W swoi artykule na Wired O’Neill relacjonuje, że wielu odbiorców tweeta krytykowało jej tezę i przekonywało, że fotografie te były już dostępne w sieci i Facebook ma dostęp do naszych zdjęć profilowych. Rzecz jasna w wielu przypadkach tak właśnie było i użytkownicy postowali w ramach wyzwana te same zdjęcia, które znajdziemy na ich profilach. Autorka tekstu kieruje jednak uwagę na inny aspekt – co zrobiłbyś, gdybyś miał do wytrenowania algorytm rozpoznawania twarzy związany z wiekiem?

Nauczania algorytmu

O’Neill przedstawia, że chcąc wytrenować taki algorytm niezbędny jest szeroki zbiór danych, rozdzielonych określoną liczbą lat – na przykład dziesięciu. Na co dzień użytkownicy social media nie postują zdjęć wyłącznie w porządku chronologicznym, co utrudnia tego typu przedsięwzięcie. Nawet metadane EXIF nie zawsze są wiarygodne w ocenie realnej daty wykonania fotografii, a niektóre platformy usuwają je w celu ochrony prywatności. Do nauki algorytmu niezbędny byłby więc prosty, pomocny zestaw zdjęć.

W ramach #10YearChallenge tysiące użytkowników własnowolnie dodało na swoje profile zdjęcia ze wskazaniem “ja w 2009 roku i ja w 2019 roku”, a nierzadko także dodatkowymi informacjami na temat okoliczności wykonania fotografii. W ten sposób stworzono ogromny zbiór starannie dobranych zdjęć internautów sprzed około 10 lat.

Trzy możliwe warianty

Kate O’Neill prezentuje na łamach Wired trzy możliwe warianty – poważny, przyziemny oraz ryzykowny. W początkowym scenariuszu technologia rozpoznawania twarzy z uwzględnieniem progresji wiekowej może pomóc w odnajdywaniu zaginionych dzieci. Jak wspomniano, w ubiegłym roku technologia pozwoliła na odnalezienie trzech tysięcy zaginionych dzieci w zaledwie cztery dni. Jeśli od czasu zaginięcia minęłoby wiele czasu, z pewnością dzieci wyglądałyby inaczej, a więc wytrenowany algorytm mógłby okazać się niezwykle cenny.

Inną możliwością przedstawioną przez autorkę tekstu na Wired jest wykorzystanie algorytmu do targetowania reklam. Wyświetlacze reklam zawierające ekrany z kamerami i czujnikami mogłyby dostosować komunikat do grup demograficznych oaz wiekowych. Dzięki temu reklamy byłyby bardziej dostosowane do odbiorców, jednak jednocześnie przepływ danych mógłby prowadzić do przerażających interakcji.

Możliwe jest także użycie rozwiązania do oceny ubezpieczenia i opieki zdrowotnej. W przyszłości algorytm mógłby wskazywać np., że dana osoba starzeje się szybciej i wymagać od niej wyższej zapłaty składek. Kobieta upatruje także wykorzystania przez policję i inne służby. Obawy budzi jednak prywatność i fakt, iż poza podejrzanymi organy miałyby także dostęp np. do osób protestujących, które policja uważa za uciążliwe.

Nasza dane i świadomość na ich temat

Kluczowe jest więc to, abyśmy zrozumieli, jaki wpływ mamy na technologię i zastanowili się nad tym. Autorka nie ocenia, że trenowanie algorytmów do rozpoznawania twarzy jest czymś złym, jednakże wszyscy musimy być świadomi jakie intencje mogą stać za podobnymi działaniami oraz czemu przyznajemy dostępy.

“Ludzie są łącznikiem łączącym świat fizyczny i cyfrowy. Interakcje międzyludzkie stanowią większość tego, co sprawia, że Internet  Rzeczy jest interesujący. Nasze dane to paliwo, które sprawia, że biznes jest mądrzejszy i bardziej opłacalny.” – pisze O’Neill.

Kobieta wskazuje także, że ludzie są bowiem najbogatszym źródłem danych dla większości technologii i powinniśmy mieć tego świadomość. Swoje rozważania kończy zdaniem, które powinno zostać w pamięci każdego z nas – powinniśmy wymagać od firm dbałości o nasze dane, lecz sami również traktować je z szacunkiem.

Źródło: Wired