CSET: จีนนำโลกในด้านการวิจัยการเฝ้าระวังด้วยคอมพิวเตอร์วิชัน

รายงานใหม่จากศูนย์ความมั่นคงและเทคโนโลยีที่เกิดขึ้นใหม่ (CSET) พบว่าภาควิจัยของจีนผลิต ‘ส่วนแบ่งที่ไม่สมส่วน’ ของการวิจัยเกี่ยวกับเทคโนโลยีการเฝ้าระวังที่เกี่ยวข้องกับ AI ทั้งสามด้านหลัก และการมีส่วนร่วมโดยทั่วไปของพรรคคอมมิวนิสต์จีนในด้านคอมพิวเตอร์วิชันเพิ่มขึ้นในอัตราเดียวกัน และล้ำหน้าการเผยแพร่ของตะวันตก

จีนมีบทบาทนำในด้านการวิจัยการเฝ้าระวังด้วยคอมพิวเตอร์วิชัน Source: https://cset.georgetown.edu/wp-content/uploads/Surveillance-in-the-CV-Literature.pdf

สามด้านหลักที่จีนมีบทบาทนำคือ การระบุตัวบุคคล (REID) การนับคนในฝูงชน และการตรวจจับการปลอมแปลง (การปลอมแปลงการระบุตัวบุคคล)

นอกจากนี้ ตามกราฟด้านบน ชุมชนการวิจัยของจีนตีพิมพ์เปอร์เซ็นต์ที่สูงกว่าของเอกสารเกี่ยวกับการใช้คอมพิวเตอร์วิชันเพื่อใช้กับมนุษย์ ซึ่งกระดาษวิจัยแย้งว่าเป็นเทคโนโลยีที่รองรับการเฝ้าระวังที่ใช้การเรียนรู้ของเครื่องจักร เหล่านี้รวมถึงการรู้จับอารมณ์ การรู้จับใบหน้า และการรู้จับการกระทำ

ผู้เขียนวิจัยกล่าวว่า:

‘อัลกอริทึมเหล่านี้มักถูกนำไปใช้เพื่อการค้าและการใช้งานที่ไม่เป็นอันตราย เช่น การระบุตัวบุคคลในภาพถ่ายบนโซเชียลมีเดีย แต่ความก้าวหน้าในด้านคอมพิวเตอร์วิชันอาจทำให้รัฐบาลบางประเทศใช้เทคโนโลยีการเฝ้าระวังเพื่อวัตถุประสงค์ที่กดขี่’

ในด้านที่ไม่ค่อยมีลักษณะร้ายแรง ผู้เขียนวิจัยพบว่าเอกสารที่เกี่ยวข้องกับการเฝ้าระวังทางภาพถ่ายคิดเป็นน้อยกว่า 10% ของการวิจัยคอมพิวเตอร์วิชันทั้งหมดในช่วงเวลาที่ศึกษา และการวิจัยโดยทั่วไปกระจายอย่างสม่ำเสมอในหลายประเทศ

อย่างไรก็ตาม การครอบงำของจีนชัดเจน ผู้วิจัยยืนยัน*:

‘นักวิจัยที่มีสังกัดสถาบันจีนมีบทบาทมากกว่าหนึ่งในสามของการเผยแพร่ในด้านคอมพิวเตอร์วิชันและวิชาการเฝ้าระวังทางภาพถ่าย

‘ทำให้จีนเป็นประเทศที่มีผลงานมากที่สุดในด้านทั้งสองนี้ ส่วนแบ่งของจีนในด้านการวิจัยการเฝ้าระวังทางภาพถ่ายเพิ่มขึ้นในอัตราที่คล้ายกับการวิจัยคอมพิวเตอร์วิชัน’

รายงานใหม่ รายงาน ที่มีชื่อเรื่องว่า แนวโน้มการวิจัย AI สำหรับการเฝ้าระวังประชากร เป็นการนำแนวทางการประมวลผลภาษาธรรมชาติ (NLP) ไปใช้กับชุดข้อมูลของเอกสารที่ตีพิมพ์ในช่วงปี 2015-2019 และเขียนโดย Ashwin Acharya, Max Langenkamp และ James Dunham

ความลำเอียงภาษาอังกฤษ

ผู้เขียนรายงานสังเกตว่าการศึกษานี้เพียงแตะต้องเอกสารวิทยาศาสตร์ภาษาอังกฤษ และการขยายสิ่งนี้ไปยังเอกสารที่ไม่ใช่ภาษาอังกฤษอาจเปิดเผยการวิจัยทางวิชาการที่ลึกซึ้งยิ่งขึ้นจากจีนในด้านเหล่านี้ นอกจากนี้ ผู้วิจัยเชื่อว่าการเพิ่มข้อมูลด้วยข้อมูลเสริม เช่น ข้อมูลสิทธิบัตร การใช้งานกล้อง และนโยบายของรัฐบาลที่เกี่ยวข้อง สามารถเพิ่มความเป็นหัวหน้าทางสถิตินี้ได้

ตามธรรมชาติ กระดาษตระหนักว่าการวิเคราะห์เอกสารที่เผยแพร่สาธารณะและเปิดเผยต่อสาธารณะไม่สามารถคำนึงถึงการวิจัยของบริษัทเอกชนหรือของรัฐที่ไม่เปิดเผยต่อสาธารณะได้ แต่เป็นตัวชี้วัดที่ใช้ได้ของกิจกรรมในภาคส่วนนี้เมื่อไม่มีจุดข้อมูลที่ซ่อนอยู่เหล่านี้

สถาปัตยกรรมและข้อมูล

ผู้เขียนได้รับข้อมูลหลักโดยการฝึกโมเดลการถอดรหัสเอกสาร SciREX บนข้อมูลจาก Papers With Code โดยใช้โครงสร้างในการกำหนดความเกี่ยวข้องของเอกสารโดยการระบุการอ้างอิงถึงงานที่เกี่ยวข้องกับคอมพิวเตอร์วิชัน และโดยเฉพาะอย่างยิ่งโครงการและความคิดริเริ่มที่มุ่งเน้นไปที่การเฝ้าระวัง

จากนั้นโมเดลถูกนำไปใช้กับองค์กร CSET ของวรรณกรรมวิชาการที่มีเอกสารมากกว่า 100 ล้านชิ้นในหกชุดข้อมูลวิชาการ ช่องทางเผยแพร่รวมถึง Dimensions, Web of Science, Microsoft Academic Graph, China National Knowledge Infrastructure, arXiv และ Papers With Code

โมเดล SciBERT ที่ฝึกอบรมบน Arxiv preprints ถูกใช้เพื่อระบุเอกสารคอมพิวเตอร์วิชันในองค์กร

ข้อเท็จจริงที่ว่า SciREX และ SciBERT ถูกฝึกอบรมบนเอกสารภาษาอังกฤษทำให้ผู้วิจัยไม่สามารถขยายการวิจัยนี้ไปไกลกว่าภาษาอังกฤษได้ ในสิ่งนี้ ผู้วิจัยกล่าวว่า: ‘หมายความว่าในการเปรียบเทียบระดับชาติ มันจะลดการประมาณการผลลัพธ์วิจัยที่ไม่ใช่ภาษาอังกฤษ และโดยเฉพาะอย่างยิ่งจะแสดงส่วนแบ่งการวิจัยของจีนในระดับโลก’

ผลการวิจัย

ภายในภาคการเฝ้าระวังทางภาพถ่าย การศึกษาพบว่าการรู้จับใบหน้าเป็นงานที่พบบ่อยที่สุด โดยปรากฏในเอกสารมากกว่า 1,000 ฉบับในปี 2019 อย่างไรก็ตาม ผู้เขียนสังเกตว่าการนับคนในฝูงชนและการรู้จับการปลอมแปลงใบหน้าเป็น ‘ด้านที่เติบโตอย่างรวดเร็ว’

จากเอกสาร งานที่พบบ่อยที่สุดในช่วงเวลาที่ศึกษา อ้างอิง ‘CSET merged corpus. Results generated 22 กรกฎาคม 2021’

ผู้เขียนของเอกสารวิจัยพิจารณาว่าแม้การแสวงหาคอมพิวเตอร์วิชันที่ดู ‘เป็นกลาง’ และไม่ค่อยมีลักษณะทางการเมืองที่เกี่ยวข้องกับการเฝ้าระวัง ก็สามารถมีส่วนร่วมในระบบควบคุมที่กดขี่ได้ สำหรับการ ‘การรู้จับการกระทำ’ พวกเขาสังเกตว่าสามารถใช้เพื่อระบุ ‘พฤติกรรมผิดปกติ’ ในพื้นที่สาธารณะที่มีคนหนาแน่น; สำหรับการปลอมแปลงใบหน้า พวกเขากล่าว ‘ในบางครั้งใช้ในระบบเข้าสู่ระบบแบบไบโอเมตริกซ์หรือป้องกันการฉ้อโกง แต่ก็อาจป้องกันไม่ให้นักข่าวและนักกิจกรรมซ่อนตัวตน’; และสำหรับการรู้จับอารมณ์ เอกสารวิจัยกล่าวว่า ‘นอกเหนือจากวัตถุประสงค์เชิงพาณิชย์และการไม่เกี่ยวข้องกับการรักษาความปลอดภัย บางนักวิจัย บริษัท และหน่วยงานรัฐบาลเสนอให้ใช้การรู้จับอารมณ์เพื่อระบุภัยคุกคามด้านความปลอดภัยในพื้นที่สาธารณะที่มีคนหนาแน่น’.

โดยทั่วไป ผลการวิจัยดูเหมือนจะแสดงให้เห็นว่าจีนมีความสนใจมากกว่าเฉลี่ยในด้านการวิจัยคอมพิวเตอร์วิชัน เมื่อเทียบกับค่าเฉลี่ยทั่วโลก

ผู้เขียนสรุป:

‘ส่วนแบ่งของจีนในด้านคอมพิวเตอร์วิชันและวิชาการเฝ้าระวังทางภาพถ่ายเพิ่มขึ้นตามเวลา สหรัฐอเมริกา ร่วมกับพันธมิตรและหุ้นส่วน ตีพิมพ์ผลการวิจัยในด้านเหล่านี้ในจำนวนเท่ากับที่จีนตีพิมพ์โดยลำพัง อย่างไรก็ตาม ส่วนแบ่งของภูมิภาคอื่นๆ ในด้านการวิจัยการเฝ้าระวังทางภาพถ่ายคงที่หรือลดลง ในขณะที่ส่วนแบ่งของจีนเพิ่มขึ้น’

*การเน้นของผู้เขียนเอกสาร

ตีพิมพ์ครั้งแรกเมื่อวันที่ 6 มกราคม 2022