人脸识别有歧视?识别准确率黑人比白人差很多

人脸识别有歧视?识别准确率黑人比白人差很多

2018-02-12 16:24雷锋网 合作伙伴
2 月 9 日,纽约时报英文网站发表一篇文章,指出如今非常热门的 AI 应用人脸识别,针对不同种族的准确率差异巨大。

2 月 9 日,纽约时报英文网站发表一篇文章,指出如今非常热门的 AI 应用人脸识别,针对不同种族的准确率差异巨大。其中,针对黑人女性的错误率高达 21%-35%,而针对白人男性的错误率则低于 1%。

文章引用了 MIT 媒体实验室(MIT Media Lab)研究员 Joy Buolamwini 与来自微软的科学家 Timnit Gebru 合作的一篇研究论文《性别图谱:商用性别分类技术中的种族准确率差异》(Gender Shades: Intersectional Accuracy Disparities inCommercial Gender Classification)中的数据。

论文作者选择了微软、IBM 和旷视(Face++)三家的人脸识别 API,对它们进行性别判定的人脸识别功能测试。以下为两组准确率差异最大的人群。

论文研究使用了自行收集的一组名为 Pilot ParliamentsBenchmark (PPB) 数据集进行测试,里面包含 1270 张人脸,分别来自三个非洲国家和三个欧洲国家。

在判断照片人物性别方面,以下是论文作者测试后得到的关键发现:


  • 所有的分类器在识别男性人脸上的表现要优于女性人脸(8.1%-20.6%的错误差别)

  • 所有分类器在肤色较白的人脸上表现优于肤色较深的人脸(11.8%-19.2%的错误差别)

  • 所有分类器在肤色较深的女性人脸上表现最差(错误率在 20.8%-34.7% 之间)

  • 微软和 IBM 的分类器在浅肤色男性人脸上表现最好(错误率分别为 0% 及 0.3%)

  • Face++ 的分类器在肤色较深的男性人脸上表现最好(错误率 0.7%)

  • 最差的一组与最好的一组差距高达 34.4%


需要指出的是,三家人脸识别 API 都没有很细节地解释自己所使用的分类方法,也没有提及自己所使用的训练数据。

不过,微软在服务中表明“不一定每次都有 100% 的准确率”;Face++ 则特别在使用条款中表明对准确性不予保证。

关于可能的原因,时报文章表示,当下的人工智能是数据为王,数据的好坏和多少会影响 AI 的智能程度。因而,如果用来训练 AI 模型的数据集中,白人男性的数据多于黑人女性,那么系统对后者的识别能力就会不如前者。

现有的数据集中存在这一现象,比如根据另一项研究的发现,一个被广泛使用的人脸识别数据集中,75% 都是男性,同时 80% 是白人。

旷视在给雷锋网的回应中表示,深色人种数据集比较难获得,所以会差一些;另外,使用 RGB 摄像头进行人脸识别时,深肤色人的人脸特征比较难找,特别是在暗光条件下,这也是一方面的原因。

IBM 回应:论文用的版本太老,新版已改善

针对 Buolamwini 和 Gebru 的这一论文发现,2 月 6 日,IBM 在自家的 IBM Research 博客上发表了一篇回应文章。

文章并未否认论文的发现,而是指出,IBM 的 Watson Visual Recognition 服务一直在持续改善,在最新的将于 2 月 23 日推出的新版服务中,使用了相比论文中更广泛的数据集,拥有强大的识别能力,相比论文中的错误率有近 10 倍的下降。

随后文章中表示 IBM Research 用类似论文中的方法进行了实验,发现如下:

结果显示整体的错误率都很低,虽然肤色较黑的女性的错误率仍然是所有人群中最高的,但相比论文的结果有很大下降。

旷视回应:深肤色人种识别错误率高是普遍现象,在商用产品中会改善

雷锋网针对这篇论文向旷视寻求回应,对方给予了非常详细的解答。回应中,旷视首先对论文的研究方法表示认可,但同时指出研究所用的线上 API 是较旧的版本,在商用的产品中不会出现这类问题;而且,此类问题也是业内普遍存在的,不仅限于测试的这三家。原因主要有两点,一是深色人种数据集的缺乏,二是深色人种人脸特征较难提取。

以下为回应全文:

我们相信文章(论文)立意不是针对哪一家的技术,基本是不吹不黑的中立态度,而且从文章的测试方法来看还是比较科学的,但是文章中所用的“PPB”( Pilot ParliamentsBenchmark)数据集在 GitHub 的发布地址已经失效,所以我们目前无法自行检测以验证文章的结论。

在集成到 Face++ API 中的时候,旷视研究院有针对不同人种进行检测、识别等测试。但是就目前国际范围内的研究水平来说,不管是在学界还是产业界,对于肤色人种的识别表现都没有对“肤色较浅(引用文章用词)”人种优秀,从此文的测试结果中也可以看出,微软、IBM 和 Face++ 在肤色较深人种识别的表现中(尤其是肤色较深女性)机器的误实率会更高。

一方面从人类基因和人脸识别技术角度来说,皮肤的颜色越深对于基于 RGB 可见光的人脸识别的难度就越大,因为机器在进行人脸检测、分析和识别的过程中需要对人脸图像进行预处理和特征提取,所以皮肤颜色越深,面部的特征信息就越难提取,尤其是在一些暗光情况下,更加难以检测和区分。另一方面,人脸识别很大程度上依赖于数据训练,而在整个行业中黑色人种的可训练数据量较少,所以识别的结果在某些程度上不尽人意,所以文章呈现的测试结果是行业普遍存在的现象。文章中只是选取了三家行业代表来进行了测试,如果样本量足够大,那可能还会得出其他的结论。

不过测试结果也显示,Face++ 对于黑人男性的识别错误率(0.7%)是最低的,且在 PPB 的南非子测试集中,Face++识 别肤色较浅人种的表现是完美无瑕的,这些其实也间接说明 Face++ 的人脸识别能力是处于全球领先的地位。

文章作者提出了一个很好的问题,但文章中测试的 API 线上版本和我们为用户提供的商业版本无关,用户在业务使用中不会有任何影响。

当然我们也相信行业内都在针对人种识别优化做着各种努力。而就 Face++ 来讲,未来研究院会从几个角度去改善目前的状况,如增加训练数据,针对不同人种进行专门训练,另外是从算法层面优化现在的流程,提升对不同人种的识别性能,此外,旷视也在加大 3D 感知的研发力度,将三维特征信息融合到应用中弥补二维信息的不足使模型更加鲁棒。

AI 真的有歧视吗?

根据时报的报道,论文的作者之一黑人女性 Buolamwini 做这项研究之前,曾遇到过人脸识别无法识别她的脸,只有在她戴上一张白色面具时才行,因而引发了她开启这项研究。很明显,这项研究试图探讨 AI 时代是否存在社会不公甚至种族歧视的问题。

种族歧视作为一个非常敏感的话题,许多事情只要有些微沾上点边就会引发强烈反弹。在人脸识别这块,无论是论文作者的研究,还是厂商的实验都明确发现女性深色人种识别误差率更高。但这就能代表 AI 存有歧视吗?

显然并不是,细究其中的原因,之所以肤色较深女性较难识别,除了有天然人脸特征更难提取之外,还有可供训练的数据集较少的原因。而从市场的角度来说,IBM 和 微软的服务在白人男性中表现最好,是因为其市场主要在欧美,而那里白人占多数;旷视的主要市场在东亚和东南亚,因而其在黄种人当中的表现会好很多,这跟歧视没有关系,而是市场导向的技术研发。

话又说回来,这篇论文确实显示,AI 的智能性跟训练数据有很大关系,因而在设计 AI 应用时,我们应该尽量使用广泛且代表性强的数据,照顾到不同的人群;同时要积极对公众解释 AI 的实现原理。

最后,雷锋网认为,这件事同时表明,鼓励新技术的发展惠及更多少数族裔是一件需要更多重视的事情,不仅仅是人脸识别,还有语言、文化等各方面。

*本文作者刘芳平,由新芽NewSeed合作伙伴微信公众号:雷锋网授权发布,转载请联系原出处。如内容、图片有任何版权问题,请联系新芽NewSeed处理。