artificielles plutôt que de visages réels d’individus pour former des systèmes de reconnaissance faciale s’est accélérée dans le secteur de la biométrie à travers le monde. Une université de Dallas, au Texas, souhaite désormais créer l’une des bases de données artificielles les plus vastes et les plus équilibrées pour la reconnaissance faciale. La Southern Methodist University (SMU) prévoit de créer une
base de données d’images faciales à partir de descriptions textuelles avec une plate-forme informatique haute performance spécialement créée pour l’IA appelée Nvidia DGX SuperPOD. L’objectif est de résoudre les problèmes de prédisposition et autres énigmes éthiques qui tourmentent le domaine de la reconnaissance faciale en créant diverses images pouvant former des conceptions de systèmes experts. Le projet est dirigé par le scientifique Corey Clark et son groupe des systèmes intelligents et prédisposition de la SMU.
Examen Laboratoire (ISaBEL). En plus d’affecter la façon dont les algorithmes de reconnaissance faciale reconnaissent la race et le sexe, la base de données synthétique vise à résoudre la question de la collecte et de l’utilisation équitables des informations biométriques provenant d’individus réels, explique l’université. « Formez n’importe quel modèle de système expert », déclare Clark
, professeur adjoint de technologie informatique à la Lyle School of Engineering et directeur adjoint de la recherche à SMU Guildhall. » Pour vous procurer un modèle équitable, vous devez résoudre des problèmes tels que le consentement, l’équité et les aspects juridiques. Les données artificielles générées par le SuperPOD éliminent ces obstacles. SMU s’associe à Nvidia depuis 2021, lorsque la société a contribué à étendre la capacité de mémoire du superordinateur de l’université, ce qui a permis de multiplier par 25 la vitesse et l’efficacité de l’IA et de l’intelligence artificielle. L’université a créé son laboratoire ISaBEL en septembre 2021 avec Pangiam comme premier partenaire commercial. Clark déclare que la grande variété d’images développées pour leurs ensembles de données ne serait pas possible sans le SuperPOD. « La reconnaissance faciale est là et ne disparaîtra pas », déclare Clark. « La demande pour ces ensembles de données d’entraînement plus volumineux est cruciale pour améliorer les systèmes [de reconnaissance faciale] afin qu’ils offrent des résultats équitables. Grâce à notre méthode et à l’utilisation du SuperPOD
, nous’ « Les entreprises d’Amazon à Innovatrics et IDVerse ont en fait utilisé des données synthétiques comme une option pour résoudre les problèmes de prédisposition et de confidentialité personnelle dans la formation aux algorithmes biométriques. Les experts avertissent cependant qu’il doit être utilisé avec précaution dans l’entraînement à la reconnaissance faciale, car il peut également être sujet à d’éventuels biais.
Toute l’actualité en temps réel, est sur L’Entrepreneur
