Bien que Nell Barber n’était pas sûre de ce que son avenir lui réservait après avoir obtenu un baccalauréat en psychologie, elle utilise maintenant son intérêt pour le comportement humain pour concevoir des systèmes qui exploitent des algorithmes d’apprentissage automatique pour identifier les visages dans une foule.
Son diplôme ultérieur en informatique a ouvert la voie à ses recherches actuelles au laboratoire national d’Oak Ridge du ministère de l’Énergie – en concevant un logiciel pour identifier avec précision divers visages à distance, dans une variété de contextes et en gardant à l’esprit la confidentialité de chaque personne.
La chercheuse en sciences de l’identité de l’ORNL, Nell Barber, travaille sur une caméra de reconnaissance faciale. Crédit : Geneviève Martin/ORNL, Département américain de l’énergie
« Je fais le pont entre les modalités de la compréhension informatique d’une personne et de son identité », a déclaré Barber à propos de la découverte d’une étrange confluence naturelle entre les sciences sociales et l’informatique. Barber est chercheur en sciences de l’identité à la Direction des sciences de la sécurité nationale de l’ORNL.
Il existe de nombreuses covariables de reconnaissance faciale qui traitent d’une personne en particulier : ce qu’une personne fait, comment elle marche, comment elle s’habille, comment elle se comporte, si elle coopère dans le cadre ou même si elle réalise qu’elle est être observé. Ce qui apparaît sur le visage d’une personne peut être codifié en données à l’aide de la vision par ordinateur et de l’apprentissage automatique pour aider un analyste humain à prendre des décisions concernant un comportement spécifique et un contexte environnemental.
Recherche centrée sur l’humain à propos d’une affaire privée : un visage
L’intérêt de Barber pour la psychologie apporte une saveur unique à la façon dont elle élabore son travail. Elle reconnaît l’impact sur une personne et les gens en tant que groupe lorsque des machines sont utilisées pour détecter quelque chose d’aussi individuel et personnel : l’identité.
Le spectre des capacités dont disposent les humains pour identifier les visages est varié mais pas toujours fiable. Certaines personnes ne se souviennent pas des visages des personnes qu’elles aiment tandis que d’autres peuvent reconnaître un visage lors d’un bref échange l’année précédente. Dans les situations où la foule pourrait cacher une personne d’intérêt, il n’est pas possible de scanner les visages avec rapidité et précision comme le peut un ordinateur.
Nell Barber de l’ORNL utilise un mannequin pour tester une caméra de reconnaissance faciale. Crédit : Geneviève Martin/ORNL, Département américain de l’énergie
Les ordinateurs ont plusieurs façons de collecter des données et de donner un sens aux images. La vision par ordinateur et l’apprentissage automatique sont deux méthodes pour aider les ordinateurs à interpréter les informations comme le ferait une personne. La vision par ordinateur consiste à programmer un ordinateur pour interpréter les images comme une personne le ferait à travers un œil. L’apprentissage automatique apprend à un ordinateur à trouver des modèles plus rapidement et avec plus de précision. Les cerveaux et les ordinateurs recherchent des modèles pour confirmer ce que l’on pense être correct et détecter les anomalies, mais la façon dont chaque entité arrive à la décision et ce qui est fait avec l’information est là où les humains et les ordinateurs divergent.
Là où les ordinateurs réussissent à trier des quantités massives de données pour trouver une aiguille dans la botte de foin, toutes les aiguilles ne sont pas importantes. Barber cherche à expliquer les nuances de la façon dont les humains et les ordinateurs traitent l’information pour mieux programmer les ordinateurs afin d’accéder aux éléments de données importants et aider une personne à prendre une décision éclairée.
Les ordinateurs ne sont pas encore capables de prendre des décisions sur la manière d’agir sur les informations qu’ils analysent dans de nombreux contextes. Dans un centre commercial bondé, par exemple, un algorithme peut détecter une personne penchée sur un sac dans l’aire de restauration et peut coder le comportement car la personne a quelque chose à cacher. Une personne, cependant, peut ne pas voir une menace imminente. Les capteurs de reconnaissance faciale peuvent reconnaître les visages, mais un humain, du moins pour l’instant, est tenu d’agir sur les informations fournies par le logiciel. Barber distingue comment une personne est nécessaire pour prendre des décisions en fonction du comportement d’une personne dans le contexte de l’environnement et ne doit pas être déléguée à un ordinateur.
Aborder les limites de la diversité, l’éthique et la vie privée
Pendant son séjour à l’Université de Caroline du Nord à Wilmington, Barber a découvert la nécessité de former des algorithmes d’apprentissage automatique pour reconnaître les traits du visage entre les groupes ethniques. Le degré de variation entre les visages peut être dû à de multiples facteurs, notamment des événements historiques dans une région, des influences de l’immigration et de la géopolitique. Elle a déclaré que les données d’entraînement pour les visages non blancs sont limitées, bien que la nécessité soit élevée pour des données d’entraînement précises représentant autant d’une population que possible. Dans des situations réelles où les enjeux sont élevés pour identifier la bonne personne, la précision et la réduction des faux positifs sont primordiales.
Pour créer une bibliothèque pleine de données de formation diverses, Barber travaille sur un projet pour l’activité de projets de recherche avancée sur l’intelligence afin d’identifier avec précision les visages à distance. La Projet de reconnaissance et d’identification biométriques à l’altitude et à la distanceou BRIAR, est un projet de recherche actif comprenant des centaines de participants dans des endroits du monde entier qui ont accepté que leurs données biométriques soient collectées, ce qui à son tour augmentera la qualité et la quantité des données de formation sur les visages, les allures, les capacités, les âges et les ethnies. .
L’interaction homme-ordinateur est l’endroit où Barber s’efforce de faire des progrès à la fois avec les progrès technologiques et l’utilisation responsable. Les visages sont considérés comme des informations personnellement identifiables, bien que lorsque les visages sont transformés en uns et en zéros, la confidentialité des informations personnelles n’est pas toujours respectée. Barber répond à cette préoccupation en intégrant le cryptage dans les systèmes pour chaque partie du processus de données, y compris la collecte, le stockage, la transmission et le partage entre les organisations. Faire progresser ces technologies tout en veillant à ce qu’elles soient gérées de manière sûre et responsable distingue son travail des autres programmes à la recherche d’utilisations axées sur le consommateur. Elle choisit de travailler dans ce domaine pour montrer une utilisation responsable dans des contextes réels.
Pour les organisations associées au gouvernement fédéral qui cherchent à utiliser un logiciel de reconnaissance faciale, la confidentialité est un élément essentiel du produit final. Les ordinateurs peuvent passer au crible d’énormes quantités de données plus rapidement et avec plus de précision que les humains. Être en mesure d’identifier les personnes d’intérêt rapidement et avec des systèmes abordables peut sauver des vies et prévenir des accidents. « C’est un équilibre qui n’est en aucun cas pris à la légère », a déclaré Barber.
UT-Battelle gère l’ORNL pour le Bureau des sciences du Département de l’énergie, le plus grand soutien de la recherche fondamentale en sciences physiques aux États-Unis. L’Office of Science s’efforce de relever certains des défis les plus urgents de notre époque. Pour plus d’informations, s’il vous plaît visitez energy.gov/science.
La source: ORNL
