Технології розпізнавання облич не впізнають людину так, як це робить знайомий на вулиці. Вони перетворюють зображення обличчя на впорядкований набір чисел, порівнюють його з іншим таким самим набором і видають не відповідь «так чи ні», а міру схожості. Звідси випливає все решта: система помиляється в обидва боки, а ціна помилки залежить не від алгоритму, а від того, яке рішення ухвалюють за його підказкою. Нижче: як це влаштовано, де працює насправді, що показали незалежні вимірювання і що вже заборонено законом.
Чотири етапи, які проходить ваше обличчя
У будь-якій сучасній системі етапів чотири, і плутати їх не варто, бо ризики в них різні.
Спочатку детектор знаходить на кадрі область обличчя. Далі зображення вирівнюють за опорними точками, такими як кути очей і крила носа, щоб нахил голови і масштаб не заважали порівнянню. Потім нейромережа перетворює вирівняний фрагмент на вектор ознак, тобто на набір чисел, який називають біометричним шаблоном. І тільки на останньому етапі два шаблони зіставляють та отримують відстань між ними.
Зберігати ваше фото системі для цього не потрібно, зберігається шаблон. Відновити з нього вихідний знімок у побутовому сенсі не можна, але знеособленими такі дані не є: шаблон прив’язаний до конкретної людини і впізнає її в будь-якій базі, побудованій тим самим алгоритмом.
Рішення про збіг ухвалює поріг, і це налаштування, а не властивість техніки. Зсунули поріг у бік суворості, стало менше хибних збігів, але система частіше не впізнає власного ж працівника. Зсунули в бік м’якості, людей пропускають без затримки, але росте шанс пропустити чужого.
Де вас справді порівнюють з базою
Сценарії схожі тільки ззовні. Різняться вони трьома речами: яке питання система вирішує, де лежить ваш шаблон і чи маєте ви право відмовитись.
| Де застосовують | Яке питання вирішує система | Де лежить шаблон | Чи є альтернатива для вас |
|---|---|---|---|
| Розблокування телефона | Чи це власник пристрою | У захищеній частині самого телефона | Так, код доступу |
| Віддалене відкриття рахунку | Чи в кадрі жива людина з того самого документа | У банку або в підрядника з перевірки | Так, візит у відділення |
| Прохідна і облік робочого часу | Чи збігається обличчя з шаблоном працівника | На сервері роботодавця або підрядника | Має бути картка чи пропуск |
| Паспортний контроль | Чи збігається обличчя з даними чипа документа | У чипі паспорта, порівняння разове | Ручна перевірка офіцером |
| Міські камери спостереження | Чи схожий перехожий на когось із бази | У зовнішній базі, доступ вам невідомий | Немає, згоди ніхто не питає |
| Відеоаналітика в торговому центрі | Чи ця людина вже була тут раніше | У підрядника з відеоаналітики | Формально немає |
Перші чотири рядки ви бодай помічаєте і можете про них спитати. Два останні працюють без вашої участі, і саме там зосереджена більшість суперечок.
Один до одного і один до багатьох
Верифікація це порівняння один до одного: людина стверджує, що вона власник телефона або рахунку, і її обличчя звіряють з одним збереженим шаблоном. Ідентифікація це порівняння один до багатьох: система перебирає тисячі або мільйони шаблонів і повертає список схожих.
Другий режим небезпечніший арифметично, а не через чиїсь погані наміри. Чим більша база, тим більше в ній людей, випадково схожих на шуканого за заданим порогом. Тому хибні збіги там неминучі навіть у доброго алгоритму, і коректно читати результат як версію для перевірки, а не як відповідь.
Що показали незалежні вимірювання
Найчастіше цитований незалежний джерельний матеріал тут це звіт Національного інституту стандартів і технологій США NISTIR 8280 від грудня 2019 року. У ньому перевірили 189 алгоритмів від 99 розробників на 18,27 мільйона зображень 8,49 мільйона людей із державних баз. Висновки були такі.
- Більшість алгоритмів дає демографічні відмінності: здатність зіставити два знімки однієї людини змінюється від групи до групи.
- У режимі один до одного хибні збіги частіше траплялись для азійських та афроамериканських облич порівняно з європеоїдними, причому різниця сягала від десятикратної до стократної залежно від конкретного алгоритму.
- Серед алгоритмів, розроблених в азійських країнах, такого розриву між азійськими та європеоїдними обличчями не було, що NIST пов’язав з різноманітнішими навчальними даними.
- У режимі один до багатьох на базі з 1,6 мільйона знімків частіше хибно спрацьовували збіги для афроамериканок.
- Розрив дають не всі алгоритми, і найрівномірніші за демографічними групами входять до числа найточніших загалом.
NIST продовжує публікувати оновлювані оцінки з окремим розділом про демографічні ефекти. Загальна картина за ці роки покращилась, але розкид між віковими, статевими і регіональними групами лишився.
Чого технологія не вміє, хоча це продають
Вона не визначає емоції, наміри чи брехню. За мімікою можна припустити вираз обличчя, але не внутрішній стан, і обґрунтованість таких висновків лишається спірною серед дослідників. Назвати власну емоцію складно навіть людині, і це навичка, яку тренують роками, а не ознака, яку зчитує камера; про те, як це робиться насправді, є окремий матеріал про емоційний інтелект і реакцію на емоції.
Якість падає на гострому куті зйомки, у контровому світлі, за низької роздільної здатності та після помітної зміни віку або ваги. Однояйцеві близнюки для частини систем лишаються проблемою. І головне: жодна цифра точності не має сенсу без умов, у яких її отримали.
Ціна помилки: задокументований випадок
У 2020 році в Детройті за підказкою системи розпізнавання затримали Роберта Вільямса. Алгоритм зіставив його фотографію з водійського посвідчення з кадром запису в магазині 2018 року, а працівник магазину підтвердив упізнання. Людина виявилась непричетною. У червні 2024 року місто виплатило йому 300 тисяч доларів за мировою угодою і змінило правила: результат розпізнавання більше не може бути підставою для затримання без незалежних доказів, а всі справи з 2017 року, де розпізнавання застосовували для отримання ордера, підлягають перевірці.
Слабке місце тут не алгоритм. Він видав список схожих, а рішення ухвалили люди, не маючи інших доказів. Саме тому вимога підтверджувати підказку системи незалежними даними стала стандартним пунктом регламентів.
Що про це каже закон
У Євросоюзі з 2 лютого 2025 року діють заборони статті 5 Регламенту про штучний інтелект. Заборонено створювати або розширювати бази розпізнавання облич нецільовим збором зображень з інтернету чи з камер спостереження, без винятків. Заборонено системи визначення емоцій на робочих місцях і в закладах освіти, крім медичних та пов’язаних із безпекою випадків. Віддалену біометричну ідентифікацію в реальному часі в публічних місцях для правоохоронних цілей заборонено, крім вузького переліку ситуацій, і кожне застосування потребує попереднього дозволу. Штрафи за цими пунктами сягають 35 мільйонів євро або 7 відсотків світового обороту.
Загальний регламент про захист даних і до того відносив біометрію, яку використовують для однозначної ідентифікації людини, до особливої категорії з посиленими вимогами. На практиці це вже обернулось штрафами саме за суцільний збір фотографій: регулятори Франції, Італії та Греції у 2022 році наклали на компанію Clearview AI по 20 мільйонів євро кожен, а у вересні 2024 року нідерландський регулятор додав ще 30,5 мільйона.
В Україні діє стаття 7 Закону про захист персональних даних: обробка біометричних даних заборонена, крім перелічених у ній підстав, серед яких однозначна згода людини та потреба у сфері трудових відносин за належного захисту. Контролюючий орган це Уповноважений Верховної Ради України з прав людини, туди і подається скарга.
Сім кроків, які має сенс зробити особисто
- Розділяйте два випадки: біометрія на вашому пристрої проти передавання обличчя в чужу базу. Перше ви контролюєте, друге ні.
- Перевірте, чи стоїть на телефоні надійний код доступу як запасний спосіб входу. Обличчя без коду захищає гірше, а не краще.
- Перед згодою на біометрію питайте чотири речі: хто розпорядник даних, де зберігається шаблон, скільки він зберігається і чи є альтернативний спосіб.
- Там, де біометрія не обов’язкова за законом, вимагайте альтернативу у вигляді картки або перепустки. На роботі це законна вимога, а не примха, і розмова про неї ведеться як звичайна робоча незгода, за тими самими стратегіями вирішення конфліктів, а не як скарга.
- Читайте політику обробки даних повільно і вибірково: тут не працює швидкочитання, бо значення мають саме дрібні формулювання про строк зберігання і передавання третім особам.
- Не викладайте портрети високої якості у відкритий доступ без потреби. Логіка та сама, що й у побутовому мінімалізмі: менше зайвого назовні означає менше того, що потім доводиться контролювати.
- Користуйтесь правом на доступ: розпорядник зобов’язаний відповісти на письмовий запит про те, які ваші дані обробляє і на якій підставі. При відмові або мовчанні подавайте скаргу Уповноваженому з прав людини, додавши копію свого запиту.
Часті запитання
Чи можна обдурити розпізнавання обличчя фотографією
Просту систему з однією звичайною камерою обдурити легше, ніж захищену. Тому там, де на кону гроші або доступ, застосовують перевірку живості: аналіз глибини, інфрачервону зйомку, реакцію на зміну освітлення або прохання виконати рух. Повністю надійного захисту немає, перегони між підробкою відео і методами її виявлення тривають.
Чи законне відеоспостереження з розпізнаванням облич
Відеозйомка і обробка біометрії це різні речі. Друге за українським законодавством потребує законної підстави, найчастіше однозначної згоди людини. Тому камера на вході до магазину питань не викликає, а зіставлення облич відвідувачів із будь-якою базою вже потребує обґрунтування.
Чи можна вимагати видалення свого обличчя з бази
Так, суб’єкт даних має право вимагати від розпорядника інформацію про обробку своїх даних та їх видалення, якщо законної підстави немає. Працює це не миттєво, але саме такі вимоги стали приводом для найбільших європейських штрафів.
Чи можна знайти людину за фотографією і чи варто
Сервіси пошуку за зображенням існують, і в Євросоюзі бази, зібрані суцільним збором фото з інтернету, прямо заборонені статтею 5 згаданого регламенту. Окремо варто сказати про побутовий мотив: коли пошуком за фото перевіряють партнера, проблема лежить не в технології. З ревнощами працюють розмовою і межами, і про це є окремий матеріал про те, як перестати ревнувати.
Наскільки точні такі системи в цифрах
Єдиної цифри не існує, і це не ухильна відповідь. Частота помилок залежить від алгоритму, виставленого порога, розміру бази, якості зйомки і демографічної групи. Коректно порівнювати лише результати незалежних тестів в одному й тому самому режимі, а будь-яка точність, названа без цих умов, є рекламною.