Waarom gezichtsherkenning faalde bij de Boston-verdachten

AP
Als de verdachten van de aanslagen in Boston gekend waren bij de veiligheidsdiensten, waarom duurde het dan zo lang voor de verdachten op de beelden van de surveillancecamera's herkend werden. Het lijkt erop dat de gebruikte gezichtsherkenningstechnologie faalde. Expert Alessandro Acquisti legt aan Salon.com uit wat er misliep.

Alessandro Acquisti is informaticus en expert in online privacy aan aan de prestigieuze Carnegie Mellon-universiteit. Hij voerde in het verleden al onderzoek uit naar de mogelijkheden van gezichtsherkenning. Volgens hem zijn er vier hordes die de gezichtsherkenningssoftware van de politie potentieel zou kunnen missen.

De eerste moeilijkheid is de kwaliteit van de foto. De eerste foto's van de verdachten die we gezien hebben, waren niet erg scherp, want genomen van op afstand met veiligheidscamera's. Als je dan inzoomt, heb je minder bruikbare beelden voor gezichtsherkenning.

Daarnaast moeten er ook degelijke gegevens beschikbaar zijn in de databanken van de politie. "Hoe meer beelden je hebt van iemands gezicht, des te beter je wiskundige model kan zijn om iemand te herkennen." Met andere woorden: één goede frontale foto van een gezicht in een database is minder bruikbaar dan 10 beperktere foto's vanuit verschillende hoeken. "Sociale media hebben daarom betere databanken voor gezichtsherkenning, wat dan weer de vraag oproept of en onder welke voorwaarden de Facebooks van deze wereld die beelden zouden mogen delen met de onderzoekers."

Niet meer alleen het gezicht
Een derde horde, die volgens Acquisti hier geen rol zal gespeeld hebben, is die van de rekenkracht en de bijhorende kosten. In een enorme databank miljoenen bestanden afspeuren: dat kan uren in beslag nemen, tenminste als je niet de krachtigste infrastructuur hebt. Vermoedelijk hebben de Amerikaanse veiligheidsdiensten die wel.

Maar, en dat is de vierde kwestie, er is zelfs met krachtige infrastructuur altijd de kans op 'valse positieven'. "Wanneer je werkt met databanken die miljoenen gezichten bevatten, besef je pas dat veel mensen enorm op elkaar lijken. Wij mensen kunnen erg goed gelijkende mensen uit elkaar houden, maar computers kunnen dat momenteel nog niet al te best."

Acquisiti denkt wel dat dat gaat veranderen: computers zullen, net als mensen, zich in de toekomst niet alleen meer gaan baseren op wiskundige modellen van een gezicht, maar alles in overweging nemen: lengte, gewicht, kledij, houding, bewegingen, en ga zo maar door.

Volgens Acquisti liggen waarschijnlijk drie van de vier genoemde 'hordes' aan de basis van het niet herkennen van de Tsarnaevs op de eerste foto's en beelden. Hij denkt echter dat op de middellange termijn elk van die problemen kleiner en kleiner zal worden voor onderzoekers.

Altijd slechts statistisch
Toch uit hij ook een oprechte vrees: "Ik maak me zorgen over de mogelijkheid van een fout. Hoewel we almaar meer zullen vertrouwen op die technologieën, en er zelfs beslissingen op zullen baseren, zal de accuraatheid altijd slechts statistisch blijven: een waarschijnlijkheid dat die twee beelden foto's zijn van dezelfde persoon. Misschien is dat genoeg voor iemand op het internet om achter een onschuldige persoon aan te gaan."

En ook het gebruik van data moet streng beperkt worden, vindt hij. "Dergelijke data mogen echt in heel beperkte omstandigheden gebruikt worden. Maar mensen zullen ze bijhouden, omdat ze misschien later bruikbaar zullen zijn voor secundaire doeleinden."

 
Wanneer je werkt met databanken die miljoenen gezichten bevatten, besef je pas dat veel mensen enorm op elkaar lijken.
Alessandro Acquisti, computerwetenschapper aan de Carnegie Mellon-universiteit
Alessandro Acquisti
cmu Alessandro Acquisti