รู้จักกับเทคโนโลยี Biometrics กับการสแกนใบหน้าแบบอัตโนมัติ

คนทุกคนมีลักษณะจำเพาะเฉพาะตัวที่ไม่ซ้ำใครในร่างกายที่ใช้เป็นอัตลักษณ์ (identity) ในการยืนยันตัวตนได้ สิ่งเหล่านี้เรียกรวมๆได้ว่า Biometrics อย่างแรกที่มีใช้มานานแล้ว(และยังคงใช้อยู่มาจนถึงปัจจุบัน) คือการพิมพ์ลายนิ้วมือที่ผู้เชี่ยวชาญสามารถมาดู และยืนยันได้ว่าลายนิ้วมือสองอันเป็นของคนเดียวกันหรือไม่ เมื่อมีการนำเทคโนโลยีมาใช้ การสแกนลายนิ้วมือเข้าออกประตูก็เป็นที่แพร่หลาย Biometric อีกตัวที่มีการวิจัย และนำมาใช้งานได้จริงคือการสแกนม่านตา(Iris)ที่มีลวดลายไม่ซ้ำกันในแต่ละคน แม้จะมีการนำมาใช้ได้จริงแต่ไม่เป็นที่แพร่หลายนัก เนื่องจากฮาร์ดแวร์มีราคาแพง และใช้งานไม่สะดวก เสียงสามารถใช้เป็น Biometric ได้เช่นกัน แต่จะมีปัญหาในเรื่องเสียงรบกวน และคุณภาพเสียงเวลาพูดห่างไมโครโฟน จึงมักจะพบเห็นใช้แค่เวลาพูดผ่านทางโทรศัพท์เท่านั้น

อีกหนึ่งเทคโนโลยี Biometric ที่มาแรงและนับวันจะแพร่หลายมากยิ่งขึ้น คือเทคโนโลยีการสแกนใบหน้า มนุษย์ทุกคนใช้การแยกแยะคนที่เราพบปะด้วยการจำจากใบหน้าอยู่แล้วเป็นประจำ ด้วยเทคโนโลยี Deep Learning ที่ถูกพัฒนามาอย่างก้าวกระโดดในระยะหลังๆนี้ ทำให้การแยกแยะใบหน้าด้วยเทคโนโลยี AI ที่สร้างจากเทคโนโลยี Deep Learning สามารถใช้ได้จริงแล้วในวันนี้ด้วยความแม่นยำใกล้เคียงกับมนุษย์หรือมีความแม่นยำมากกว่ามนุษย์ (แม้แต่คนก็ไม่สามารถจำใบหน้าคนได้หมด 100%) ในบทความนี้ AI GEN จะพาทุกท่านมาเข้าใจเทคโนโลยี Biometric แบบละเอียดกันมากยิ่งขึ้น

หลักการทำงานของ Face Recognition

เทคโนโลยี AI ที่มีความสามารถในการรู้จำใบหน้าของคนได้นั้น ต้องได้รับการเทรนให้เห็นหน้าของคนมาอย่างหลากหลาย โมเดล AI รุ่นใหม่ๆที่มีความสามารถเทียบเท่ามนุษย์ได้รับการเทรนจากการเห็นหน้ามาหลายล้านหน้า โดยถูกกำหนดให้เรียนรู้ค้นหาลักษณะเฉพาะ(features)ที่สำคัญๆที่จะช่วยแยกแยะหน้าตาแต่ละคนจากรูปใบหน้าให้ได้ดีที่สุด ตัวอย่างเช่น ระยะห่างระหว่างตา ตำแหน่งและความยาวของจมูก ลักษณะจำเพาะเหล่านี้ซึ่งบางทีคนก็อาจจะไม่สามารถบรรยายได้ด้วยตาเปล่าว่ามันคืออะไร และสามารถนำข้อมูลใบหน้าของแต่ละบุคคลไปเก็บไว้ในฐานข้อมูลได้ และสามารถนำมาใช้เทียบกับลักษณะจำเพาะของรูปหน้าอีกรูปหนึ่งที่ต้องการตรวจสอบ เพื่อเปรียบเทียบว่าใกล้เคียงพอที่จะถือว่าเป็นคนเดียวกันหรือไม่

ประวัติการพัฒนาโดยสังเขปของ Face Recognition Technology

แม้งานวิจัยการทำ Face Recognition จะมีมานานเป็นสิบๆปี แต่เทคโนโลยี Deep Learning ที่ประกอบไปด้วยชั้นของหน่วยประมวลผล neurons หลายล้านตัวหลายร้อยชั้น ที่มี concept เลียนแบบการทำงานของสมอง เป็นตัวที่ถูกนำมาใช้จนประสบความสำเร็จและนิยมใช้กันมากที่สุดในช่วงทศวรรษหลังนี้ ในปี 2012 AlexNet เป็น Deep Learning ที่แสดงให้เห็นศักยภาพของ Deep Learning โดยทำการรู้จำรูปสิ่งต่าง (Visual Object Recognition) ได้ความแม่นยำได้ดีกว่าเทคนิคอื่นๆอย่างก้าวกระโดดจาก ImageNet dataset ที่เป็นฐานข้อมูลรูปที่ใหญ่ที่สุดอันหนึ่งในเวลานั้น ทำให้งานวิจัยและพัฒนาทางด้าน Visual recognition เทมาทางด้าน Deep Learning กันมาก โดยส่วนหนึ่งของความสำเร็จเป็นเพราะฮาร์ดแวร์อย่าง GPU ที่พัฒนามาจนทำให้การทำ Deep Learning มีความรวดเร็วขึ้นมาก ซึ่งในที่สุดในปี 2015 ResNet แสดงความสามารถทำการจำแนกรูปได้ดีกว่ามนุษย์จาก ImageNet dataset Face Recognition ก็ได้ประโยชน์จากการพัฒนาด้าน Visual recognition นี้มา โดยในปี 2014 DeepFace ของ Facebook สามารถทำ Face Recognition จากฐานข้อมูลหน้าคนในโพสและสภาพแวดล้อมต่างๆ (Labelled Face In the Wild: LFIW) ได้แม่นยำเทียบเท่ากับคนเป็นครั้งแรก 

ข้อได้เปรียบของ Face Recognition

เทคโนโลยีการสแกนหน้ามีข้อได้เปรียบเมื่อเทียบกับการสแกนลายนิ้วมือ และสแกนม่านตาตรงที่ไม่จำเป็นต้องใช้อุปกรณ์พิเศษราคาแพงแต่อย่างใด เพียงแค่ใช้กล้องดิจิตอลที่มีความละเอียดคมชัดที่เพียงพอก็สามารถใช้งานได้ ในยุคที่สมาร์ทโฟนพัฒนาอย่างรวดเร็ว ทุกรุ่นมีกล้องดิจิตอลและกลายเป็นสิ่งจำเป็นที่ทุกคนมี ทำให้การใช้งานการยืนยันตัวตนผ่านอุปกรณ์สมาร์ตโฟนด้วยเทคโนโลยีนี้ ก็สามารถทำจากที่ไหนก็ได้ด้วยความง่ายและสะดวกรวดเร็ว ในขณะที่การต้องใช้อุปกรณ์พิเศษราคาแพง และใหญ่เทอะทะ(ตามเทคโนโลยีในทุกวันนี้)สำหรับสแกนลายนิ้วมือหรือม่านตาทำให้เป็นไปไม่ได้เลยที่ผู้ใช้จะทำได้เลย ณ จุดที่ตัวเองอยู่ จำเป็นต้องไปที่สาขาหรือตู้ให้บริการที่มีอุปกรณ์เหล่านี้

นอกจากนี้ในยุคไร้สัมผัส การสแกนหน้ายังลดการสัมผัสกับตัว sensor (ไม่เหมือนการสแกนลายนิ้วมือ) และสามารถทำได้สะดวกโดยไม่ต้องจัดระเบียบส่วนไหนๆของร่างกายให้เข้าใกล้อุปกรณ์ (ไม่เหมือนการสแกนม่านตา) การแค่เดินผ่านกล้อง ไม่ต้องหยุดด้วยซ้ำ ระบบการสแกนหน้าก็สามารถทำงานได้ และจำแนกตัวบุคคลได้อย่างถูกต้อง

ข้อจำกัดของ Face Recognition

การทำ Biometric identification จากใบหน้า เมื่อเทียบกับการสแกนลายนิ้วมือหรือม่านตา มีจุดด้อยอยู่บ้าง เช่น มีปัญหาการใช้งานในที่มืดหรือแม้แต่แสงสว่างที่ไม่สม่ำเสมอก็อาจทำให้เกิดปัญหาได้บ้าง นอกจากนี้ถ้าเทียบความสามารถ และความแม่นยำกันโดยตรงแล้ว Biometric identification จากใบหน้าก็มีความแม่นยำน้อยกว่าเล็กน้อย และไม่สามารถแยกแยะ Identical twin ได้

ทำไมเราถึงปลดล็อก iPhone ด้วยใบหน้าในที่มืดได้

เทคโนโลยีการสแกนหน้าในสมาร์ทโฟนอย่าง iPhone มีการใช้ Sensor แบบพิเศษ (thermal infrared) ไม่ใช่กล้องดิจิตอลทั่วไป ทำให้มีการสแกนใบหน้าในลักษณะที่เป็นสามมิติ และทำในที่มืดได้ แม้วิธีการทำงานเบื้องหลังในการจำแนกใบหน้าอาจคล้ายกัน แต่อุปกรณ์ Sensor ที่ให้ข้อมูลใบหน้าไม่เหมือนกัน

เปลี่ยนทรงผม ใส่แว่น ใส่ตุ้มหูใหญ่ๆ จะทำให้ไม่สามารถจำได้หรือไม่

ด้วยเทคโนโลยีทุกวันนี้ AI ที่ทำ Face Identification ได้เรียนรู้จากหน้ามาอย่างหลากหลายมากพอที่จะรู้ว่าแว่นตา(ไม่นับแว่นกันแดดที่ปิดบังดวงตา) ทรงผม เครื่องประดับ หรือแม้แต่ make-up บางๆ ไม่ใช่ลักษณะสำคัญที่ต้องใช้แยกแยะใบหน้า จึงไม่มีผลกระทบกับผลการทำงาน

แล้วถ้าทำศัลยกรรมใบหน้ามาล่ะ?

เช่นเดียวกันกับคน เวลาเห็นหน้าคนที่เปลี่ยนไปจากการทำศัลยกรรมใบหน้าก็เป็นไปได้ว่าเราแทบจะจำคนๆนั้นไม่ได้เลยทีเดียว AI ที่ทำการรู้จำหน้าก็มีปัญหาได้คล้ายๆกัน ขึ้นอยู่กับว่าศัลยกรรมนั้นเปลี่ยนลักษณะใบหน้าไปมากน้อยขนาดไหน อย่างไรก็ตามความแม่นยำค่อยๆลดลงตามการเปลี่ยนแปลงที่มากขึ้น(graceful degradation) มิได้เป็นการ break down 

ใส่หน้ากากอนามัย

แน่นอนว่าการใส่หน้ากากอนามัย ทำให้มีข้อมูลจากหน้าในการทำ Recognition น้อยลง ความแม่นยำก็มีน้อยลงตาม อย่างไรก็ดี ทุกวันนี้มีการพัฒนาเพื่อให้รองรับการใช้งานในขณะที่ใส่หน้ากากอนามัยมากขึ้น หรืออย่างน้อยสามารถตรวจจับได้ว่าใส่หน้ากากอนามัยอยู่และร้องขอให้ผู้ใช้ลดหน้ากากลงก่อนจะทำการ Recognize หรือ Verify หน้าต่อไป

ปัญหา Racial Bias หรือ Underrepresented Population

การเทรนระบบ AI ให้จำใบหน้ามักจะทำได้ดีกับกลุ่มประชากรที่อยู่ในฐานข้อมูลมากที่สุด ซึ่งสมัยที่มีการพัฒนาใหม่ๆก็มักจะเป็นกลุ่มเชื้อชาติ Caucasian การมาใช้กับประชากรเชื้อชาติ Asian ทำให้ความแม่นยำตกลงไปอย่างมาก วิธีแก้มีทั้งการเทรนระบบ AI เพิ่มมากขึ้น หรือใช้เทคนิคที่ทำให้ความสำคัญข้อมูลแต่ละเชื้อชาติใกล้เคียงกัน และนี่เป็นหนึ่งในสาขาของงานวิจัยที่สำคัญที่สุดอันหนึ่งใน Deep Learning เช่นเดียวกันใบหน้าของเด็กมักมีความท้าทายมากกว่าใบหน้าผู้ใหญ่ เนื่องจากโดยทั่วไปตัวอย่างหน้าเด็กที่ใช้เทรนมีน้อยกว่า อีกทั้งเด็กหน้าตามักจะยังคงเปลี่ยนแปลงได้มากกว่าผู้ใหญ่ในเวลาอันสั้น

ส่งท้ายบทความ…

จะเห็นได้ว่าเทคโนโลยี Deep Learning ทำให้เกิดเทคโนโลยี AI ที่สามารถทำการรู้จำหน้าคนในระดับที่ใกล้เคียงมนุษย์ ประกอบกับการใช้อุปกรณ์ที่มีอยู่ทั่วไปในปัจจุบันอย่างกล้องดิจิตอล และสมาร์ทโฟน การใช้การสแกนใบหน้าแบบอัตโนมัติเป็น Biometric ในการยืนยันตัวตนที่ได้รับการยอมรับและมีการใช้กันอย่างแพร่หลายในปัจจุบัน การทดลองใช้งานการจ่ายเงินด้วยใบหน้าก็เริ่มมีให้เห็นหลายที่ในโลก รวมถึงการตรวจจับคนร้ายหรือตามหาคนหาย จึงเป็นเทคโนโลยีที่มาแรง และมีโอกาสจะถูกนำไปใช้อย่างแพร่หลายมากขึ้น แม้แต่ในธุรกรรมที่อาจไม่ได้มีความเสี่ยง แต่เน้นความสะดวกสบายแทนที่การใช้ (และต้องจำ)รหัสผ่าน มากขึ้นๆเรื่อยๆ เช่น การเข้าเรียน online การเช็คชื่อคนที่มาประชุม (attendance checking) การจำแนกคนเข้าออก และอื่นๆอีกมากมาย