Sudut Anderson

CSET: Cina Memimpin Dunia dalam Penelitian Pengawasan Warga dengan Teknologi Penglihatan Komputer

mm
Tambahkan Unite.AI ke sumber pilihan Anda di Google

Laporan baru dari Pusat Keamanan dan Teknologi Muncul (CSET) menemukan bahwa sektor penelitian Cina menghasilkan ‘bagian yang tidak proporsional’ dari penelitian tentang tiga teknologi pengawasan terkait kecerdasan buatan, dan bahwa kontribusi CCP yang lebih umum pada teknologi penglihatan komputer tumbuh dengan tingkat yang sama, dan secara signifikan melampaui tingkat penerbitan Barat.

Keunggulan Cina yang jelas dalam inisiatif penelitian ke sub-sektor penglihatan komputer yang lebih kontroversial, terutama terkait pengawasan. Sumber: https://cset.georgetown.edu/wp-content/uploads/Surveillance-in-the-CV-Literature.pdf

Keunggulan Cina yang jelas dalam inisiatif penelitian ke sub-sektor penglihatan komputer yang lebih kontroversial, terutama terkait pengawasan. Sumber: https://cset.georgetown.edu/wp-content/uploads/Surveillance-in-the-CV-Literature.pdf

Tiga area kunci di mana Cina memiliki keunggulan besar adalah identifikasi kembali orang (REID), penghitungan kerumunan dan deteksi spoofing (yaitu teknologi yang bertujuan untuk mengungkap upaya untuk mengganggu teknologi identifikasi).

Selain itu, seperti yang ditunjukkan pada grafik di atas, komunitas penelitian Cina menerbitkan persentase yang jauh lebih tinggi dari makalah tentang tugas penglihatan komputer yang berorientasi pada manusia yang, menurut penulis, mewakili teknologi pendukung untuk solusi pengawasan yang lebih luas yang menggunakan pembelajaran mesin. Tugas-tugas ini termasuk pengenalan emosi, pengenalan wajah, dan pengenalan tindakan.

Penulis mengomentari:

‘Algoritma ini sering diterapkan untuk penggunaan yang tidak berbahaya, seperti menandai individu dalam foto media sosial. Namun, kemajuan dalam penglihatan komputer juga dapat memberdayakan beberapa pemerintah untuk menggunakan teknologi pengawasan untuk tujuan represif.’

Dalam catatan yang kurang menyeramkan, penulis menemukan bahwa makalah terkait pengawasan visual hanya menyumbang kurang dari 10% dari semua penelitian penglihatan komputer yang dilakukan selama periode studi, dan bahwa bagian yang lebih luas dari penelitian ini cukup merata di seluruh negara.

Namun, keunggulan Cina jelas, para peneliti berpendapat*:

‘Peneliti dengan afiliasi institusional Cina bertanggung jawab atas lebih dari sepertiga penerbitan dalam penelitian penglihatan komputer dan pengawasan visual.

‘Ini membuat Cina menjadi negara paling prolifik dalam kedua bidang. Bagian peneliti Cina dari penelitian pengawasan visual global tumbuh dengan tingkat yang sama dengan bagian mereka dalam penelitian penglihatan komputer.’

Laporan baru ini, berjudul Tren Penelitian AI untuk Pengawasan Visual Populasi, mewakili penerapan pendekatan Pemrosesan Bahasa Alami (NLP) pada dataset makalah yang diterbitkan yang mencakup tahun 2015-2019, dan ditulis oleh Ashwin Acharya, Max Langenkamp dan James Dunham.

Bias Bahasa Inggris

Penulis makalah ini mengamati bahwa studi mereka hanya menyentuh makalah ilmiah bahasa Inggris, dan bahwa memperluasnya ke penerbitan non-Anglophone dapat mengungkapkan es batu yang lebih dalam dari upaya akademis dari Cina dalam sektor-sektor ini. Selanjutnya, para peneliti percaya bahwa melengkapi data dengan informasi tambahan, seperti data paten, penerapan kamera, dan kebijakan pemerintah yang relevan, dapat meningkatkan keunggulan statistik ini.

Secara alami, makalah ini mengakui, menganalisis makalah yang diterbitkan secara terbuka tidak dapat memperhitungkan penelitian swasta atau penelitian yang diklasifikasikan, tetapi merupakan indeks kegiatan sektor yang layak dalam ketiadaan poin data tersembunyi ini.

Arsitektur dan Data

Penulis menghasilkan data inti dengan melatih model ekstraksi informasi dokumen SciREX pada data dari Papers With Code, dengan kerangka yang menghasilkan relevansi makalah dengan mengidentifikasi referensi ke tugas terkait penglihatan komputer, dan khususnya ke proyek dan inisiatif yang terkait pengawasan.

Model ini kemudian diterapkan pada tubuh literatur akademis CSET yang teragregasi yang berisi lebih dari 100 juta publikasi individual di enam dataset akademis. Platform penerbitan yang terlibat adalah Dimensions, Web of Science, Microsoft Academic Graph, China National Knowledge Infrastructure, arXiv, dan Papers With Code.

Setelah dilatih pada pratinjau Arxiv, klasifikasi SciBERT kemudian ditugaskan untuk mengidentifikasi makalah penglihatan komputer di seluruh corpus.

Fakta bahwa SciREX dan SciBERT dilatih pada dokumen bahasa Inggris mencegah para peneliti untuk memperluas jangkauan studi ini melampaui bahasa Inggris. Mengenai hal ini, para peneliti mengomentari: ‘Ini berarti bahwa dalam perbandingan nasional, ini memperkecil output penelitian non-Inggris, dan khususnya, ini kemungkinan besar meremehkan bagian Cina dari penelitian dunia.’

Temuan

Dalam sektor pengawasan visual, studi ini menemukan bahwa pengenalan wajah adalah tugas yang paling berulang, muncul di lebih dari seribu makalah untuk tahun 2019. Namun, penulis mencatat bahwa penghitungan kerumunan dan pengenalan spoofing adalah ‘bidang yang tumbuh cepat’.

Dari makalah, tugas yang paling sering berulang yang diidentifikasi untuk tahun yang dipelajari. Sumber yang dikutip adalah 'CSET merged corpus. Hasil yang dihasilkan 22 Juli 2021'

Dari makalah, tugas yang paling sering berulang yang diidentifikasi untuk tahun yang dipelajari. Sumber yang dikutip adalah ‘CSET merged corpus. Hasil yang dihasilkan 22 Juli 2021’

Penulis makalah ini berpendapat bahwa bahkan pengejaran penglihatan komputer yang tampaknya ‘netral’ dan kurang politis yang terkait pengawasan juga dapat berkontribusi pada sistem kontrol represif. Untuk ‘Pengenalan Tindakan’, mereka mengamati bahwa ini dapat digunakan untuk mengidentifikasi ‘perilaku abnormal’ di ruang publik yang ramai; untuk pengenalan spoofing, mereka mengomentari ‘Sementara kadang-kadang digunakan dalam sistem login biometrik atau untuk mencegah penipuan, ini juga dapat mencegah jurnalis dan aktivis dari menyembunyikan identitas mereka’; dan terkait pengenalan emosi, makalah ini mengomentari bahwa ‘Selain tujuan non-keamanan dan komersial, beberapa peneliti, perusahaan, dan lembaga pemerintah mengusulkan menerapkan pengenalan emosi untuk mengidentifikasi ancaman keamanan di area publik yang ramai’.

Secara umum, temuan ini tampaknya menunjukkan bahwa Cina di atas rata-rata tertarik pada penelitian penglihatan komputer, dibandingkan dengan rata-rata global.

Penulis menyimpulkan:

‘[Bagian] penelitian penglihatan komputer dan pengawasan visual dari Cina meningkat seiring waktu. Amerika Serikat, bersama dengan sekutu dan mitranya, menerbitkan jumlah penelitian yang sama dalam bidang ini seperti yang diterbitkan Cina sendiri. Namun, bagian dari wilayah lain ini dari penelitian pengawasan global stabil atau menurun, sementara Cina tumbuh.’

 

*Penulis makalah ini menekankan dengan tebal.

Diterbitkan pertama kali pada 6 Januari 2022.

Penulis tentang pembelajaran mesin, spesialis domain sintesis gambar manusia. Mantan kepala konten penelitian di Metaphysic.ai, hingga pembubarannya ke dalam Brahma.ai DNEG.
Portfolio site: martinanderson.ai
Contact: martin@martinanderson.ai