر طراحان آن گرگ و سوفی جایزه نمی خواهد به من اجازه ترک استودیو در آن است.

این شنل نامرئی ساز در حالی که نه به عنوان باند فرودگاه-آماده به برخی از نظارت سایش را یک مزیت بزرگ بیش از سایر موارد مد است که با هدف به اشتباه الگوریتم است که کنترل سیستم های نظارت: عبا را طراح بود یک الگوریتم است.

برای قرار دادن با هم یک Jammer ساز و برگ برای من سبک پانسمان—چیزی شبیه خفا streetwear—من اول نیاز به درک چگونه ماشین آلات ببینید. در مریلند گلدشتاین به من گفت به گام در مقابل یک دوربین ویدئویی است که پیش بینی من زنده تصویر بر روی یک صفحه نمایش نصب شده بر روی دیوار دفتر خود را در Iribe مرکز دانشگاه hub برای علوم و مهندسی کامپیوتر. صفحه نمایش نشان داد در زمستان علف های هرز تیره و جین ژاکت نیروی دریایی و سیاه و سفید کفش ورزشی. تصویر من بود در حال اجرا از طریق یک شی آشکارساز به نام YOLO (شما تنها یک بار) یک سیستم بینایی به طور گسترده ای به کار گرفته شده در روبات ها و در دوربین مدار بسته. من نگاه دوربین و تصویر که گذشت همراه من عصب بینایی به مغز من.

در سفر با قطار را به مریلند من به تماشای درختان عبور من پنجره من نگاه دیگر مسافران و من خواندن کتاب من همه بدون آگاه بودن از فوق العاده پیچیده پردازش در مغز من. گیرنده در شبکیه ما ضبط تصاویر, تبدیل نور به سیگنال های الکتریکی است که در امتداد عصب بینایی. قشر بینایی اولیه در لوب اکسیپیتال در عقب سر فرستد و سپس این سیگنال های که در حال انتقال چیزهایی مانند لبه های رنگ و حرکت است. به این طریق یک سری از سلسله مراتبی مغزی لایه های مغز دوباره آنها را به اشیاء که در نوبه خود دوخته با هم به صحنه های پیچیده است. در نهایت حافظه بصری سیستم در قشر به رسمیت می شناسد و آنها را به عنوان درختان, مردم و یا کتاب من است. همه از این در حدود دو صد میلی ثانیه است.

ساختمان ماشین آلات است که می تواند فرآیند و تشخیص تصاویر به عنوان دقت به عنوان یک انسان شده است, همراه با آموزش ماشین آلات به عنوان خوانده شده صحبت می کنند و نوشتن زبان ما یک جام مقدس مصنوعی-هوش تحقیقات از اوایل دهه شصت. این ماشین نمی بینم کلی نگر یا آنها را در pixels دقیقه غلات از نور را تشکیل می دهند که یک تصویر عکاسی. در سپیده دم از A. I. مهندسین تلاش برای "مشبك" برنامه های کامپیوتری برای استخراج اطلاعات مفید در پیکسل است که سیگنال به دستگاه چه نوع شی آن دنبال شد. این بود که اغلب به دست آمده توسط استخراج اطلاعات در مورد جهت گیری از لبه های یک تصویر به تصویر لبه ها به نظر می رسد همان تحت شرایط نوری مختلف. برنامه نویسان سعی کردم به طور خلاصه محتوای یک تصویر با محاسبه یک لیست از اعداد به نام "امکانات" که توصیف جهت لبه ها و همچنین بافت و رنگ و شکل.

اما پیشگامان به زودی با مشکل مواجه شد. مغز انسان دارای یک توانایی قابل توجه به عنوان آن فرآیندهای یک شی قطعات برای ذخیره مطالب مفید در حالی که پرتاب دور مزاحمت "متغیر" مانند, نور, سایه ها و دیدگاه. A. I. محققان نمی تواند توصیف دقیقا چه چیزی باعث می شود یک گربه قابل تشخیص به عنوان یک گربه اجازه دهید به تنهایی این کد را به یک فرمول ریاضی است که تاثیر پذیری بی نهایت متغیر شرایط و صحنه های که در آن یک گربه ممکن است به نظر می رسد. آن را غیر ممکن بود به کد شناختی جهش است که مغز ما را هنگامی که ما تعمیم است. به نوعی ما می دانیم که این گربه حتی زمانی که ما با گرفتن تنها یک جزئی نگاه اجمالی از آن و یا دیدن یک کارتون.

محققان در سراسر جهان از جمله کسانی که در دانشگاه مریلند دهه را صرف آموزش ماشین آلات برای دیدن گربه در میان چیزهای دیگر اما تا سال 2010 بینایی کامپیوتر یا C. V. هنوز هم تا به حال یک خطا با نرخ حدود سی درصد تقریبا شش برابر بیشتر از یک فرد معمولی است. پس از 9/11 وجود دارد بسیار صحبت از "هوشمند" دوربین های مدار بسته است که می تواند تشخیص چهره اما این فناوری کار کرده و تنها زمانی که تصاویر گذرنامه با کیفیت; آن را شکست خورده در چهره "در طبیعت" -- است که در جهان واقعی است. بشر در سطح جسم به رسمیت شناختن تصور می شد به یک فرض مشکل در جایی بیش از علمی افق.

یک انقلاب بود در آینده ، ظرف پنج سال ماشین می تواند انجام دهد به رسمیت شناختن شی نه فقط انسان بلکه مافوق بشری عملکرد با تشکر از یادگیری عمیق در همه جا به روش A. I., که در آن الگوریتم است که پردازش داده های ورودی یادگیری از طریق چندین آزمون و خطا چرخه. در آموزش مبتنی بر کامپیوتر چشم انداز استخراج ویژگی و نقشه برداری انجام می شود توسط یک شبکه عصبی یک صورت فلکی های عصبی مصنوعی. آموزش یک شبکه عصبی با یک پایگاه داده بزرگ از تصاویر از اشیاء و یا چهره های الگوریتم را یاد بگیرند به درستی تشخیص اشیاء و یا چهره آن را پس از آن برخورد. تنها در سال های اخیر کافی دیجیتالی مجموعه داده و گسترده مبتنی بر cloud computing منابع توسعه داده شده است که اجازه می دهد این داده ها و قدرت های تشنه رویکرد به کار می کنند. میلیاردها trial-and-error چرخه ممکن است مورد نیاز برای یک الگوریتم به شکل نه تنها آنچه را که یک گربه به نظر می رسد اما چه نوع از گربه است.

"کامپیوتر-مشکلات بینایی است که دانشمندان گفت: نمی توان غلبه بر طول عمر ما حل شد در یک زن و شوهر از سال" گلدشتاین به من گفته بود که ما برای اولین بار ملاقات در نیویورک است. او افزود: "دلیل علمی جامعه بسیار شوکه توسط این نتایج آنها موج دار شدن از طریق همه چیز—این است که ما باید از این ابزار است که رسیدن به humanlike عملکرد است که هیچ کس تا به حال به فکر ما را داشته باشد. و ناگهان نه تنها ما آن را داشته باشد اما آن چیزهایی که در حال راه crazier این از ما می تواند تصور است. این نوع از ذهن باد."

راما Chellappa یک استاد در دانشگاه مریلند است که یکی از محققان در این زمینه به من گفت: "اجازه بدهید به شما یک قیاس است. بیایید فرض کنیم وجود دارد ده ادیان بزرگ در جهان است. اگر چه پس از سال 2012 همه چیز را تبدیل به یک دین است ؟ چگونه خواهد بود؟" با کامپیوتر-vision روش, او گفت:, "که در آن ما هستند."

کامپیوتر می تواند در حال حاضر به دنبال اختلال در یک CT اسکن به طور موثر به عنوان بهترین رادیولوژیست. زیر آب C. V. تواند مستقل نظارت شیلات جمعیت یک وظیفه است که انسان را کمتر قابل اعتماد و آهسته تر. Heineken با استفاده از C. V. به بازرسی هشتاد هزار بطری در ساعت تولید شده توسط مرکز آن در فرانسه—بسیار خسته کننده کنترل کیفیت کار قبلا انجام شده توسط مردم است. و پس از آن وجود دارد نظارت tech مانند YOLO آشکارساز من ایستاده بود و در مقابل در حال حاضر.

هیچ کس اشتباه من برای براد پیت من فکر سندی تصویر من اما هیچ کس را اشتباه من برای یک گربه یا. به YOLOاما من صرفا مجموعه ای از پیکسل. گلدشتاین با صبر و حوصله مرا از طریق YOLO's ویژوال روند. سیستم نقشه زنده تصویر دیجیتالی من, اندازه گیری روشنایی هر پیکسل. سپس پیکسل عبور از طریق صدها نفر از لایه های شناخته شده به عنوان پیچش ساخته شده از نورون مصنوعی یک فرایند است که گروه پیکسل های همسایه با هم به لبه و سپس لبه ها را به اشکال و به همین ترتیب تا زمانی که در نهایت شما یک فرد است. مزاحمت متغیر—زهر صنایع C. V.—حذف می شوند در طول راه به عنوان پیکسل مقطر به ویژگی های که رمز حضور من. همه این اتفاق می افتد در مورد همان مقدار از زمان است که طول می کشد تا مغز به تشخیص یک شی. در نهایت یک طرح به نام "bounding box" به نظر می رسد در اطراف من در این صفحه نمایش زندگی می کنند با برچسب "فرد است." رونق.

"شما شناسایی" گلدشتاین گفت.

پیشرفت در بینایی رخ داده است به سرعت در حال که محلی ملی و سیاست حفظ حریم خصوصی—چه جنبه هایی از صورت و بدن خود را باید توسط قانون محافظت از نظارت ماشین آلات—در حال عقب مانده به مراتب پشت سر A. I. فن آوری قابلیت های ترک سکس در معرض مدرن panopticon کل یک-نظارت جامعه است که می تواند ساخته شده است قبل از ما می دانیم که به اندازه کافی به آن را متوقف کند. کریس Meserole یک سیاست خارجی همکار در موسسه بروکینگز که مطالعات چین را با استفاده از تشخیص چهره و دیگر نظارت فن آوری به طور گسترده ای مستقر شده به عنوان بخشی از چین را "ثبات تعمیر و نگهداری" درایو—به من گفت که سیاستگذاران در آمریکا نمی, تا کنون ایجاد شده حاکم بر سازه برای حفاظت از شهروندان است. و او اضافه کرد: "در آمریکا دولت نیست به فکر استفاده از آن هنوز در راه است که چین است."

برخی از فعالان فکر می کنم ما در حال حاضر در حال اجرا خارج از زمان. قبل از سفر به, مریلند, من تا به حال به دست آورد چند ready-to-wear anti-نظارت موارد از زنی به نام کیت Bertash که من رفتم برای دیدن در لس آنجلس. او به ملاقات من در لابی هتل در ساحل ونیز با پوشیدن لباس سیاه و سفید چاپ شده با پلاک. او من دست به سیاه و سفید تی شرت مردانه, بزرگ, نیز تحت پوشش با پلاک. این یک زمستان گرم روز در ساحل ونیز که در آن Bertash سی و سه زندگی و کار می کند. من پا به اتاق استراحت و قرار دادن بر روی تی شرت. ساختگی صفحات املای کلمات از متمم چهارم قانون اساسی.

"خوش آمدید به فرهنگ مقاومت" Bertash گفت: زمانی که من پدید آمده است.

ما در یک قدم زدن راهب بزرگ Kinney بلوار اصلی کشیدن در ساحل ونیز. صفحات به ما لباس طراحی شده بودند به ماشه خودکار پلاک خوان. در ایالات متحده از شبکه های A. L. P. R. s و پایگاه داده وجود دارد که در سراسر کشور را تشکیل می دهند یک نوع متفاوت از سیستم های نظارت. برای اولین بار توسعه یافته در انگلستان در اواخر دهه هفتاد A. L. P. R. s شروع به ظاهر شدن در شهرهای ایالات متحده در اوایل دو هزار نفر است. خوانندگان با استفاده از تشخیص کاراکتر نوری که قطاری تعداد صفحه و ذخیره اطلاعات همراه با محل و تاریخ و زمان ضبط. سیستم های جدیدتر نیز می تواند با دقت اشاره کردن که در آن یک ماشین است که به احتمال زیاد یافت می شود و بر اساس سفر الگوهای. A. L. P. R. s نصب شده در چراغ های خیابان و بزرگراه و overpasses اتوبان, خروجی, تلفن, غرفه های دیجیتال-تابلوهای سرعت و تاپس از ماشین پلیس. آنها نیز در پارکینگ های مدارس و مراکز. شرکت های مانند PlateSmart فن آوری نرم افزار در بازار به عموم مردم است که می تواند تقریبا هر دوربین مدار بسته به A. L. P. R. منبع باز نسخه مشابه نرم افزار رایگان است.

A. L. P. R. s به طور خودکار ضبط تمام مجوز-صفحه شماره آمده است که در درون خود نظر در نرخ هزار نفر در هر دقیقه است. در سیستم های جدیدتر, "هات لیست" از "صفحات مورد علاقه" متعلق به مظنون جنایی به طور گسترده ای به اشتراک گذاشته شده توسط اجرای قانون از جمله ایالات متحده مهاجرت و گمرک. افسران هشدار داده به محل هنگامی که یک صفحه را نشان می دهد تا بر خوان متصل به شبکه استفاده می کنید ، وجود دارد چند حریم خصوصی محدودیت در استفاده از این داده ها است و آن را امن نیست. شرکت های خصوصی جمع آوری و فروش آن. ادارات پلیس به دست آوردن اطلاعات و به اشتراک گذاری آن با یکدیگر است. با توجه به اقیانوس اطلسهوشیار راه حل پیشرو در صنعت دارای یک پایگاه داده از حداقل دو میلیارد منحصر به فرد پلاک مکان. اخیر حسابرسی از اداره پلیس لس آنجلس و کالیفرنیا اجرای قانون در بر داشت که در زمان آنها وارد 99.9 درصد از سه صد و بیست میلیون صفحه تصاویر در پایگاه داده بخش نبوده است درگیر در تحقیقات جنایی ، سناتور اسکات وینر که درخواست ممیزی گفت: لس آنجلس تایمز "من وحشت دارم. ما اعتقاد بر این است که مشکلات وجود دارد با ALPR برنامه های پیش بینی مقیاس مشکل -- این واقعیت است که ما بسیاری از سازمان های اجرای قانون هستند که مطابق با قانون دولت از جمله پلیس لس آنجلس."

Bertash با این نسخهها کار برای دفاع دیجیتال, صندوق, یک سازمان غیر انتفاعی است که فراهم می کند امنیت و پشتیبانی فنی برای سقط جنین-دسترسی به جنبش. در یک کافه که در آن ما برای متوقف ناهار او توضیح داد که معترضان اغلب "ایستاده در خارج از درمانگاه سقط جنین عکاسی در تمام طول روز." او نگران بود که یک ضد سقط جنین فعال با دسترسی به A. L. P. R. اطلاعات به راحتی می تواند کشف کردن که در آن ارائه دهندگان خدمات سقط جنین و بیماران زندگی می کنند.

دیو Maass یک محقق ارشد با بنیاد مرز الکترونیک غیر انتفاعی دیجیتال-مدافع حریم خصوصی تایید Bertash ترس در مورد ناامنی از داده ها. Bertash فکر چه به عنوان یک فعال او می تواند انجام دهد. Maass پیشنهاد postering فضاهای عمومی با کاغذ تصاویری از پلاک که تغذیه نادرست داده ها به سیستم. Bertash تا به حال یک ایده بهتر است.

به عنوان بخشی-زمان فرفره Bertash طرح و تازگی به فروش می رساند پارچه برای بچه ها—ورق و حوله با چاپ گوسفند آبی و بچه گربه ها, بالش که شبیه گوشت. او شروع به تولید mockups لباس با ساختگی صفحات تست آنها را با یک منبع باز A. L. P. R. برنامه که ممکن است (و یا ممکن است) کار می کنند مانند کسانی که مورد استفاده توسط اجرای قانون است. در نهایت او طرح های خود را به عنوان خوانده شده به سیستم به عنوان واقعی صفحات و تولید یک خط از لباس و لوازم جانبی با ساختگی صفحات چاپ شده بر روی آنها که او به فروش می رساند در Adversarialfashion.com.

Bertash ضد A. L. P. R. لباس های "سم" حملات است که با هدف آلوده پایگاه داده با زباله به طوری که این سیستم به عنوان یک کل است که کمتر قابل اعتماد است. سم حملات مبتنی بر اقدام جمعی است. چند نفر festooned در پلاک نمی خواهد خیلی تفاوت را; بسیاری از مردم با پوشیدن آنها ممکن است. برای این اتفاق طراحان نیاز به ضد نظارت و لباس است که شما می خواهم می خواهم برای قرار دادن در. تی شرت پوشیده شده با پلاک تقلبی ممکن است هر کس باید به دنبال بهار است.

ما چند ساعت را صرف قدم زدن در اطراف. هیچ یک از خواسته در مورد لباس های ما: در ساحل ونیز آن طول می کشد خیلی بیشتر از یک پلاک و برگ را به ایستادگی کردن به عنوان غیر معمول است. هنگامی که یک رزمناو پلیس با A. L. P. R. در بالا گذشت ما در پیاده رو, من سعی کردم به احساس خصمانه. راستش من احساس نوع ترسو.

احتمالا برای جبران گناه من در مورد احساس نمی کند که با مقاومت من به پایان رسید تا خرید یک مجوز-صفحه کوله پشتی برای $49.95. وقتی که من به خانه من یازده ساله دختر که من اغلب احساس نامرئی—در یک راه خوب—در واقع من متوجه است. "که چه ؟" او گفت:, مطالعه صفحات. "این واقعا سرد است!" شناسایی شده در گذشته است.

زمانی که من به فرزندانم هر دو "هری پاتر" طرفداران که من که قرار بود برای بررسی یک شنل نامرئی ساز آنها هیجان زده شدند. من یاد گرفته بودم از گلدشتاین عبا در یک مقاله علمی که او و دانش آموزان تولید شده در مورد کار خود را. اما وقتی دیدم گلدشتاین در گرمکن خود که شامل یک پیش زمینه از تار اشکال آلی در نارنجی مانند یک صفحه نمایش به طرز وحشیانه ای تابش سبزیجات تیره و مبهم انسان شکل بالا من نمی توانستم تصور کنید که هری یا هرمیون جادوگری با یک. تنها تشخیص شکل (به من) چیزی بود که در ظاهر به نور ترافیک درست در زیر یقه. در نظر گرفته شده بیشتر سخاوتمندانه, الگوی آزادانه برانگیخته ژرژ سورا "یک بعد از ظهر یکشنبه در جزیره لا گراند Jatte" را به عنوان آن ممکن است به نظر می رسد در پایین یک استخر شنا در نقاشی های دیوید هاکنی.

سپس گلدشتاین پا در جلوی دوربین و YOLO آشکارساز بود یک دو را. آن را نمی تواند او را ببیند. همه در همه ، کامپیوتر دیدم صندلی پشت سر او ("صندلی" جعبه bounding شد برچسب) اما نه شش فوت قد بلند, سی و شش-سال-پیرمرد ایستاده درست در مقابل آن—Goldstein بی بند و بار. من ظاهرا ناشناس شهرستان duds شد فورا شناسایی و برچسب. آن را مانند یک غرور از ویلیام گیبسون را در سال 2010 علمی تخیلی رمان "صفر تاریخ" است که در آن یک شخصیت می پوشد پیراهن خیلی زشت است که دوربین های مدار بسته و نمی توانید آن را ببینید.

از الگوی سرعت باد بود "خصمانه تصویر"—یک نوع از یادگیری توهم نوری است که متوقف الگوریتم از دیدن فرد با پوشیدن آن است. بر خلاف سم حملات که به دنبال براندازی سیستم های نظارت با بد داده خصمانه حملات تصاویری که طراحی شده است را به استفاده از نقص در راه کامپیوتر ببینید. آنها مانند هک اما برای هوش مصنوعی است. امنیتی و آسیب پذیری های سیستم عامل و شبکه های کامپیوتری به طور گسترده ای شناخته شده اما عمیق-آموزش A. I. سیستم هنوز هم جدید و بسیار پیچیده ای است که دانشمندان هنوز نمی درک کامل انواع هک های آنها آسیب پذیر هستند.

پدیده خصمانه تصاویر کشف شد بیشتر یا کمتر حادثه در سال 2011 توسط Christian Szegedy در گوگل تحقیق. Szegedy آموزش یک شبکه عصبی برای حل این مشکل چقدر او می تواند تغییر یک تصویر از یک کشتی قبل از سیستم طبقهبندی تصویر به عنوان یک هواپیما. او کشف کرد که تنها با یک حداقل اصلاح پیکسل سیستم طبقهبندی آن با درجه بالایی از اعتماد به نفس حتی اگر به چشم انسان آن را هنوز هم بدیهی است که یک کشتی و هواپیما. دانش آموزان در M. I. T. چاپ شده یک مدل سه بعدی از یک لاک پشت با بافت شل که فریب خورده گوگل شی-الگوریتم تشخیص به طبقه بندی خزندگان به عنوان یک تفنگ. در یک سال 2018 مقاله "مقاوم فیزیکی جهان حمله به یادگیری عمیق بصری طبقه بندی" محققان در توصیف یک آزمایش که در آن آنها "مزاحمت" یک علامت توقف با چند کوچک کن که به انسان شبیه گرافیتی اما ساخته شده است که یک شی طبقه بندی ببینید هشت ضلعی قرمز نشانه به عنوان یک مستطیل سیاه-و-سفید نشانه آن است که گفت: "محدود کردن سرعت 45." آن را سخت به تصور کنید که نوع هرج و مرج یکی از این perturbances می تواند در آینده جهان خودمختار اتومبیل.

گلدشتاین پژوهش است که در نهایت با هدف درک این آسیب پذیری و ساخت A. I. سیستم های امن تر است. او توضیح داد که او و دانشجو Zuxuan وو قادر به ایجاد یک الگوی است که دچار سردرگمی شبکه با استفاده از همان آزمون و خطا روش های شاغل در آموزش شبکه عصبی خود را. "اگر شما فقط سعی کنید الگوهای تصادفی شما هرگز پیدا کردن یک خصمانه مثال," او گفت:. "اما اگر شما دسترسی به سیستم شما می توانید پیدا کردن یک الگو برای بهره برداری از آن است." به سرعت باد آنها آغاز شده با یک الگوی است که شبیه تصادفی ایستا است. آنها حاوی یک تصویر از افراد تحت پوشش بخش کوچکی از تصویر را با الگوی نشان داد و در نتیجه به یک شبکه عصبی. یک الگوریتم استفاده شده برای به روز رسانی این الگو برای شبکه عصبی کمتر اعتماد به نفس است که آن را دیدن مردم. این روند تکرار شد با استفاده از صدها نفر از هزاران نفر از تصاویر تا زمانی که شخص به آرامی بدل و شبکه عصبی می تواند دیگر دیدن مردم که منجر به الگوی موجود در یک تصویر.

"من می توانم به شما بگویم که چرا این الگو کار می کند" گلدشتاین گفت. محققان نمی توانند درک دقیقا چگونه این ماشین را می بیند. "این بسیار پیچیده سیستم های," او گفت:. "آنها نقاط ضعف رخ می دهد که در تعامل بین ویژگی های نقشه ها و نورون مصنوعی. عجیب و غریب وجود دارد و بهره برداری مسیر در این شبکه های عصبی که احتمالا نباید وجود داشته باشد."

خصمانه نمونه نشان می دهد که عمیق-یادگیری مبتنی بر C. V. سیستم ها تنها به عنوان خوب به عنوان آنها آموزش داده و از آنجا که این مجموعه داده شامل نمی شود همه تصاویر ممکن است ما واقعا نمی تواند اعتماد آنها را. به رغم دستاوردهای در دقت و عملکرد پس از سوئیچ به یادگیری عمیق و ما هنوز درک نمی کنند و یا کنترل چگونه C. V. سیستم های تصمیم گیری. "شما آموزش شبکه عصبی در ورودی است که نشان دهنده جهان یک راه خاص" گلدشتاین گفت. "و شاید چیزی است که می آید همراه است که های مختلف—روشنایی وضعیت سیستم انتظار نیست و یا لباس آن را انتظار نیست. این مهم است که این سیستم ها قوی هستند و نمی شکست catastrophically زمانی که آنها تلو تلو خوردن بر چیزی نیستند آموزش دیده است."

اوایل کار در حملات خصمانه انجام شد در عرصه دیجیتال با استفاده از دو بعدی تصاویر کامپیوتری در شبیه سازی. ساخت سه بعدی خصمانه شی است که می تواند در دنیای واقعی بسیار سخت تر چون سایه و نمایش جزئی شکست حمله با معرفی متغیرهای مزاحم به ورودی تصویر. یک بلژیکی تیم از محققان چاپ خصمانه تصاویر دو بعدی تابلوهای ساخته شده است که آنها نامرئی به YOLO زمانی که آنها برگزار تخته در مقابل آنها. دانشمندان در دانشگاه و در M. I. T. I. B. M. Watson A. I. آزمایشگاه ایجاد یک خصمانه طراحی که آنها چاپ بر روی تی شرت. گلدشتاین و دانش آموزان خود را به آمد تا با یک خط کامل از لباس—پیراهن, مانتو, تی شرت.

من قرار داده و در سرعت باد که در اشکال و رنگ های شبیه به گلدشتاین اما کمی متفاوت پیکربندی. روی پله جلوی دوربین من کشف نشده ، من احساس عجیبی وزن.

از من خواسته گلدشتاین به حدس و گمان در مورد اینکه چرا این خاص تار اشکال شد خصمانه. وی با اشاره به شکل که نگاه مرتب کردن بر اساس مانند نور ترافیک در قفسه سینه خود را. شاید او گفت: از آنجا که وجود دارد هیچ چهره انسان بالاتر از چراغ های ترافیک در داده های آموزشی الگوریتم می تواند دیدن یک چهره است که در بالا و یکی در سرعت باد.

زمانی که من هنوز ایستاده بودم یک خصمانه ، اما لوکس نامرئی زودگذر بود: به محض این که من نقل مکان کرد, من شناسایی شد دوباره. گلدشتاین دنده کار می کند به عنوان یک اثبات مفهوم, اما آن را به یک راه طولانی برای رفتن در وحشی.

مانند شی تشخیص, تشخیص چهره بهبود یافته به طور چشمگیری در بیست و دهها با سوئیچ به یادگیری عمیق. اولیه صنایع ویژگی های چهره درگیر فرمولهای ریاضی که بیان شده تا چه حد از هم جدا آموزان از چشم ها در یک چهره برای مثال و یا فاصله از پایین بینی خود را به بالای لب خود را. اما "وجود دارد چیزهایی که در مورد خود را در صورت من حتی نمی دانم که چگونه به نوشتن ریاضی" گلدشتاین به من گفت: "و یک شبکه عصبی را کشف و استخراج این اطلاعات است."

عمیق-یادگیری مبتنی بر تشخیص چهره شروع می شود با یک آشکارساز بسیار شبیه YOLOو اجرا می تواند در بالای هر دوربین مدار بسته دوربین خوراک. برای اولین بار یک تصویر از عبور از لایه یک شبکه عصبی که به سرعت نقشه از مکان های از ویژگی های صورت. "هر چیزی را با دو چشم و یک بینی و یک دهان است که تقریبا همیشه یک چهره در این مرحله" گلدشتاین گفت. سپس هر صورت جدا شده و با عبور از یک بیشتر تصفیه شده شبکه عصبی است که حذف مزاحمت متغیرهای تقطیر را به صورت یک لیست کوتاه از منحصر به فرد coördinates—صورت خود را به اثر انگشت یا faceprint. بسیاری از سیستم ها نیز طرح چشم, ابرو, بینی و لب و دهان با استفاده از شصت و هشت استاندارد نقطه عطفی امتیاز برای شناسایی احساسات و زل زل نگاه کردن. برخی از سیستم های پیشرفته (مانند اپل FaceID برای آی فون) استفاده از اسکنر مادون قرمز را به سه بعدی صورت نقشه. نتایج بیان شده به عنوان داده های عددی—شناسه منحصر به فرد خود را. بر خلاف راهنمایی از انگشتان دست خود را و یا درایور شما مجوز صورت خود را می تواند اسکن از راه دور بدون دانش خود را و یا رضایت و استخراج سن احساسات خود را با برچسب عکس اتفاق می افتد به در پایگاه داده سیستم شما ،

همانطور که با تمام deep-آموزش سیستم های اطلاعات بیشتر شما آموزش الگوریتم های دقیق تر به این مدل تبدیل خواهد شد. اوایل چهره-تشخیص سیستم های توسعه یافته برای ارتش کنترل مرزی و اجرای قانون اهداف آموزش دیده بودند در برچسب پایگاه داده های چهره در فرم گذرنامه و راننده-مجوز عکس, و عکس لیوان—تنها مجموعه زیادی از چهره های است که قبل از وجود اینترنت است. اما این پایگاه داده شدند از ارزش کمی در تلاش برای مطابقت با چهره های گرفته شده در به چالش کشیدن شرایط نور و پنهان views. عکس های ارسال شده به عکس های وب سایت ها و رسانه های اجتماعی از سوی دیگر طلا هستند.

اگر دولت به تقاضا تصاویر از شهروندان در انواع مختلف از شمار در برابر پس زمینه مختلف در داخل خانه و خارج از منزل چگونه بسیاری از آمریکایی ها را به آسانی مطابق? اما ما در حال حاضر در حال ایجاد پایگاه داده های خودمان یک عکاسی از خود در یک زمان. آنلاین تصاویر از ما فرزندان و دوستان ما اغلب مفید به برچسب با نام اول که ما ارسال کرده اید به عکس های سایت هایی مانند Flickr را به پایان رسید تا در مجموعه داده های مورد استفاده برای آموزش چهره به رسمیت شناختن سیستم های. حداقل در دو مورد در صورت به رسمیت شناختن شرکت ارتباطات قوی به عکس-مدیریت برنامه های. EverRoll عکس-نرم افزار مدیریت شد تا کنون AI (در حال حاضر Paravision) و Orbeus چهره-تشخیص شرکت که به دست آورده بود توسط آمازون پس از ارائه یک مصرف کننده عکس نرم افزار. و حتی زمانی که تصاویر ما هستند و ظاهرا حفاظت شده اجتماعی-رسانه, سایت هایی مانند Facebook, Instagram, و, یوتیوب, چگونه امن هستند ؟

در ماه ژانویه این بار گزارش داد که Clearview یک منهتن مبتنی بر راه اندازی و حمایت از سرمایه گذار Peter Thiel و شرکت تاسیس شده توسط ریچارد شوارتز سابق شهرداری aide به رودلف جولیانی حال مونتاژ یک پایگاه داده از بیش از سه میلیارد دلار تصاویر خراشیده از اجتماعی-سایت های رسانه های و که Clearview فناوری مورد استفاده قرار گرفت بیش از شش صد اجرای قانون برای مطابقت با چهره مظنون و یا افراد مورد علاقه با چهره Clearview پایگاه داده. گوگل و توییتر و Venmo و شرکت های دیگر فرستاده اند بس-و-دست برداشتن نامه به Clearview. خود از بنیانگذاران و C. E. O. Hoan تن-که استرالیا کارآفرین در اوایل سی سالگی خود ادعا می کند که این شرکت با متمم اول قانون اساسی حق این تصاویر. در هر صورت به عنوان کلر Garvie ارشد کاردانی در جورج تاون قانون مرکز در حریم خصوصی و فناوری گفت: من Clearview پایگاه داده "به دروغ" مفهوم اجتماعی-رسانه "سیاست حفظ حریم خصوصی در حال حفاظت در برابر داده های مجموعه است." (Clearview کل لیست مشتری بود به سرقت رفته توسط هکرها در ماه گذشته است.)

برخی از مجموعه داده که دانشگاهیان استفاده می شود برای آموزش اولیه الگوریتم های اریب سفید و مرد—بازیگران سیاستمداران و دانشگاهیان خود را. حتی متنوع مجموعه داده های ارائه شده مشکل: ضعیف کنتراست در عکس با پوست تیره تر, برای مثال, آن را سخت تر برای مطابقت با چهره. وجود تعصبات ساخته شده به الگوریتم به عنوان شادی Buolamwini و Timnit Gebru, از M. I. T. نشان داد در یک سال 2018 گزارش "جنس سایه": صورت-تشخیص سیستم در استفاده های تجاری انجام می شود بسیار بهتر در نور پوست مردان از در کون زنان است. زنان از رنگ ها تا سی و چهار درصد بیشتر احتمال دارد به misidentified توسط سیستم از مردان سفید با توجه به تحقیقات خود را. جدیدتر مجموعه ای از چهره ها برای آموزش مانند I. B. M. تنوع در چهره مجموعه داده های هدف برای غلبه بر این تعصبات. اما I. B. M. تلاش نیز ثابت می تواند مشکل ساز—شرکت مواجه واکنش شدید از افرادی که خود را یافت تصاویر در مجموعه داده ها. در صورت به رسمیت شناختن وجود یک تجارت کردن بین تعصب و حفظ حریم خصوصی.

جدا از تعصبات در آموزش پایگاه داده, آن را سخت بدانید که چگونه به خوبی چهره-تشخیص سیستم در واقع انجام در دنیای واقعی به رغم دستاوردهای اخیر. آنیل جین, یک استاد علوم کامپیوتر در دانشگاه ایالتی میشیگان که کار کرده است در تشخیص چهره برای بیش از سی سال به من گفت: "بسیاری از تست در خصوصی فروشنده محصولات انجام شده است در یک محیط آزمایشگاهی تحت کنترل تنظیمات. در عمل شما در حال قدم زدن در خیابان های نیویورک. این یک روز سرد زمستان شما باید یک شال در اطراف صورت خود, کلاه, شاید کت خود را کشیده است تا پس از چانه خود را تا حدی پنهان این نور ممکن است مطلوب ترین و دوربین نیست گرفتن یک نمای."

این تکنولوژی عملکرد سوال برانگیز به نظر نمی رسد مانع اجرای مداوم آن. هر چند تشخیص چهره است که تنها یک نرم افزار از کامپیوتر چشم انداز آن به شمار منحصر به فرد تهدیدی برای آزادی های مدنی. E. U. تلاش کرده است به سیاست حفظ حریم خصوصی برای مهار آن به چند ایالت از جمله ایالت ایلینوی است. در چین در مقابل دولت را در آغوش فن آوری است. یک 2015 پیشنهاد گذاشته این کشور قصد دارد به صورت گسترده در مرکز کنترل و نظارت سیستم با استفاده از تشخیص چهره و فن آوری های دیگر. در علاوه بر این به استفاده از چین نصب شده بر پایه بیش از دو صد میلیون دوربین های مدار بسته (آمریکا عقب با کمتر از صد میلیون دوربین) این طرح با توجه به کریس Meserole از موسسه بروکینگز شامل لینک فید های ویدئویی از تلویزیون های هوشمند و دستگاه های تلفن همراه در مناطق روستایی که در آن دوربین مدار بسته پوشش بسیار سبک تر. چینی A. I. شرکت SenseTime که در سال گذشته به ارزش بیش از هفت میلیارد دلار است گفت که در صورت به رسمیت شناختن سیستم آن است که ساختمان قادر خواهد بود به روند تغذیه از یک صد هزار دوربین های مدار بسته در زمان واقعی است.

در چین و نظارت دولت جاه طلبی های فنی امکان پذیر است ؟ Meserole شک و تردید است. او افزود: "اینکه آیا آنها قادر به انجام آن در یک کاملا یکپارچه راه یا نه در برخی از راه های بی ربط. بخش عظیمی از چه چینی استبداد آثار است که عدم اطمینان در مورد اینکه آیا شما در حال تماشا. تکنولوژی فوق العاده دقیق و اما راه قوانین اعمال فوق العاده خودسرانه است. شما در حال نامشخص است اگر شما در حال تماشا و شما نامشخص در مورد آنچه جایز و قرار می دهد که تعهد شما به عنوان فردی واقعا محافظه کار در مورد آنچه شما انجام می دهند."

به نظر من اضافه کردن چهره استتار به من نگاه خصمانه و ملاقات با آدم هاروی یک هنرمند آمریکایی مستقر در برلین که ساخته شده یک نام برای خود در اوایل بیست-ده با ایجاد یک سری از نامتقارن getups است که می تواند شکست ویولا-جونز الگوریتم که تا سال 2015 بود و بیشتر به طور گسترده ای استفاده می شی و چهره-تشخیص پلت فرم. چهره-تشخیص الگوریتم آموزش دیده به انتظار تقارن در چهره. وقتی مردم قرار داده و در آرایش آنها ناخواسته کمک به سیستم با تأکید برخی از نشانه های است که استفاده از اسکنر خود را به خواندن faceprint. به زیر رادار پرواز شما باید محو کردن خودتان است. هاروی کار نشان داد چهره با آرایش اعمال می شود در راه بعید می تواند در سیستم های آموزش داده بنابراین ساخت آنها را سخت تر برای ماشین آلات برای تشخیص به عنوان چهره. مد به جلو انواع می توانید دانلود تقارن-تحریف به نظر می رسد از هاروی وب سایت هر چند او گفت که آنها احتمالا نمی خواهد کار با الگوریتم های جدیدتر.

هاروی سی و هشت است باریک و رنگ پریده و بی سر و صدا شدید. ملاقات ما در یک کافه در ویلیامزبرگ بروکلین که در آن او انداخت چندین بار در یک دوربین مدار بسته نصب شده در بالا در گوشه ای از اتاق. او گفت: "ما واقعا نمی دانند که آنچه انجام می دهند زمانی که ما بیرون بروید. ما می توانیم می دانم که آب و هوا و لباس ما برای آن اما اگر من تا به حال شناخته شده در راه بیش از اینجا که من که قرار بود به تصویب چهار خصوصی دوربین های مدار بسته در خارج از خانه و یا که وجود دارد" -- او شکست و نگاه به دوربین های مدار بسته—"من باید برای آن؟"

او گفت: "وجود ما در این جهان که در آن ما در حال مشاهده ماشین آلات. چگونه می تواند شما را واسطه است که به نظر می رسد یکی از راه های به ماشین آلات و راه دیگری برای مردم ؟ چگونه شما می توانید سوار خط خوب بین ظاهر آوانگارد و ظاهر نامرئی؟"

هاروی توضیح داد که او تا به حال نقل مکان از چهره استتار چون از لحاظ تئوری هر گونه آرایش و طراحی است که می تواند مورد استفاده قرار گیرد به فویل یک سیستم تشخیص می تواند گنجانیده شده به سیستم را آموزش داده است. "من متوجه شدم که هر چه پست من در وب سایت من, مردم در حال رفتن به استفاده از آن را برای دانلود و تست الگوریتم خود را در." این تناقض خصمانه مرد: هر گونه تلاش برای فرار از این سیستم ممکن است فقط آن را قوی تر چون این ماشین فقط نگه می دارد و یادگیری است. و با یادگیری عمیق آن را نگه می دارد در یادگیری سریع تر است.

وجود دارد هر گونه علم در چه نوع از لباس مبدل خنثی کردن تشخیص چهره است ؟ این سوال به مدت طولانی مجذوب راما Chellappa, گلدشتاین همکار در دانشگاه مریلند است. "من علاقه مند به این دلیل که spymasters آن را در زندگی واقعی" Chellappa به من گفت. "اما وجود دارد هیچ واقعا علمی ارزیابی چه کار می کند."

نمایش در حال حاضر همین مشکل به الگوریتم های تشخیص به پیری می کند; پیری یک نوع از تغییر قیافه, او گفت:. برخی از شناخته شده چهره تبدیل شدن به غیر قابل تشخیص به عنوان سن آنها (Anthony Michael Hall به نظر می رسد چیزی شبیه به این بازیگر جوان در آن بچه بداخلاق و لوس بسته فیلم) در حالی که دیگران (مانند پل راد و یا هلی بری می گویند) به نظر نمی رسد به سن در همه. "پیری سخت است, برای آموزش, الگوریتم, زیرا این فرد خاص" Chellappa گفت.

در 2018, Chellappa و دیگر A. I. محققان مستقر در هند ایجاد شده مبدل به چهره در رقابت های وحشی. "با پیشرفت عمیق-الگوریتم های یادگیری ما می خواستیم برای ارزیابی اینکه آیا عمیق-آموزش روش قوی برای پنهان" Chellappa به من گفت. او و همکارانش قرار دادن با هم یک پایگاه داده از هزاران نفر از چهره های گرفته شده از فیلم مانند Dana Carvey را در سال 2002 فیلم "استاد تغییر قیافه" و از مردم عادی را, عکس های هالووین لباس تا اتفاقاتی که تا به حال ارسال شده در رسانه های اجتماعی.

تیم های از سراسر جهان دعوت شده بودند خود را به آزمون در صورت به رسمیت شناختن الگوریتم های تطبیق مبدل به چهره با undisguised همتایان. این رقابت با حمایت IARPAیک سازمان تحقیقاتی در دفتر مدیر اطلاعات ملی که به بیست و پنج هزار دلار جایزه نقدی به تیم برنده. در بازگشت IARPAصورت-قابلیت تشخیص تا به حال فرصتی برای بهره مندی از داده های آموزشی رقابت تولید آنها را که بسیار قوی تر در برابر زندگی واقعی, کارشناسی ارشد, تغییر قیافه.

من از استاد پرسید به طور خلاصه این پژوهش است. "چه می توانم می پوشند اگر من واقعا نمی خواهید به دیده می شود"

"شما می توانید یک ریش شما می توانید اصلاح سر خود را و آن را بر چهره-الگوریتم های تشخیص در راه های مختلف" Chellappa گفت: "من واقعا نمی توانم به شما بگویم اگر شما x, y و z از آن خواهد شد ظروف سرباز یا مسافر تا در صورت به رسمیت شناختن. همه می توانم بگویم این است که اگر شما یک ترکیبی از کلاه و کلاه گیس, تاریک, عینکی, شما می توانید فرض کنیم دقت پایین خواهد رفت." در حال حاضر حداقل.

بالا-اجرای الگوریتم ها—سخت ترین احمق—طراحی شده بودند توسط روسیه و تایوانی کسانی. 2019 چالش شد اسپانسر شده از طرف Facebook و اپل.

تا کنون در ایالات متحده به کارگیری از تشخیص چهره توسط سازمان های عمومی و اجرای قانون است و کمتر پیشرفته تر از آن است که در چین است. در ماه مه گذشته در سان فرانسیسکو ممنوع شهرستان سازمان با استفاده از صورت به رسمیت شناختن فن آوری. در یک Op-Ed منتشر شده در تایمز در ماه ژوئن با عنوان "چگونه تشخیص صورت باعث می شود شما امن تر" جیمز اونیل یک کمیسر سابق از N. Y. P. D. نوشت که در شهر نیویورک "هیچ کس را نمی توان دستگیر کرد بر اساس کامپیوتر بازی به تنهایی" و این که انسان محققان نیاز به تایید هر گونه مسابقات که دستگاه نشان می دهد.

که در آن ایالات متحده منجر دنیای تجاری با استفاده از تشخیص چهره توسط شرکت های خصوصی. بسیاری از عمده تکنولوژی شرکت های عمیق-آموزش چهره به رسمیت شناختن سیستم های و آموزش پایگاه داده ها. Facebook محصول DeepFace می تواند شناسایی چهره در عکس و برچسب آنها. گوگل FaceNet و همچنین به عنوان یک شی آشکارساز ابر دید. آمازون بازارهای Rekognition یک C. V. پلت فرم است که مستقر شده توسط ادارات پلیس و تن به تن یخ برای استفاده در مرز اجرای. اپل باعث می شود مادون قرمز اسکن از چهره کاربران که انتخاب کردن به آن FaceID سیستم رمز عبور; داده های رمزگذاری شده قرار نیست به ترک این کاربر تلفن.

در علاوه بر این به صورت بزرگ وجود دارد در حال رشد است از راه اندازی بخشی از یک بازار است که انتظار می رود به ارزش نه میلیارد دلار در سال تا سال 2022 با توجه به برخی از تخمین می زند. این محصولات شامل تشخیص چهره برای فروشگاه ها است که می تواند شناسایی تکرار عمیق و مشکل را به عنوان به زودی به عنوان آنها گام بر روی محل. در یک کازینو به عنوان ریچارد اسمیت, فروش مدیر オビトیک بخش از RealNetworks به من توضیح داد که یک سیستم می تواند نقطه ناخواسته کاربران و مشکل قماربازان که در کازینو لیست سازمان دیده بان به عنوان بالا به عنوان غلطک چه کسی مدیریت می خواهد به دادگاه. "قبل از, تشخیص چهره, نگهبانان تا به حال به یاد داشته باشید کسانی که مردم" اسمیت گفت. برخی از مدارس نصب شده اند مشابه سیستم های امنیتی; دانشگاه نیز آغاز کرده است تا نظر خود را پیاده سازی. تیلور سویفت نیز با استفاده از تشخیص چهره برای تشخیص حضور stalker ها در خود را نشان می دهد.

تشخیص چهره نیز ارائه می دهد "هوشمند خرده فروشی" برنامه های کاربردی اجازه می دهد شرکت های به برداشت اطلاعات دموگرافيک از مشتریان چهره مانند سن و جنسیت و همچنین برای ردیابی و اندازه گیری "زمان ساکن"—چگونه یک مشتری صرف در هر بخش خاص از فروشگاه. "چه می شود اگر شما می توانید ببینید آنچه که آگهی خود را میبیند" オビト می پرسد در وب سایت این شرکت است. یک ویدیو نشان می دهد یک زن و شوهر با داشتن یک گفتگو در حالی که داده ها به نظر می رسد بر روی صفحه نمایش اختصاص توجه و "تمایلات نمرات" به چهره خود. دیگر شرکت های ارائه صورت نظارت که هشدار فروشگاه به خریداران قبلی عادات خرید و یا خود V. I. P. وضعیت زمانی که آنها راه رفتن در. چهره شش یک بیومتریک شرکت مستقر در اسرائیل و نوادا بازارهای Churchix نرم افزار است که اغلب استفاده می شود برای پیگیری عبادت' حضور در کلیسا. به عنوان کلر Garvie از جورج تاون قانون حفظ حریم خصوصی و مرکز آن قرار داده است "فکر می کنم ممکن است یک نرم افزار برای این تکنولوژی و شانس خوب آن را به فروش می رسد."

برای بازاریابان, تشخیص چهره دارای پتانسیل به فرم نهایی تبلیغات هدفمند. مصرف کننده صورت می تواند در خدمت به عنوان یک نوع پلاک که متصل به دنیای دیجیتال—که در آن خود را در تاریخ جستجو زندگی می کنند—به این محل داده است که نقشه های گوگل جمع آوری از تلفن خود را به احساسات در چهره خود را. ما در حال حاضر آنلاین ترسیم و در خدمت تبلیغات بر اساس جستجوهای اخیر. تشخیص چهره می تواند به دنبال در اطراف ما در دنیای واقعی هشدار به صاحبان و مدیران از فضاهای عمومی مانند ایستگاه های مترو و پارک یا فضاهای خصوصی مانند کافه ها و فروشگاه ها و استادیوم به حضور ما. من می توانید انتخاب کردن از پذیرش کوکی ها و غیر فعال کردن تنظیمات موقعیت مکانی بر روی گوشی من اما چهره-سیستم تشخیص نمی دهد من به هیچ وجه به انتخاب کردن کوتاه, از defacing خودم.

یک روز در ماه گذشته من در یک hoodie که من تا به حال انتخاب شده از گلدشتاین خط YOLO-کوس, مد برافراشتند من A. L. P. R.-مسمومیت با کوله پشتی (من تی شرت های بیش از حد برای اندازه گیری خوب) برداشت من فارادی کیسه و مجموعه ای از خانه من در بروکلین برای مرکز شهر منهتن و نیویورکر این دفاتر در مرکز تجارت جهانی یک.

در چهره من عینک یک جفت Reflectacles—عینک آفتابی ساخته شده توسط اسکات شهری سفارشی عینک ساز در شیکاگو است که مسدود کردن تلاش از طریق نور مادون قرمز برای اسکن صورت خود را. آنها در سه مدل—IRPair فانتوم و روح من ، لنز شامل "مادون قرمز کاتالیزورها" شهری به من گفت. "این به این معنی است که شما به طور متوسط دوربین های امنیتی با استفاده از مادون قرمز برای روشنایی این لنز به نوبه خود سیاه و تاریک در حالی که به طور منظم عینک آفتابی کاملا روشن است." شبح مدل همچنین دارای فریم های که منعکس کننده هر دو مادون قرمز و نور مرئی که می توانید صورت خود را کمتر قابل خواندن در عکس های گرفته شده با گوشی به خصوص با فلش. و بر خلاف آدم هاروی نامتقارن آرایش شهری این عینک اجازه می دهد تا شما را به باقی می ماند نسبتا کم رنگ. "مطمئن شوید که شما می توانید رنگ خود را به بالا و شبیه برخی از cyberpunk-نوع شخصیت" او مشاهده شده است. "اما شما نمی خواهید به پوشیدن آن به کار می کنند."

پیدا کردن یک صندلی در C من هشدار به هر گونه خیره من خصمانه hoodie ممکن است جذب از مردم در سراسر راهرو. به عنوان گشتم چهره خود را من فکر چه مدت از آن خواهد شد قبل از اینکه چهره-تکنولوژی تشخیص با قدرت یادگیری عمیق پشت آن می رسد بر روی هر گوشی. شما قادر خواهید بود به ضربه محکم و ناگهانی یک عکس از کسی که در سراسر مترو راهرو و اجرای چهره از طریق معکوس-جستجوی تصویر مانند است که ارائه شده توسط Socialcatfish.com یک "دوستیابی آنلاین بررسی" سایت مستقر در کالیفرنیا که به وعده معلوم اگر یک آتش زنه کنسول هستند که در آنها ادعا می شود. شما به طور بالقوه می تواند یک نام و یا یک شبکه اجتماعی قبل از رسیدن به توقف خود را. که به ناکجاآباد می تواند یک برنامه دور. به عنوان شهری قرار داده و آن را "مردم نگران هستند در مورد دولت ها و شرکت ها—به زودی آن را به مردم انجام می دهند این همه پیگیری." برادر بزرگ ما است.

طرح من این بود که به تنبلی حرکت کردن در لابی یک مرکز تجارت جهانی که در آن یکی می توانید فرض کنیم که نظارت تصویری در محل—یک خصمانه مرد در محل کار. شاید اگر من ایستاده بود کاملا هنوز هم این الگوریتم نمی بیند. من به یاد می آورد یک نظر ساخته شده توسط آنیل جین از ایالت میشیگان زمانی که من از او پرسیدم چه من نیاز به پوشیدن به ضرب و شتم الگوریتم های تشخیص. "شما می توانید با قرار دادن ورقه نازک قلعی بیش از همه خود را و است که این کار را به سادگی" او گفت:. "این همه بستگی دارد چه مقدار از یک منظره از خودتان شما را می خواهم."

قبل از من می تواند نایافته امنیتی به من خال خال. "شما نیاز به کمک دارید ؟" نگهبان پرسید. سوال خوبی است. ♦