倫敦用人臉識別抓錯人!專家:得結合 DNA 技術才行

倫敦警方最近試用了一種新的面部識別系統,但是他們犯了個令人尷尬的錯誤。在諾丁丘嘉年華上,警方使用這項技術搜尋嫌疑人時,發生約 35 次錯誤身份辨識,並且其中一人還被「誤抓」。
評論
Photo Credit: Steve Jurvetson
評論

本文來自合作媒體 36Kr,INSIDE 授權轉載

倫敦警方最近試用了一種新的面部識別系統,但是他們犯了個令人尷尬的錯誤。在諾丁丘嘉年華上,警方使用這項技術搜尋嫌疑人時,發生了約 35 次錯誤身份辨識,並且其中一人還被「誤捕」。

以鏡頭為基礎的的視覺監視系統理論上能確保社會環境更安全。但是,即使經過了幾十年的發展,它們依然無法完全處理現實生活中的情況。例如,在 2011 年倫敦騷亂期間,面部識別軟體只識別出 4962 個嫌疑人其中一個,並對他進行逮捕。

這技術的失敗意味視覺監控仍然得依靠坐在黑暗房間裡的監控人員觀看數小時的監視影片,這完全不足以保護一個城市的人們。但最近的研究表明,影片分析軟體可能會得到極大改進,這要歸功於一個完全不同領域的軟體進步:DNA 序列分析。將 DNA 的進化方式匹配到影片上,這些軟體工具和技術可以轉變成自動的視覺監控。

自從 1960 年倫敦警察廳在倫敦安裝了第一批閉路電視鏡頭以來,多達 600 萬的鏡頭已經被部署在英國各個地方。現在,前線的警官們已經佩戴了體戴式相機,不僅可以拍攝到更多的影片來分析,還可以提取到更複雜的數據。

然而,自動化的視覺監控仍然局限於相對可控的環境中的任務。可以檢測某一特定財產的非法侵入,計算出經過某一扇門的人數,或者可以非常精確地識別車牌。但僅僅分析特定的一組人群或在公共街道上辨認個人的鏡頭是不可靠的,因為戶外場景變化很大、變化速度也很快。

為了改進自動化影片分析,需要能夠處理這種變化的軟體,而不是因為它的不方便就放棄改進——這是一個根本性的改變。一個可以用於處理大量可變數據的領域是基因組學。

自從 2001 年第一個人類基因組的 30 億個 DNA 序列 (人類的全部基因數據) 被測序以來,這種基因組數據的產量呈指數級成長。這些數據的龐大數量及其變化的程度意味著,需要大量資金和資源來開發專門的軟體和計算設備來處理這些數據。

今天,科學家們可以相對輕鬆地訪問基因組分析服務,研究各種各樣的東西,從如何對抗疾病,設計個人化醫療服務,到人類歷史的奧秘。

基因組分析包括通過研究已經發生的基因突變來研究基因的進化過程。這與視覺監控領域的挑戰驚人地相似,視覺監控依賴於對一段時間的演變進行分析,以發現和追蹤移動的行人。通過處理構成影片的圖像之間的差異,可以把用於基因組分析的技術應用到影片中。

對這種「影片組學」原理的早期測試已經證明瞭它的潛力。Kingston University 的研究小組首次發現,即使是在一個自由移動的相機拍攝的時候,影片也可以被分析。將攝影機的移動識別為突變過程,通過特殊的操作,這樣一個場景就像被固定攝影機拍攝下來一樣。

與此同時,University of Verona 的研究人員已經證明,圖像處理任務可以被編碼成標準基因組學工具被利用的方式。這一點尤其重要,因為這種方法大大降低了軟體開發的成本和時間。


Cookie 消失?試試看全新 AI 影像內容辨識:讓用戶看的內容決定看到的廣告

Google Chrome 即將淘汰幫助廣告主的工具—— Cookie ,它的離去將再一次地影響數位廣告產業。
評論
Photo Credit:<a href="https://www.shutterstock.com/zh/image-photo/ai-artificial-intelligence-big-data-internet-1075853384" target="_blank">shutterstock</a>
評論

透過GA分析進站者發現, Safari的新客數越來越多,難道這表示 iOS 的用戶數也跟著增加了嗎?注意了,這有可能是 Apple 封鎖第三方 Cookie 帶來的影響。隨著 Google 即將淘汰 Chrome 上的 Cookie ,這個幫助廣告主記住用戶受眾的小工具,將要再一次地影響數位廣告產業。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

後 Cookie 時代的廣告受眾如何鎖定?

各大廣告平台在過去幾年不斷地透過 Cookie 以及其它方式,悄悄收集使用者的用戶數據,隨著這幾年用戶的隱私權意識抬頭, Apple 與 Google 對於藉由 Cookie 辨識用戶資料的廣告投遞方式,持有不同的態度,這也將是所有廣告主的極大挑戰。當 Cookie 不復存在,要如何辨識使用者資料?

Cookie 消失了,或許會有新的數據辨識工具來取代,但是任何試圖跟蹤受眾的方式,都難以符合大眾對於保護隱私權的期望。另一方面,也極有可能無法再通過日趨嚴格的媒體監管限制。無論如何,數位廣告不能像過去一樣,無條件地使用類似 Cookie 的追蹤方式,來達到與現在同樣的廣告效果。

後 Cookie 時代內容辨識類型的廣告鎖定方式,將成為未來具指標性的投放策略。廣告與瀏覽平台或內文主題的高相關性,不僅能顯著提高受眾的互動度,更重要的是,完全不需要收集任何個人數據。

FreakOut Taiwan 不斷嘗試更友善的廣告投遞形式, 自 2016 年進入台灣市場的原生廣告,到 2020 年末引進「 Mirrors 」 AI 影像視覺內容辨識系統,都是以網路使用者的角度出發。「 Mirrors 」不需要使用傳統的受眾興趣設定,即可針對「目標受眾在觀看的影像內容」、「品牌自身競爭對手或相關指定系列產品出現的影片」來投遞 YouTube 上的影音廣告。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

AI 人工智慧影像技術突破,推動新一代內容辨識功能

傳統的內容比對廣告皆為自然語言處理 NLP 中心,基於「純文字」的比對來顯示相關廣告,如大家很熟悉的 Google AdSense 。但是,結合新興的 AI 演算和複雜的圖像辨識,已然能夠達到「影片」的內容偵測,透過增加多個比對層和基於自然語言處理 NLP 的基準定位,可深度學習並提供更精細的辨識洞察力。

舉例來說,若想要將汽車廣告投放給對汽車有興趣的人,我們要先從可能對汽車感興趣的受眾中開始推估,並且根據過去的經驗加入不同的興趣條件,最後針對素材更進一步地測試。透過 Mirrors ,我們可以讓廣告出現在有滿足特定條件的影片內,例如:在消費者觀看的影片中,出現汽車評測報告、自家品牌或競爭對手的 LOGO 、代言人等指定條件,再依照不同廣告主設定的預算判斷是否露出廣告。

藉由這樣的影像比對方式,可以更有效地根據消費者行為觸發廣告投遞條件,而不再是現行的用戶受眾數據。人的興趣是多樣且多變的,當對汽車有興趣的用戶在完成汽車的選購後,短期內將不會再瀏覽相關資訊,轉而瀏覽其他更具時效性的內容。透過消費者當下正在觀看的影片內容,取代消費者身上被貼上的數位標籤,將更貼近消費者本身的使用行為。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

Mirrors AI 影像辨識:用消費者看的內容決定廣告

2021 年台灣數位報告指出,台灣人在各網路內容服務中,最愛「網路影片」的比例高達 97.9%,遠超過 Vlog、串流音樂、網路廣播、Podcast 。

影音廣告早已是品牌經營的趨勢:根據 DMA 2019 年台灣數位廣告量統計報告指出,台灣各類型廣告中,影音廣告以 37.2% 的成長比例大幅領先奪冠。其中 YouTube 持續蟬聯台灣最常被造訪網站第 2 名(僅次於 Google ) ,在台灣各大影音平台中的觸及率及影響力不容小覷。

2021 年 FreakOut Taiwan 已與客戶合作,進行搭載新系統的 YouTube 串流內廣告投遞,在針對品牌及產品客製化的多層鎖定策略建議下,房地產廣告的 CTR 表現高於平均,並發現「人臉」群組辨識表現為佳,其中多為財經、名嘴等名人。而美妝品牌廣告 VTR 表現優異,則以品牌「 Logo 」、「人臉」群組有最出色的表現。

本文章內容由「驚點股份有限公司( FreakOut Taiwan )」提供,經關鍵評論網媒體集團廣編企劃編審。