ข่าวดี? พวกเขายังคงไม่สามารถจดจำได้สำหรับคนส่วนใหญ่อย่างล้นหลาม ข่าวร้าย? พวกเขาไม่ได้หลอกวิทยาการคอมพิวเตอร์สมัยใหม่
วิดีโอแนะนำ
ข้อมูลดังกล่าวเป็นไปตามโครงการใหม่ที่ดำเนินการโดยนักวิจัยจากมหาวิทยาลัยเท็กซัสที่ออสตินและมหาวิทยาลัยคอร์เนลซึ่งใช้ การเรียนรู้อย่างลึกซึ้ง ถึง เดาตัวตนที่แก้ไขได้อย่างถูกต้อง ของผู้คนที่ถูกซ่อนไว้ด้วยความยุ่งเหยิง แม้ว่ามนุษย์จะคาดเดาความถูกต้องของการระบุตัวตนได้เพียง 0.19 เปอร์เซ็นต์ของเวลาทั้งหมด แต่ระบบการเรียนรู้ของเครื่องก็สามารถตัดสินได้อย่างถูกต้องด้วยความแม่นยำ 83 เปอร์เซ็นต์ เมื่ออนุญาตให้ทำได้ 5 ครั้ง
“การเบลอและพิกเซลมักใช้เพื่อซ่อนตัวตนของบุคคลในภาพถ่ายและวิดีโอ” วิตาลี ชมาติคอฟศาสตราจารย์ด้านวิทยาการคอมพิวเตอร์ที่ Cornell กล่าวกับ Digital Trends “ในหลายสถานการณ์เหล่านี้ ฝ่ายตรงข้ามมีความคิดที่ดีเกี่ยวกับคนกลุ่มเล็กๆ ที่เป็นไปได้ ที่อาจปรากฏในภาพได้ และเขาแค่ต้องค้นหาว่ามีใครอยู่ในนั้นบ้าง รูปภาพ."
Shmatikov กล่าวต่อว่า นี่เป็นสถานการณ์ที่เทคโนโลยีของทีมทำงานได้ดีอย่างแน่นอน “สิ่งนี้แสดงให้เห็นว่าการเบลอ การแตกพิกเซล และวิธีการอื่น ๆ ที่ทำให้ภาพสับสนอาจไม่สามารถป้องกันได้มากนัก เมื่อการเปิดเผยตัวตนของใครบางคนอาจทำให้พวกเขาตกอยู่ในความเสี่ยง” เขากล่าว
แน่นอนว่าความท้าทายก็คือว่าบ่อยครั้งวิธีการปกปิดตัวตนของบุคคลนั้นถูกนำมาใช้เพื่อปกป้องบุคคล เช่น ผู้แจ้งเบาะแสหรือพยานในอาชญากรรม โดยการนำอัลกอริธึมการจดจำภาพดังกล่าวมาประยุกต์ใช้ โครงข่ายประสาทเทียมสำหรับรูปภาพที่ถูกทำให้สับสนโดยใช้เครื่องมือที่มีจำหน่ายทั่วไป ผู้คนอาจตกอยู่ในอันตรายได้
“ความท้าทายพื้นฐานคือการเชื่อมช่องว่างระหว่างเทคโนโลยีการปกป้องความเป็นส่วนตัวและการเรียนรู้ของเครื่อง” Shmatikov กล่าว “นักออกแบบเทคโนโลยีความเป็นส่วนตัวจำนวนมากไม่ได้ชื่นชมพลังของการเรียนรู้ของเครื่องสมัยใหม่อย่างเต็มที่ และสิ่งนี้นำไปสู่เทคโนโลยีที่ไม่ได้ปกป้องความเป็นส่วนตัวอย่างแท้จริง”
คำแนะนำของบรรณาธิการ
- ไม่ต้องจ่ายภาษี Verizon 5G สำหรับ Google Pixel 4a 5G
- อย่าพูด: อุปกรณ์สวมใส่นี้ช่วยให้คุณสั่งงานด้วยเสียงได้โดยไม่ต้องพูดอะไรสักคำ
- อย่าหลงกล เพราะระบบอัตโนมัตินี้แอบบงการเนื้อหาวิดีโอ
อัพเกรดไลฟ์สไตล์ของคุณDigital Trends ช่วยให้ผู้อ่านติดตามโลกแห่งเทคโนโลยีที่เปลี่ยนแปลงไปอย่างรวดเร็วด้วยข่าวสารล่าสุด รีวิวผลิตภัณฑ์สนุกๆ บทบรรณาธิการที่เจาะลึก และการแอบดูที่ไม่ซ้ำใคร
