एक ‘डिटेक्टिव’ एआई विभिन्न स्रोतों से अज्ञात लोगों की पहचान कर सकता है

ऑक्सफोर्ड विश्वविद्यालय के शोधकर्ताओं ने एक एआई-संचालित प्रणाली विकसित की है जो वीडियो में लोगों की पहचान कर सकती है जो जासूस जैसी बहुस्तरीय जांच करती है, जिसमें संदर्भ से और विभिन्न सार्वजनिक रूप से उपलब्ध गौण स्रोतों से उनकी पहचान की जा सकती है, जिसमें ऑडियो स्रोतों को दृश्य सामग्री के साथ मिलाना शामिल है।

हालांकि शोध सार्वजनिक हस्तियों की पहचान पर केंद्रित है, जैसे कि टेलीविजन कार्यक्रमों और फिल्मों में दिखाई देने वाले लोग, संदर्भ से पहचान का सिद्धांत सैद्धांतिक रूप से किसी भी व्यक्ति पर लागू होता है जिसका चेहरा, आवाज या नाम ऑनलाइन स्रोतों में दिखाई देता है।

वास्तव में, पेपर की अपनी प्रसिद्धि की परिभाषा शो व्यवसाय के कर्मचारियों तक सीमित नहीं है, शोधकर्ताओं ने घोषणा की ‘हम उन लोगों को प्रसिद्ध मानते हैं जिनकी ऑनलाइन अपनी कई तस्वीरें हैं’।

सीधे वीडियो पर

ऑक्सफोर्ड के विजुअल ज्यामिति समूह के शोधकर्ता, इंजीनियरिंग विज्ञान विभाग से, मानव-शैली की जांच पद्धति का वर्णन करते हैं जिसने काम को प्रेरित किया है:

‘कल्पना कीजिए कि आप एक वीडियो देख रहे हैं और एक नए व्यक्ति से मिलते हैं। उन्हें सुनिश्चित रूप से पहचानने के लिए, आप पहले स्क्रीन पर उनके नाम के सुराग देखेंगे, जैसे कि उनका नाम बोला जा रहा है या इंटरनेट आर्काइव से कास्ट सदस्यों की सूची में। फिर आप यह सत्यापित करने के लिए कुछ साक्ष्य खोजेंगे कि यह नाम सही है, ऑनलाइन व्यक्ति को खोजकर।’

प्रस्तावित पद्धति पूरी तरह से स्वचालित है, और सभी अतिरिक्त मैनुअल लेबलिंग को समाप्त करती है (ऑनलाइन स्रोतों के प्रदाताओं द्वारा की गई किसी भी लेबलिंग को छोड़कर)। प्रणाली तीन असंबंधित डेटासेट पर अच्छी तरह से काम करती है, बिना किसी डोमेन अनुकूलन की आवश्यकता के।
काम के अनुप्रयोग पर चर्चा करते हुए, शोधकर्ता अनलेबल्ड, अपारदर्शी वीडियो डेटा के असीमित विकास और नए प्रणालियों की आवश्यकता पर प्रकाश डालते हैं जो मानव-नेतृत्व वाली एनोटेशन के बिना पहचान जानकारी निकाल सकते हैं:

‘डेटा का पैमाना, संबंधित मेटाडेटा की कमी के साथ, सामग्री को अनुक्रमित करना, विश्लेषण करना और नेविगेट करना एक बढ़ती हुई कठिन कार्य बनाता है। अतिरिक्त मैनुअल मानव एनोटेशन पर निर्भर रहना अब व्यावहारिक नहीं है, और बिना प्रभावी तरीके से इन वीडियो को नेविगेट करने के, यह ज्ञान का भंडार बड़े पैमाने पर अनुपलब्ध है।’

इस प्रकार की एक अनुक्रमणिका इंजन वीडियो में एक बिंदु पर खोज परिणाम हाइपरलिंक प्रदान करने की संभावना खोलता है जहां खोज विषय दिखाई देता है, जैसा कि परियोजना द्वारा प्रदान किए गए प्रूफ-ऑफ-कॉन्सेप्ट वेब खोज में प्रदर्शित किया गया है।

ऑक्सफोर्ड प्रणाली एक पहचाने गए व्यक्ति के उदाहरणों की खोज की अनुमति देती है। खोज परिणाम दर्शक को वीडियो में उस बिंदु पर ले जाता है जहां पहचाने गए व्यक्ति दिखाई देते हैं, और वीडियो तब से चलाया जा सकता है।

प्रणाली ‘अज्ञात’ लोगों की पहचान करने के एक तरीकों में से एक है उनके साथियों के साथ उनके संबंधों के संदर्भ में। तदनुसार, खोज इंजन एक ही वीडियो में कई पहचानों की खोज के लिए अच्छी तरह से सुसज्जित है।

बड़े और छोटे मछली

प्रणाली पहले ‘निम्न-लटकते फल’ – लोगों को संबोधित करती है जिनके चेहरे इतने अच्छी तरह से सार्वजनिक नेटवर्क संसाधनों में सूचीबद्ध हैं कि उनकी पहचान करना अपेक्षाकृत आसान है, मेटाडेटा या वीडियो में ओसीआर’d पाठ को सार्वजनिक डेटा संसाधनों के खिलाफ मिलाना जैसे कि आईएमडीबी सूचियां।
एआई-व्याख्या वीडियो उपशीर्षक, क्रेडिट और वीडियो में अन्य प्रकार के रास्टरीकृत पाठ का भी लाभ उठाया जाता है ताकि पहचान की जा सके।
[caption id="attachment_176041" align="alignnone" width="1203"] उम्मीदवार नाम खोज के लिए स्वचालित रूप से खोजा जा सकता है, रास्टरीकृत पाठ या अन्य स्रोतों में ऑप्टिकल कैरेक्टर रिकग्निशन के माध्यम से। इस प्रकार, लोग बिना किसी पूर्व अनुरोध के स्वचालित रूप से सूचीबद्ध किए जा सकते हैं।

जहां व्हेब-फेसिंग छवियों और वीडियो की भारी मात्रा व्यक्ति की पहचान की पुष्टि करती है, जांच पहचान की पुष्टि करती है। लेकिन जहां व्यक्ति अधिक अज्ञात है, अन्य तरीकों का उपयोग किया जाता है, जिसमें वीडियो ट्रैक से ऑडियो शामिल है, जो पहचान की पुष्टि के रूप में उपयोग किया जा सकता है। हालांकि काम में इसका उल्लेख नहीं किया गया है, तार्किक रूप से कुछ भी नहीं है जो इस प्रकार के ढांचे को शुद्ध ऑडियो स्रोतों के साथ-साथ वीडियो में ऑडियो घटकों का भी उपयोग करने से रोकता है।

एक स्व-प्रसारित पहचान पैनोप्टिकॉन

रास्टरीकृत या शुद्ध पाठ से उम्मीदवार नाम उत्पन्न करने के अलावा, भाषण मान्यता प्रौद्योगिकियों का उपयोग ऑक्सफोर्ड परियोजना में ऑडियो सामग्री में बोले गए नामों को पहचानने के लिए किया जाता है। इस प्रकार, एक पहचान को एक या दो लोगों द्वारा एक तीसरे व्यक्ति का उल्लेख करके आरंभ किया जा सकता है जो उपस्थित नहीं है।

ऑक्सफोर्ड परियोजना द्वारा पेश किया गया सुरक्षा उपाय यह है कि उम्मीदवार को आईएमडीबी डेटाबेस में दिखाई देना चाहिए, लेकिन इस मनमानी सीमा को हटाने से प्रणाली की क्षमताओं का दायरा काफी बढ़ जाता है, क्योंकि यह पूरी तरह से वेब-खोज योग्य संसाधनों पर निर्भर करता है।

इस प्रकार, रास्टरीकृत पाठ, वास्तविक पाठ, भाषण-आधारित उल्लेख और सीमित दृश्य सामग्री सहित विभिन्न स्रोतों के संयोजन के साथ, यह संभव हो जाता है कि कम दृश्य नेटवर्क उपस्थिति वाले व्यक्तियों की पहचान की जा सके।

तकनीकी रूप से, यह भी संभव हो जाता है कि एक व्यक्ति का प्रोफाइल बनाया जा सके जिसे अभी तक किसी छवि या वीडियो फुटेज से जोड़ा नहीं गया है, लेकिन जब अन्य कारक एक नए वीडियो स्रोत से संबंधित होते हैं तो उसे अंततः जोड़ा जा सकता है।

परीक्षण डेटासेट

शोधकर्ताओं ने प्रणाली की प्रभावशीलता का मूल्यांकन करने के लिए तीन डेटासेट का उपयोग किया है: मीडियावल, जो 2010-2015 के बीच कब्जा की गई क्रिएटिव कॉमन्स सोशल मीडिया-व्युत्पन्न और सामुदायिक छवि संसाधनों (विकिपीडिया और फ्लिकर सहित) की विशेषता है; ऑक्सफोर्ड समूह का अपना 2017 शेरलॉक डेटासेट, जो आधुनिक बीबीसी अनुकूलन से वीडियो डेटा की विशेषता है; और एक नई बीबीसी वीडियो डेटासेट जो विशेष रूप से परियोजना के लिए बनाई गई है, जो विभिन्न अनुक्रमित समाचार फुटेज का उपयोग करती है।
[caption id="attachment_176042" align="alignnone" width="1058"] प्रणाली विभिन्न डेटासेट वातावरणों में सफल होती है, जिसमें चेहरे पर परावर्तित या अंधेरे से ढका होता है।

प्रक्रिया में लाइव छवि खोज रैंकिंग का भी उपयोग किया जाता है।

प्रणाली ने तीन मॉडलों में उच्च सटीकता के साथ परिणाम दिए। शेरलॉक डेटासेट के मामले में, शोधकर्ताओं ने पाया कि नई प्रणाली ने 3-6% की वृद्धि की है, जो कि एक पिछले तरीके से बेहतर है जो एक बहु-तरीके वाले वर्गीकरण में सहायता वेक्टर मशीन (एसवीएम) का उपयोग करता है, हालांकि नई कार्य में उपयोग किया गया निकटतम पड़ोसी वर्गीकरण एक कम शक्तिशाली उपकरण है।

निहितार्थ

ऑक्सफोर्ड परियोजना में अधिकांश नैतिक या व्यावहारिक प्रतिबंध स्वयं शोधकर्ताओं द्वारा लगाए गए हैं, जैसे कि ‘प्रसिद्धि’ को आईएमडीबी में उपस्थिति की आवश्यकता द्वारा परिभाषित करना और केवल अकादमिक डेटासेट के खिलाफ प्रणाली का परीक्षण करना जो क्रिएटिव कॉमन्स लाइसेंसिंग का सम्मान करता है।

हालांकि, परियोजना का मूलभूत वास्तुकला एक सामान्य विधि को दर्शाता है न केवल ‘अज्ञात’ व्यक्तियों की पहचान करने के लिए जो इंटरनेट पर कम या शून्य दृश्य उपस्थिति रखते हैं (क्योंकि एक नाम का उल्लेख एक पहचान टोकन को जन्म दे सकता है जिसे समय के साथ विकसित किया जा सकता है), बल्कि वास्तव में एक व्यक्तियों का मैट्रिक्स बनाने के लिए जो केवल पुनरावृत्ति और यांत्रिक जिज्ञासा से चलित होता है, न कि मांग द्वारा या स्पष्ट रूप से लेबल वाले डेटा की उपस्थिति द्वारा।

परियोजना भू-स्थान डेटा का उपयोग नहीं करती है, या अन्य प्रकार के व्यापक रूप से उपलब्ध मेटाडेटा जो योगदानकर्ता पुष्टिकरण दस्तावेजों में पाए जा सकते हैं, जैसे कि सामाजिक मीडिया अपलोड में डिफ़ॉल्ट रूप से एम्बेडेड भौगोलिक स्थान जानकारी (जहां वे उपयोगकर्ता प्राथमिकता के रूप में हटाए नहीं जाते हैं)। हालांकि, पुष्टिकरण प्रक्रिया को मजबूत करने के लिए ऐसे अतिरिक्त आयामों का उपयोग करने के लिए कोई स्पष्ट बाधा नहीं है।

जबकि ऑक्सफोर्ड परियोजना आउटलियर्स (पहचान जो लगभग शून्य उपस्थिति के साथ-साथ आईएमडीबी में सूचीबद्ध नहीं हैं) को एक तरह से काटती है जो मशीन लर्निंग परियोजनाओं में सामान्य है, ऐसी न्यूनतम जानकारी वास्तव में एक अज्ञात व्यक्ति की पहचान करने में अधिक प्रभावी हो सकती है यदि उनके बारे में अधिक प्रतिनिधि जानकारी उपलब्ध होती।

उपलब्धता

ऑक्सफोर्ड शोधकर्ताओं ने परियोजना की कार्यक्षमता को एक गूगल जैसे खोज इंजन में समाहित किया है जो एक स्थानीय मशीन पर डॉकर के माध्यम से डाउनलोड और स्थापित किया जा सकता है (हालांकि मई 2021 के पेपर के लिए स्थापना निर्देशों में एक डॉकर टूल्स आवश्यकता के लिए पुरानी जानकारी शामिल है, जो प्रक्रिया में बाधा उत्पन्न कर सकती है)।

ऐसा प्रतीत होता है कि तीन डेटासेट पर परियोजना के कार्यान्वयन को कवर करने वाला कोई लाइव ऑनलाइन संस्करण नहीं है, हालांकि बीबीसी समाचार डेटासेट के परिणाम http://zeus.robots.ox.ac.uk/bbc_search/ पर स्वतंत्र रूप से पूछताछ की जा सकती है।