Studi Terbaru Sebut Masker Melanggar Algoritma Pengenalan Wajah

Suara.com - Masker adalah salah satu pertahanan terbaik terhadap penyebaran virus corona (Covid-19). Sayangnya, adopsi mereka memiliki efek yang tidak diinginkan, yakni memecah algoritma pengenalan wajah.

Mengenakan masker yang menutupi mulut dan hidung, menyebabkan tingkat kesalahan beberapa algoritma pengenalan wajah, menjadi antara 5 persen dan 50 persen.

Sebuah studi oleh Institut Standar dan Teknologi Nasional (NIST) telah menemukan, masker hitam lebih cenderung menyebabkan kesalahan daripada masker biru. Semakin banyak hidung ditutupi oleh masker, semakin sulit algoritma memnbacanya untuk mengidentifikasi wajah.

"Dengan kedatangan pandemi, kita perlu memahami bagaimana teknologi pengenalan wajah berurusan dengan wajah-wajah bermasker," kata Mei Ngan, seorang penulis laporan dan ilmuwan komputer NIST dilansir laman The Verge, Senin (3/8/2020).

“Kami telah mulai dengan berfokus pada bagaimana suatu algoritma dikembangkan sebelum pandemi mungkin dipengaruhi oleh subyek yang memakai masker. Kemudian musim panas ini, kami berencana untuk menguji keakuratan algoritma yang sengaja dikembangkan dengan wajah bermasker dalam pikiran," jelasnya.

Algoritma pengenalan wajah seperti yang diuji oleh NIST bekerja dengan mengukur jarak antara fitur di wajah target. Masker mengurangi keakuratan algoritma ini dengan menghapus sebagian besar fitur ini, meskipun beberapa masih tetap ada.

Namun, ini sedikit berbeda dengan cara pengenalan wajah pada iPhone, misalnya, yang menggunakan sensor kedalaman untuk keamanan ekstra, memastikan bahwa algoritme tidak dapat dikelabui dengan menunjukkan gambar pada kamera.

Meskipun ada banyak bukti anekdotal tentang masker yang menggagalkan pengenalan wajah, penelitian dari NIST sangat definitif.

NIST adalah badan pemerintah yang bertugas menilai keakuratan algoritma ini (bersama dengan banyak sistem lain) untuk pemerintah federal, dan peringkatnya dari vendor yang berbeda sangat berpengaruh.

Khususnya, laporan NIST hanya menguji jenis pengenalan wajah yang dikenal sebagai pencocokan satu-satu. Ini adalah prosedur yang digunakan dalam penyeberangan perbatasan dan skenario kontrol paspor, di mana algoritma memeriksa untuk melihat apakah wajah target cocok dengan ID mereka.

Ini berbeda dengan jenis sistem pengenalan wajah yang digunakan untuk pengawasan massal, di mana kerumunan dipindai untuk menemukan kecocokan dengan wajah dalam database. Ini disebut sistem satu-ke-banyak.

Meskipun laporan NIST tidak mencakup sistem satu-ke-banyak, ini umumnya dianggap lebih banyak kesalahan daripada algoritma satu-ke-satu. Memilih wajah dalam kerumunan, lebih sulit karena Anda tidak dapat mengontrol sudut atau pencahayaan pada wajah dan resolusinya umumnya berkurang.

Itu menunjukkan bahwa jika masker merusak sistem satu-ke-satu, mereka kemungkinan melanggar algoritma satu-ke-banyak dengan setidaknya frekuensi yang sama, tetapi mungkin lebih besar.

Sebuah buletin internal dari Departemen Keamanan Dalam Negeri AS awal tahun ini, yang dilaporkan oleh The Intercept, mengatakan badan tersebut prihatin tentang dampak potensial yang dapat ditimbulkan oleh penggunaan masker pelindung secara luas pada operasi keamanan yang menggabungkan sistem pengenalan wajah.

Untuk pendukung privasi, ini akan menjadi berita baik. Banyak yang telah memperingatkan tentang pemerintah di seluruh dunia merangkul sistem pengenalan wajah, meskipun efek dinginnya teknologi tersebut terhadap kebebasan sipil.