Innovation

Minderheitenbericht wird Realität: Künstliche Intelligenz schafft es, Kriminelle anhand ihrer Gesichter zu identifizieren

Minderheitenbericht wird Realität: Künstliche Intelligenz schafft es, Kriminelle anhand ihrer Gesichter zu identifizieren

Künstliche Intelligenz entwickelt ein neuronales Netzwerk, das Kriminelle und Nicht-Kriminelle durch ihre Fahndungsfotos trennen kann.

Es mag wie eine Szene aus Minority Report klingen, ist es aber nicht. Wissenschaftler der Shangai Jiao Tong Universität identifizierten Straftäter mit einer Genauigkeit von 89,5 Prozent über Bildverarbeitungsalgorithmen. Die Studie mit dem Titel "Automatisierte Inferenz zur Kriminalität" ist die erste automatisierte Arbeit, die die Kriminalität in Bezug auf Standbilder von Gesichtern berücksichtigt.

Künstliche Intelligenz lernt die gemeinsamen Gesichtszüge von Kriminellen

Kriminologen integrieren die neuesten Technologien, um detaillierte Daten zur Identifizierung von Kriminellen zu sammeln. Laut Xiaolin Wu und Xi Zhang, Wissenschaftlern, die die Studie durchgeführt haben, ist ihre Methode unkompliziert. Sie machten zuerst halb und halb Ausweisfotos von den Kriminellen und Nicht-Kriminellen. Die Mischung umfasste 1856 chinesische Männer. Diese Männer waren alle zwischen 18 und 55 Jahre alt und ohne Gesichtsbehaarung. Wissenschaftler verwendeten 90 Prozent der Fotos, um ein neuronales Faltungsnetzwerk zu erstellen. Die restlichen 10 Prozent wurden verwendet, um die Effizienz des informierten Systems zu testen.

Das Faltungsnetzwerk identifiziert Kriminelle korrekt mit einer Genauigkeit von 89,5 Prozent

Die Ergebnisse waren beunruhigend. Xiaolin Wu und Xi Zhang stellten fest, dass das von ihnen erstellte neuronale Netzwerk Kriminelle mit einer Genauigkeit von 89,5 Prozent korrekt identifizieren kann. Darüber hinaus entdeckten sie einige morphologische Merkmale, die für die Vorhersage der Kriminalität diskriminierend sind. Diese Merkmale umfassen den inneren Augenabstand der Augen, Lippenkrümmungen und den Nasen-Mund-Winkel. Die Studie kommt zu dem Schluss:

"Vor allem ist die wichtigste Entdeckung dieser Forschung, dass kriminelle und nicht kriminelle Gesichtsbilder zwei sehr unterschiedliche Mannigfaltigkeiten bevölkern. Die Unterschiede zwischen kriminellen Gesichtern sind erheblich größer als die der nicht kriminellen Gesichter. Die beiden Mannigfaltigkeiten bestehen aus kriminellen und Nicht-kriminelle Gesichter scheinen konzentrisch zu sein, wobei die nicht-kriminelle Mannigfaltigkeit im Kernel mit einer kleineren Spannweite liegt und ein Gesetz der Normalität für Gesichter von Nicht-Kriminellen aufweist. "

[Bildquelle:Pixabay]

Merkmale eines kriminellen Gesichts

Laut der Studie erkannte das neuronale Netzwerk diese im Gesicht eines Verbrechers:
Der Abstand zwischen den inneren Augenwinkeln ist 6 Prozent kürzer.
Die Krümmung der Oberlippe ist etwa 23 Prozent größer.

Der Winkel zwischen zwei Linien, die von den Mundwinkeln bis zur Nasenspitze gezogen werden, ist 20 Prozent kleiner.

"Wir sind die ersten, die automatisierte gesichtsinduzierte Schlussfolgerungen zur Kriminalität untersuchen, die frei von Vorurteilen subjektiver Urteile menschlicher Beobachter sind. Durch umfangreiche Experimente und intensive Kreuzvalidierungen haben wir gezeigt, dass datengesteuerte Gesichtsklassifizierer durch überwachtes maschinelles Lernen in der Lage sind Darüber hinaus haben wir festgestellt, dass ein Gesetz der Normalität für Gesichter von Nicht-Kriminellen gilt. Nach Kontrolle von Rasse, Geschlecht und Alter hat die allgemeine gesetzestreue Öffentlichkeit ein deutlich geringeres Gesichtsausdruck als Kriminelle. "

Der Einsatz künstlicher Intelligenz bringt natürlich ethische Kontroversen mit sich. Und wirft Fragen darüber auf, was normal ist und was nicht.

Weitere Informationen zur Studie erhalten Sie unter Automated Inference on Criminality.

SIEHE AUCH: Dieses Programm für künstliche Intelligenz weiß, was Sie befürchten

Geschrieben von Tamar Melike Tegün

Schau das Video: Die Science Fiction Propheten - E06 Jules Verne: Visionär der Moderne (November 2020).