«Понятие приватности нужно
оставить в XX веке»

Гендиректор NtechLab — о технологии распознавания лиц и «внутренней кухне» компании


4 декабря 2019





На входе в офис NtechLab висит камера видеонаблюдения, а в ней — программа с распознаванием лиц, которая узнаёт сотрудников, здоровается с ними на разных языках и открывает дверь ещё до того, как они дотронулись до ручки. Компания использовала стандартную пропускную систему, пока специалисты NtechLab не придумали новое технологичное решение на внутреннем хакатоне. Теперь всё соответствует ожиданиям, ведь NtechLab — один из мировых лидеров на рынке систем распознавания лиц.

Компания была основана в 2015 году программистом Артёмом Кухаренко. С тех пор NtechLab разрослась до 60+ человек в штате и 100+ партнёров по всему миру, компанию проинвестировали «дочка» Ростеха и фонд Рубена Варданяна. Самый известный продукт — нашумевший FindFace — найти в открытом доступе вам уже не удастся, однако NtechLab активно работает с бизнесом и предлагает решения как в государственном, так и в коммерческом секторах, в основном — не в России.
Мы узнали у генерального директора NtechLab Александра Минина, что представляет из себя «внутренняя кухня» NtechLab, кто заинтересован в системах распознавания лиц в России и за рубежом, почему реальных конкурентов у NtechLab не больше пяти в мире, какие новые продукты компания планирует выпустить на рынок и что же всё-таки делать с вопросом этики распознавания лиц.
Фото: Антон Львов для Rusbase
— В СМИ много новостей про ваши технологии, но почти ничего — про «внутреннюю кухню» компании. Как построены бизнес-процессы NtechLab?
— Мы, наверное, похожи на классический стартап, хотя NtechLab существует с 2015 года. Мы работаем в инновационной сфере и должны всё время бежать быстрее остальных, чтобы как минимум оставаться на том же месте. У нас нет жёсткой костной структуры, мы регулярно что-то меняем, порой — несколько раз за год. Сейчас в компании примерно 60 человек.
Лаборатория
У нас отдельно выделена лаборатория — это самый инновационный блок, команда, в которой работают математики, специалисты по машинному обучению, зрению. Лаборатория изобретает новые технологии и алгоритмы, создаёт прототипы и предлагает идеи продуктов.
Продуктовая команда
Вторая логичная часть структуры — команда, которая занимается разработкой продукта. Необходимо, чтобы технологиями могли пользоваться клиенты и конечные пользователи. Продуктовая команда работает по жёсткому roadmap — в отличие от лаборатории.
Некоторые разработки лаборатории мы пока не можем превратить в продукт. Это наша отличительная черта: у людей есть возможность креативить, они иногда делают то, что мы не можем коммерциализировать прямо сейчас.
Партнёрская команда
Мы на 100% продаёмся через партнёров, поэтому в структуре есть большая партнёрская команда. Кроме того, основную часть мы поставляем за рубеж, а не в Россию. Так что команда активно занимается привлечением новых партнёров и поддержкой существующих, в первую очередь за границей. Это системные интеграторы, производители программно-аппаратных комплексов, систем, платформ, компании, которые работают в сфере безопасности. Для всех мы поставляем кусочек технологии, который необходим для конечного продукта.

Это, наверное, черта, которая отличает нас от других компаний в этой сфере. Есть игроки, которые достаточно плотно работают с заказчиком и продают напрямую. Мы придерживаемся другой бизнес-модели.
Команда «безопасных городов»
У нас также есть отдельная команда, выделенная для работы по направлению «безопасных городов». «Умный» город — это важный тренд в современном мире, и в этой сфере очень много специфики. В команде есть люди, которые работают и с заказчиками, и с партнёрами, а также бизнес-консультанты, эксперты в области безопасности, технические специалисты.
Маркетинг
Ну, и само собой у нас есть отдел маркетинга, это классическая история.
— Вы сказали, что лаборатория — инновационный центр, там есть возможность креативить. Бывает такое, что вы ставите им конкретные задачи?
— Да, это работает в обе стороны. Есть конкретные задачи заказчиков и партнёров, и нам необходимо воплощать их в алгоритмах. Мы можем прийти в лабораторию и попросить их это сделать. Но в большинстве случаев работа там идёт своим вектором. Когда мы говорим про искусственный интеллект, результат не всегда неизвестен. У продуктовой команды есть техническое задание, а в лаборатории такого нет. У нас были ситуации, когда спустя полгода выяснялось, что, хотя мы можем что-то детектировать, количество ложных срабатываний достигает 20%. Заказчику нет смысла использовать такой продукт.

Например, есть задача по безопасности, связанная с оставленными вещами в транспорте. Кажется, что тема простая. Проблема в том, что количество ложных срабатываний может превышать количество сотрудников, ответственных за безопасность. Поэтому с точки зрения бизнеса и применения это решение не даёт ценности заказчику и даже может идти во вред. Как справочная информация — да, но не как команда к действию.

— Откуда вы берёте данные для обучения нейросетей? Ведь нужны огромные объёмы.
Для обучения основной версии данные клиентов мы никогда не используем.
— Мы всегда используем публичные данные. Ещё есть заказчики, которые требуют повышать качество работы алгоритмов конкретно в их сценариях на их камерах. Для них мы делаем специальное дообучение системы в закрытом локальном контуре с использованием их данных.

Но на самом деле, хотя многие считают, что нужно набрать миллион видеозаписей, это не обязательно так. Современные подходы к решению задач не всегда требуют огромного объёма информации.
— Какая у вас система монетизации?
— Существует две модели:
1
Лицензирование по количеству камер
Для систем с видеопотоком.
2
Лицензирование по размеру базы данных лиц
Некоторые заказчики не используют видеопотоки, но у них есть огромное количество, например, фотографий, с которыми они работают.
Дальше всё зависит от конкретных сценариев.

Чаще всего у нас проектное ценообразование — когда заказчику нужно делать кастомную специализированную разработку. В этом случае мы разрабатываем решение с партнёром, и стоимость может достаточно сильно варьироваться в зависимости от сложности работ.
— Сколько у вас сейчас партнёров?
— Более 100 партнёров по миру, из них 70-80% — за рубежом.
— Весной 2018 года у вас появились новые акционеры — «РТ — развитие бизнеса», «дочка» Ростеха, и New Dimension Fund Variable Capital Investment, которым управляет VB Partners. Как новые акционеры повлияли на ваши процессы?
— Каждый акционер приносит в организацию свою ценность. Ростех исторически имеет хорошие связи и возможности работы с госсектором и силовым блоком, что помогает в проектах безопасных городов. Есть даже проекты, которые реализуют структуры Ростеха, и в этом случае мы работаем с ними комплементарно. Основатели VB Partners вышли из компании «Тройка Диалог», и у них колоссальный опыт и связи в коммерческом секторе. Для нас это новые возможности в банковской сфере, ритейле и девелопменте.
NtechLab в цифрах
100+ партнёров
70-80% за рубежом
3x
Ожидаемый рост выручки NtechLab
в 2019 году
47 млн руб
Выручка ООО «Нтех Лаб» на конец 2018 года по данным «Контур.Фокус»
— Расскажите подробнее про ваших заказчиков. Какие это сферы, какие сценарии применения? Из новостей складывается ощущение, что это в основном силовые структуры.
— С точки зрения количества партнёров, выручки и проектов всё, что касается силовых структур — это порядка 20-30%, то есть не основная доля в компании. У нас несколько основных секторов.
Девелопмент и рантье, ритейл
Один из них — это девелопмент и рантье, то есть большие торговые центры, гостиницы. И ритейл — одно из самых крупных направлений. В ритейле есть очень интересное и массовое применение — борьба с воровством в магазинах. У нас есть совместное решение с партнёром, которое позволяет отслеживать поведение человека и чётко идентифицировать воров. Оно работает в сотнях магазинов по всей России — и достаточно точно. Это одна из самых популярных систем контроля воровства.
Транспорт
Это задачи транспортной безопасности, подсчёта людей на остановках и так далее. Недавно мы получили так называемый «сертификат 969», который дает нам возможность официально использоваться на объектах транспортной инфраструктуры.

У нас есть партнёры, которые делают портативные устройства для машин и автобусов. Перед сменой водитель дышит в трубочку, а система проверяет, что это именно он и что ему можно выйти на рейс.
Финансовая сфера
То есть работа с приложениями. У нас есть уникальная система для определения того, живой перед нами человек или фотография, которая может встраиваться в устройство. Система распознавания лица или отпечатка пальцев в iPhone и Android взламывается за несколько минут, поэтому многие банки внедряют технологию в своё родное приложение. Оно получает доступ к камере, идентифицирует вас и проверяет, что это именно вы. При этом мы можем делать это, не пересылая файлов или видео, то есть в стабильной связи нет необходимости.

Это же важно для банкоматов, сервисов госуслуг, специализированных программ для работы с секретными документами.
Сферы, которые сейчас набирают обороты, — это медицина и производство.
Медицина
В медицине это в первую очередь контроль за соблюдением правил ухода за больными со стороны обслуживающего персонала, а также отслеживание очередей в медицинских учреждениях.
Производство
На производстве — контроль доступа, присутствия человека в той или иной зоне, особенно если это опасное производство, например, энергетика. Другой интересный сценарий — обслуживание сложного оборудования. Наша система увидит, сколько раз сотрудник был в помещении и сколько времени он там провёл. Это особенно критично для развивающихся стран, где очень низкий уровень качества персонала.

У нас даже был интересный заказ на внедрение распознавания лиц в алкотестер на производстве.
— Вы очень активно работаете с зарубежными странами, в том числе по силовому блоку. Недавно была новость о том, что «Рособоронэкспорт» и NtechLab начнут продажи за рубеж FindFace для нужд вооруженных сил и спецподразделений. Не влияет ли внешнеполитическая обстановка на такие контракты?
Мы работаем только в гражданской сфере, даже если это заказ для Минобороны.
— Мы не делаем ничего для военных целей, и это принципиальная позиция компании. Военные применения — это только контроль выдачи оружия, складов, территории, обеспечение безопасности хранения чего-либо. Специфика Минобороны в том, что система должна функционировать в полностью закрытом, защищенном контуре. Мы можем работать по такому сценарию.

С точки зрения зарубежных стран ситуация такая: география нашей работы в принципе совпадает со странами, где к России и к её технологиям хорошее отношение. Это Латинская Америка, где российские софтверные решения на очень хорошем счету. На Ближнем Востоке почти везде применяются российские технологии. В Юго-Восточной Азии у многих стран непростые отношения с Китаем, что помогает нам бороться с китайскими конкурентами, которые находятся среди мировых лидеров в ИИ. И несмотря ни на что у нас есть партнёры в Китае. Другой наш большой регион — Индия.
— То есть ваши основные конкуренты в Китае?
— Да, я бы сказал, что с точки зрения технологии китайцы — наши конкуренты номер один. Там компании с огромными инвестициями, которые несопоставимы с нами по размеру. У нас всего 60 человек, а у нашего ближайшего конкурента в Китае более тысячи сотрудников. При этом в конкурсах мы идём вровень.

Мы плотно конкурируем с игроками из Израиля, у них много проектов и внедрений. Есть один сильный конкурент в Европе.
Вообще, если говорить о системах промышленного масштаба, в мире у нас четыре-пять реальных конкурентов. А всего в этой сфере уже около 100 игроков.
— Можете назвать вашего партнера в Китае?
— Мы под жёсткими NDA и не имеем права раскрывать названия. В Китае особенно, потому что у них очень высокая степень проникновения государства в системы распознавания лиц. Если не ошибаюсь, двое из трёх крупнейших игроков принадлежат государственным структурам.
— Что вы имеете в виду под системами промышленного масштаба?
— Весь рынок распознавания лиц делится на две технологические части.
1
Кооперативное распознавание
Одна — это так называемое кооперативное распознавание, когда человек смотрит в камеру. Например, на паспортном контроле. В этом случае есть хорошие освещение и исходная фотография. Задача системы — очень точно и быстро подтвердить личность человека. И если взять 20 крупнейших по подобным тестам и соревнованиям игроков, разница в точности распознавания будет в четвёртом знаке после запятой. В некоторых сферах ошибка вылезает только 1 раз на 15 млн. Сильной разницы между игроками уже нет. Можно, конечно, биться за ещё один знак и выйти вперёд, но для конечного заказчика это смысла не имеет.
2
Некооперативное распознавание
Камеры стоят на улице, люди в них не смотрят. Нужно распознавать лица в любую погоду, будь то дождь или снег. А ещё на человеке может быть кепка, шляпа, капюшон. Это очень сложные сценарии для распознавания, и здесь мы, наверное, входим в тройку лидеров. Именно поэтому у нас очень большая степень проникновения в «безопасных городах».
Для азиатских рынков важно, что мы можем распознавать лицо даже при перекрытии 40%, то есть даже при наличии у человека мотоциклетного шлема и маски. Плюс мы практически одинаково хорошо работаем на всех цветах кожи и расах. Именно поэтому нас выбрали как алгоритм для ЧМ-2018 в России. У китайских алгоритмов есть тяготение к распознаванию азиатских лиц. Но я знаю, что они активно работают, чтобы это исправить.
— Как вообще определяется конкурентное преимущество в системах распознавания лиц? Это только точность распознавания?
— Это один из факторов. Всё всегда зависит от задачи. Если мы говорим о сценариях вроде безопасного города, то тут важны ещё и:
1
Количество людей, которых вы детектируете
Когда мы говорим про точность распознавания, мы уже знаем, что в кадре есть человек. Но его ещё нужно увидеть.
2
Скорость распознавания
Представьте ситуацию: люди проходят через рамку на футбольный матч. Наша скорость распознавания — меньше одной секунды, поэтому тот, кто проверяет болельщиков, сразу же получит уведомление, если конкретного человека нужно задержать. Если система срабатывает через 15 секунд или даже 5 секунд, будет слишком поздно — в толпе преступника найти невозможно.
3
Масштабируемость системы
Наша архитектура позволяет обеспечивать такую скорость для 100-200 тысяч одновременно работающих камер. Даже для миллиона камер, но тут вопрос упрётся в каналы связи и серверы, которые это обрабатывают.
Это именно про безопасные города, сценарии промышленного масштаба. Для сценариев проверки подлинности документов не нужны такие сложные архитектурные решения. Если вы получите информацию через 1-2 секунды, это не так критично. В этой сфере будет 20-30 быстрых и точных игроков, и мы будем одним из них.
— Реально ли обмануть систему распознавания лиц и возможно ли это будет в дальнейшем, через 3-5 лет?
— Мы постоянно тестируем новые способы обмануть систему и пока что не нашли ни одного эффективного. Нужно понимать, что в ближайшие 3-5 лет системы будут распознавать не только лица, но и такие уникальные параметры, как силуэт, рост, походка. Конечно, люди, заинтересованные в том, чтобы уйти от распознавания лиц, будут всегда. Но мне кажется, что это «гонка щита и меча».
— Вы можете рассказать об интересных кейсах использования вашего продукта? В публичном доступе их довольно мало, и там редко бывают цифры.
Фото: Антон Львов для Rusbase
— Как только такие кейсы появляются, мы сразу их публикуем. Проблема в том, что у нас действительно мало опубликованных кейсов с финансовыми показателями — потому что это не наши деньги. Это деньги компании, которая устанавливает решение, и они либо не считают их, либо не спешат делиться.

Тем не менее, есть пара примеров. Первый — с «Подружкой», это сеть магазинов. В них стояли камеры для борьбы с воровством. Сейчас мы также отрабатываем кейс с компанией, которая устанавливает камеры в фитнес-клубах, чтобы избавиться от индивидуальных браслетов. Там не какие-то запредельные цифры, проще будет сказать, что в течение первого года всё окупается. Это правда в обоих случаях. Причём окупается с установкой и закупкой камер, со второго года идёт прибыль.

Правда, такую окупаемость можно показать далеко не для всех сценариев. Одна из самых больших проблем в том, что бизнес в России не всегда понимает, как именно он может применять технологию, несмотря на наличие у клиентов интереса. Иногда к нам приходят ритейлеры с конкретной задачей, например, обезличенно считывать, как меняются эмоции покупателей. Мы можем это делать только когда человек смеётся, плачет или откровенно зол, но в магазин с такими лицами никто не ходит. Поэтому понять, как изменилось эмоциональное состояние человека после посещения магазина, по одному только выражению лица нельзя.
Тем не менее, здорово, когда бизнес хочет протестировать конкретные гипотезы. Таких компаний единицы. Остальным мы можем рассказывать только гипотетические или реализованные не в России кейсы.
— Расскажите про свои планы на развитие. Например, читала, что недавно вы анонсировали распознавание силуэтов. Для чего это нужно?
Силуэт так же уникален, как и лицо, однако у него есть ограничение по времени.
— Есть несколько задач, которые мы пытаемся решить с помощью распознавания силуэтов. 80-90% городского видеонаблюдения не видят лица человека. Если камера расположена на крыше дома, она фиксирует только пятно. Обзорные камеры на больших площадях детектят толпы людей, но не их лица — либо они слишком маленькие, либо качество съемки не позволяет их распознать. Ещё одна проблема возникает, когда мы работаем в Европе и странах Ближнего Востока. Там законодательство запрещает ставить камеры видеонаблюдения в общественных местах.

Силуэт так же уникален, как и лицо, однако у него есть ограничение по времени. Если человек вдруг начнет хромать или кардинально сменит одежду, система уже не узнает его. Но этого достаточно, чтобы мы могли делать реидентификацию силуэта и понимать, что на разных камерах один и тот же человек. И что самое важное: камера может снимать сверху и горизонтально, днём и ночью, в цвете или чёрно-белой съемке, но если разные камеры детектят силуэт, а потом на одной из них засекают лицо, мы сможем соединить одно с другим и проследить передвижения. Мы отмотаем назад и определим, что перед нами, условно, преступник.

Это даёт больше возможностей не только для правоохранительных органов, но и в частности для ритейла. Можно подсчитать количество людей внутри ТЦ, отследить их перемещения.

— Читала, что силуэты также решают проблему с персональными данными.
Проблемы как таковой нет. Просто люди часто не понимают или не хотят разбираться в том, как работает технология.
— ПО, распознающее лица, устанавливается на те же камеры городского видеонаблюдения, информация с которых и сейчас хранится на чьём-то компьютере. Фото лица преобразовывается в цифровой индекс и складывается в базу данных. Так как система не знает, кто этот человек (для нее он просто числовой индекс), в этот момент никакого нарушения с точки зрения обработки персональных данных не возникает. Персональными данными владеют только правоохранительные органы, и они действительно могут взять базу с фотографиями из паспортов и соединить с ними индексы лиц, получаемые с помощью нашей системы. Доступ к таким возможностям есть только у них.

Что ещё важно: индекс лица нельзя конвертировать обратно в фотографию, это технологически невозможно. Никто не знает, кого ищут правоохранительные органы. Две базы соединяются в закрытой системе. Мы просто отдаём алгоритм, встраиваем его в систему видеонаблюдения и имеем к нему доступ только если есть технические проблемы.
— Ясно. Ещё у вас была история с распознаванием действий человека. О чём речь? И зачем это нужно?
— Мы называем это активностями, и это большая и новая сфера. Наша стратегия основана на распознавании всего, что связано с человеком. В этом году мы заняли второе место в мире по распознаванию действий на международном конкурсе нейросетей ActEV: Activities in Extended Video. Там было порядка 20 действий, многие из них банальные: человек садится в машину, выходит из машины, кладёт вещи в багажник, курит, говорит по мобильному телефону, пишет смс, открывает дверь дома и так далее. Но для теста крайне важна точность, количество ложных срабатываний и скорость, с которой мы можем детектировать.
В будущем мы планируем с высокой точностью и скоростью распознавать действия людей — в первую очередь агрессивное поведение.
Пока это не в продукте, но мы следим за тенденциями и запросами рынка и стремимся им соответствовать. За рубежом тема номер один — это агрессия взрослых, направленная в сторону детей. Также у нас много запросов по распознаванию активностей в сфере производства и медицины. Это, например, проверка соблюдения последовательности действий при сборке и ремонте и сигнализирование, если что-то сделано не так. Вторая сторона медали — передача информации о выполнении действий другим системам. Это особенно важно на опасных производствах, в сферах вроде атомной энергетики. В медицине есть задачи контроля выполнения операций персоналом, в частности кормление больных. Можно также отследить, если вдруг пациент упадет с кровати.

Так что в распознавании действий много сценариев, важных для коммерческого сектора.
— Когда вы запустите эти новые продукты?
— Силуэты уже фактически ушли из лаборатории и перетекают к продуктовой команде. Продукт мы планируем представить в начале 2020 года. Действия — это более длительная история. Два трека идут параллельно.
Фото: Антон Львов для Rusbase
— Вы редко говорите в СМИ о цифрах. Можете раскрыть какие-то финансовые показатели NtechLab? Динамику роста?
— В прошлом году мы как минимум удвоили выручку, в этом году, скорее всего, утроим её. Наш основной рост происходит за счёт прироста количества партнёров, которые продают и встраивают нашу технологию. Это основной драйвер. Такая бизнес-модель отлично масштабируется, один партнёр может приводить 20-30 заказчиков.

У нас два направления работы с точки зрения клиентов:
1
Активный поиск партнёров
Часть партнёрской команды занимается только этим.
2
Работа с входящим спросом
Мы участвуем в мероприятиях по всему миру, в тестах и соревнованиях. Каждый результат теста — это шквал из предложений сотрудничества. Второе место по распознаванию действий привело к нам несколько сотен компаний, которые хотели такое решение. Это не только производство и медицина, но и ритейл — можем ли мы распознавать действие отрывания этикетки от товара?
— Вы планируете привлекать дополнительные инвестиции? Или такой задачи пока нет, с учётом вашей быстро растущей выручки?
— Это сложный вопрос, он скорее к акционерам, чем ко мне. Нами активно интересуются частные инвестиционные фонды, стратегические инвесторы (компании, которые производят железо и аппаратную часть, делают платформы видеоаналитики и платформы для безопасных городов). Есть интерес на международном уровне: суверенные инвестфонды хотят привлекать нашу технологию в их страны и гарантировать взаимодействие с определёнными компаниями внутри регионов. Мы открыты к партнёрству и на этом построены. У нас постоянно идёт диалог с компаниями и инвесторами по всему миру. Они рассматривают варианты сотрудничества, инвестиций, совместных предприятий. Я, наверное, широко ответил, но это действительно нонстоп-история.
— Хочу также затронуть более философские вопросы. Всё чаще говорят об этике распознавания лиц. Люди боятся чрезмерного вмешательства в их личную жизнь. Можете озвучить вашу позицию по теме?
— Система видеонаблюдения в большом городе, той же Москве — это 300 тысяч камер, которые давно всех отслеживают. Системы распознавания лиц — это просто автоматизация процесса. Раньше, чтобы найти конкретного человека, аналитик вручную просматривал записи с камер. Теперь тот же аналитик выделяет лицо на экране, нажимает «найти», и система за секунду показывает ему, где человек находился
Если отвечать философски: на мой взгляд, понятие приватности нужно оставить
в XX веке. В XXI оно не применимо. Все будут знать про вас всё, это лишь вопрос времени. И вы от этого только выиграете.
Мы будем жить в мире, где двери открываются с помощью распознавания лиц, не нужно вводить код финансового приложения и так далее. Причём всё это будет максимально защищено.

Раньше одним из страхов человека было, что другие узнают, куда он путешествует, где он находится. Никому и в голову не пришло бы сообщать другим людям время своего рейса, например. Сегодня пользователи Instagram постоянно делятся геолокациями — с помощью этих данных даже расследуются преступления. Есть сервис Grabr, который позволяет привозить друг другу вещи из разных стран. Или Avito: люди размещают там фото из собственного дома, чтобы что-то продать. То есть по факту пользователи выкладывают в публичный доступ информацию, чтобы получить определенную выгоду — и никого это не смущает.
Скрин с камеры видеонаблюдения, которая использует систему распознавания лиц. Пекин, Китай
Источник: the Washington Post
Существует негативный кейс Китая, который все приводят в пример. Но всё не так однозначно. Во многом это PR-кейс: на самом деле в Китае нет универсальных систем, которые могли бы агрегировать данные о поведении людей во всех возможных ситуациях и коррелировать их с данными об их задолженностях, собственности, судимостях и прочем. Чаще всего в рамках системы социального рейтинга граждан там штрафуют за переход в неположенном месте или на красный сигнал светофора. Нужно учитывать, что люди там живут в очень сплочённых городах. И если в России смертность по причине перехода на красный свет может исчисляться сотнями в месяц, в Китае это тысячи в день. Распознавание лиц и подобная система — способ каким-то образом поменять поведение людей, внушить им уважение к правилам дорожного движения и снизить смертность.

По мере того, как общество будет урбанизироваться дальше, появятся инновационные механизмы контроля, это неизбежно. Но все привыкнут к ним так же быстро, как привыкли к тому, что неправильно припаркованные автомобили штрафуют с помощью передвижных «интеллектуальных» камер ЦОДД, в автоматическом режиме распознающих номера.
— В США уже в трёх городах запретили системы распознавания лиц, потому что, цитирую, распознавание лиц сделало бы жизнь горожан менее безопасной, приведя к неправомерным задержаниям и преследованиям расовых меньшинств. В пример можно привести Гонконг, где протестующие сейчас всячески борются с такими системами. Как вы ко всему этому относитесь?
Если спецслужбам нужно найти кого-то конкретного, они легко сделают это и без распознавания лиц.
— И не только в России — в США полицейские постоянно обращаются к компаниям вроде Apple, потому что любой iPhone сохраняет данные о геопозициях, и Apple делится ими с ФБР, когда речь идёт об убийце или террористе.

Технология реально помогает в тех случаях, когда есть «висяки», преступления, которые невозможно расследовать иначе. Когда в Великобритании были выступления против систем распознавания лиц, полиция обратилась с публичным заявлением о том, что очень сильно участилось количество случаев поножовщины среди молодёжи. Такие преступления практически невозможно раскрыть без использования новейших технологий. Это лишь один из примеров, таких сотни.
~
©Rusbase, 2019
Автор: Татьяна Петрущенкова
Фото на обложке: Антон Львов для Rusbase



Татьяна Петрущенкова
Гендиректор NtechLab о технологии распознавания лиц и «внутренней кухне» компании