ميتا تنشر تقنية مسح الوجه التابعة للبنتاغون على 50 مليون هاتف
قامت Meta مؤخرًا بدمج كود بيومتري في منظومة نظاراتها الذكية. وقد جاء هذا الكود من مورد مرتبط بالبنتاغون. وتُظهر هذه الخطوة تحولًا هائلاً في مجال الرؤية الحاسوبية (computer vision).
أصبح تحليل الوجه بمستوى عسكري صغيرًا بما يكفي للعمل على الأجهزة الاستهلاكية. وقد دفعت Meta بهذا التحديث عبر تحديث بسيط للتطبيق.
خلاصات تقنية للمطورين:
- تعمل مقارنة الوجوه الآن على الأجهزة المحمولة عبر تحديثات التطبيقات.
- أصبحت خوارزميات المطابقة من نوع "واحد إلى كثير" (one-to-many matching) عالية الكفاءة الآن.
- تتيح الحوسبة الطرفية (Edge computing) التعرف الفوري.
- تتولى الأجهزة مثل وحدة المعالجة العصبية (Neural Processing Unit) المهام الشاقة.
- وهذا يقلل من زمن الاستجابة (latency) عبر تجنب الخوادم السحابية.
هناك فرق كبير بين التعرف على الوجه (facial recognition) ومقارنة الوجوه (facial comparison). حيث يقوم التعرف بمسح الحشود لتحديد الهويات، بينما تقوم المقارنة بتحليل صورتين محددتين للعثور على تطابق.
انتقلت Meta من التحليل اليدوي إلى التعرف المحيطي (ambient identification). وهذا يخلق "صندوقًا أسود" للمطورين؛ فإذا كانت المكتبات البيومترية مخفية داخل حزم تطوير البرمجيات (SDKs) الاستهلاكية، فإن الشفافية تتلاشى.
تتطلب الأدوات المهنية للمحققين دقة عالية، بينما غالبًا ما تتسم الأدوات الاستهلاكية بمعدلات عالية من النتائج الإيجابية الكاذبة (false-positive rates). وهذه الأخطاء لا تصمد في المحكمة.
تركز البرمجيات المهنية على:
- تحليل دقيق للمسافة الإقليدية (Euclidean distance).
- بيانات قابلة للتحقق جنبًا إلى جنب.
- بيئات محكومة لدراسات الحالة.
- تقارير دقيقة لإنفاذ القانون.
بينما تقوم ببناء مشاريع الرؤية الحاسوبية، ستواجه خيارًا: إما بناء أدوات للأتمتة الخفية، أو بناء أدوات تمنح الأولوية للدقة والموافقة الأخلاقية.
كيف توازن بين سرعة الحوسبة الطرفية والحاجة إلى الموافقة على البيانات؟
مجتمع تعليمي اختياري: https://t.me/GyaanSetuAi