一項最新研究表明，專業人員在人臉識別上的表現仍優于機器，但將兩者結合起來可以取得近乎完美的結果。

受過專業培訓的法醫鑒定人員對人臉識別的結果可用于呈堂證供，該研究首次對這些專業人士與最新人臉識別技術的識別準確度進行了評估與對比，新南威爾士大學的David White說道，他是本研究課題的負責人之一。

“以前進行的研究主要集中于普通人在人臉識別方面的準確度，”White博士指出。

“我們首次將專業人員的表現作為基準來衡量最先進的深度學習算法的表現。”

該研究的成果已經發表于《美國國家科學院院刊》。White博士說，他希望他們的發現能夠幫助相關機構在人臉識別方面做出更優的決策判斷。

例如，澳大利亞政府正計劃建立一個全國性的人臉識別數據庫，該數據庫可以將駕照上的圖像與來自閉路電視等系統的圖像相匹配。

“人臉識別的準確度在很大程度上決定了我們能否生活在一個安全公正的社會中，” White博士說。

“我認為，最先進的算法與最專業的人類相結合有可能使社會更公正，更安全。”

在具有挑戰性的場景中測試人臉識別的準確度

法醫鑒定人員通常接受了專業的培訓，能夠對臉部進行詳細評估——例如，通過仔細研究淚腺形態特征等細微之處——以便在法庭上提供證據。

為了評估人類能力的極限，研究人員在取得當事人同意后，使用他們的圖像設計了20個富有挑戰性的場景。

在研究過程中，他們測試了三組人群：來自世界各地的50名專業法醫鑒定人員；30名接受過培訓，能將閉路電視中的圖像與大頭照進行比較的法醫審查人員；還有13名未接受過相關培訓，但具有出色的人臉識別能力的“超級識別人員”。

法醫專家可以使用他們在工作中使用過的任何方法，在三個月時間內完成任務。

令人欣慰的是，三個組所有人員的表現都大大勝過沒有任何臉部識別經驗的普通人，如學生或指紋鑒定人員。

“我們當然希望情況會如此，但確認這一點還是很有必要的，”White博士說道。

“在一些需要確定涉案人員出現的管轄區域的案件中，臉部識別方面的判斷往往是生死攸關的。”

在相同情景下，研究人員還對2015年到2017年間開發的四種深度學習算法進行了測試，這些算法可根據細節識別出數百萬張面孔。

盡管早期開發的算法表現平平，并不比沒有接受過訓練的普通人好多少，但2017年開發的兩種算法，其表現達到了法醫鑒定人員組的平均水平。

“可以說，深度學習算法現在幾乎能與最專業的人類媲美，”White博士說。

但若在真實環境中識別人臉，他們的表現如何呢？

未參與該研究的一位英國人臉識別專家Anna Bobak指出，該研究結果表明，將受過專業訓練的法醫鑒定人員的技巧與算法相結合可以最大化地優化臉部圖像識別結果。

“研究數據表明，結合最新算法和超級識別人員或法醫鑒定人員可以獲得接近完美的識別結果，”這位來自斯特林大學的Bobak博士說。

研究中使用的圖像是在經當事人員許可后，正對著當事人臉部拍攝的。

Bobak博士指出，能夠識別證件上高質量圖像的技術有很多，但在真實環境下進行人臉識別仍是個不小的挑戰。

她說：“在復雜的環境中進行實時人臉識別更具挑戰性，因為人們在不斷移動，圖像可能并非在最佳角度或位置拍攝的，質量會低得多。”

“觀測不同組別的人群和算法在這種真實情況下的表現會相當有趣。” White博士也同意這個觀點。

“當遇到這些或其他具有挑戰性的情況時，我認為，要想避免經常出現錯誤判斷，達到較高的準確度，人類和算法都還有很長的路要走。”他說。

最終決策判斷權在于人類

然而，昆士蘭大學的生物統計學專家Brian Lovell認為，算法的表現優于大多數人類。

“很多大型數據庫上運行的人臉識別系統其識別準確率高達99％，尤其是在檢查護照時，而人類通常難以達到這么高的準確度，”Lovell教授說。

然而，算法只能縮小可選擇的范圍。 我們仍要靠人類來做出最終判斷。

雖然在該研究中一些法醫鑒定人員的表現遠遠優于算法，但其他人的表現并不比未受過訓練的一組更好。

“測試中出現的差異表明，人們在識別準確度和表現上的差異來自于審核證據的一類人，”White博士說。

“同目前一樣，這些人臉識別系統的準確性最終需交由人類確定，因此人們應該認真思考讓什么樣的人來承擔這樣重要的任務。”

研究結果表明，先天能力和后天培訓都有助于提高判斷的準確度，并且，這種先天能力可以通過對人們進行預先篩選來確定。

“篩選過程和培訓都必須經過慎重考慮，以確保那些非常有價值的技術不會出現重大錯誤判斷。”

White博士及其同事之前所做的一個研究表明，在澳大利亞護照辦公室工作的人員在人臉識別方面并不比普通學生更出色。

不過，他表示，自該研究之后護照辦公室采取了一些措施，如招聘時使用標準化考試，對工作人員進行培訓和以小組為單位工作等，工作人員的表現有了明顯改善。