التعرّف على الوجوه في عصر الذكاء الاصطناعي الجديد
يتناول هذا المقال التعرّف على الوجوه – استخداماته الآسرة والمثيرة للجدل، والمشكلات المحتملة التي يتعامل معها العاملون في هذا المجال يوميًا.
يلقي هذا المقال نظرة على التعرّف على الوجوه: أين يُستخدم، وممّ يتكوّن، وما المشكلات التي يواجهها هذا المجال، وبعض طرق حلّها.
ما هو التعرّف على الوجوه؟
التعرّف على الوجوه مهمة من مهام الرؤية الحاسوبية (Computer Vision) يُحدَّد فيها هوية الأشخاص من خلال ملامح وجوههم. وتوفر القياسات الحيوية (Biometrics) تقنيات أخرى أيضًا، مثل بصمات الأصابع ومسح القزحية، التي تحب أفلام التجسس عرضها. وأكبر ميزة للتعرّف على الوجوه أنه، بوصفه أسلوبًا للقياسات الحيوية، أقل تدخلًا من أي من هاتين التقنيتين.
لكن أنظمة التعرّف على الوجوه قد تقدّم جودة أقل. ومع ذلك، فقد أتاح التقدم في التعلّم العميق (Deep Learning) خلال السنوات الأخيرة وصول هذه التقنية إلى جمهور أوسع بكثير، أي Face ID على هواتف Apple أو Android الذكية.
التعرّف على الوجوه وقانون الذكاء الاصطناعي (AI Act)
بموجب الخطط المنصوص عليها في قانون الذكاء الاصطناعي الأوروبي (EU AI Act):
- ستُحظر أنظمة التعرّف على الوجوه التي تعمل في الوقت الفعلي،
- لن يُسمح باستخدام أنظمة التعرّف على الوجوه بأثر رجعي إلا لملاحقة الجرائم الخطيرة، وبترخيص قضائي فقط،
- ستُحظر الأنظمة التي تصنّف الأشخاص بحسب القياسات الحيوية (الجنس والعمر والعرق وغيرها)،
- سيُحظر بناء مجموعات بيانات للتعرّف على الوجوه من وسائل التواصل الاجتماعي أو كاميرات المراقبة (CCTV) (وهو ما ينتهك حق الإنسان في الخصوصية).
التطبيقات
لننظر الآن أين تظهر أنظمة التعرّف على الوجوه في محيطنا. ويكون استخدامها مثار جدل أحيانًا، ويختلف الناس حول كونه أخلاقيًا.
إنفاذ القانون
كثيرًا ما يُطرح استخدام التعرّف على الوجوه من قبل جهات إنفاذ القانون. ففي الأفلام، يشغّل المحققون خوارزميات على تسجيلات كاميرات المراقبة، ويقارنون النتائج بـ«قاعدة بياناتهم»، ويحصلون على «تطابق».
وكثيرًا ما يُعترض على هذا النوع من الاستخدام: فقد حظرته بعض الأماكن (مثل سان فرانسيسكو عام 2019)، بينما رحّبت به أخرى (مثل أستراليا)، خصوصًا منذ جائحة Covid-19.
وكما ذُكر سابقًا، يعتزم قانون الذكاء الاصطناعي الأوروبي أيضًا تقييد الطرق التي يجوز بها استخدام أنظمة التعرّف على الوجوه.
مصادقة المستخدمين
مصادقة المستخدمين استخدام شائع آخر لأنظمة التعرّف على الوجوه. وقد تصادفها عند دخول مطار، أو عند محاولة دخول منشأة بحثية ذات قواعد وصول أكثر صرامة، أو عند تسجيل الدخول إلى دورة عبر الإنترنت.
وفي المطارات، سرّعت هذه الأنظمة إجراءات مراقبة الجوازات وأزالت الأخطاء البشرية من العملية.
التحقق من الحسابات
التحقق من الحسابات استخدام آخر، وعادةً ما يكون عندما يتعين عليك إثبات هويتك لدى بنك أو منصة استثمار أو شبكة اجتماعية. وتُعرف هذه الخطوة أيضًا باسم KYC («اعرف عميلك»). ويقلل التحقق من الحسابات الاحتيال المصرفي، أي أن يحاول شخص ما الحصول على قرض باسمك. وقد يكون الاحتيال على وسائل التواصل الاجتماعي خطيرًا كذلك، إذ يمكن لمنتحلي هوية الحسابات المؤثرة التأثير في أسواق الأسهم أو الحملات السياسية.
ربما مررت بذلك عند فتح حساب في Revolut أو Bunq أو بنك آخر عبر الإنترنت. وتعتمد منصات الاستثمار مثل Degiro أو Coinbase على خدمات مماثلة. كما تتحقق الشبكات الاجتماعية مثل Twitter وFacebook وTinder من الحسابات أثناء تسجيل المستخدمين الجدد. وتميل العملية إلى أن تكون متشابهة: عادةً تُظهر وجهك مباشرة إلى الكاميرا ثم تلتفت إلى اليسار وإلى اليمين. ومن أجزائها اختبار الحيوية (liveness test)، الذي يتعين عليك فيه القيام بحركات معينة لإثبات أنك إنسان حقيقي وليس فيديو لوجه مُولَّد أو مجرد صورة.
الحضور
تُستخدم أنظمة التعرّف على الوجوه أيضًا لتتبع الحضور في الفصول الدراسية، خصوصًا الآن بعدما أصبحت الدروس عبر الإنترنت، التي تكون فيها الكاميرات إلزامية، شائعة. وفي هذا السياق، يمكن لنظام التعرّف على الوجوه تحديد هوية الطلاب أثناء دخولهم قاعة الامتحان، مما يقلل احتمال الغش أو أن يؤدي شخص الامتحان نيابةً عن آخر. ويمكن أيضًا أن يكون وسيلة تلقائية لتسجيل من حضر درسًا معينًا ومن غاب عنه.
ومرة أخرى، استخدام هذه الأنظمة محل جدل: ففي السويد، غُرّمت مدرسة ابتدائية عشرات الآلاف من الدولارات لاستخدامها كاميرات في فصل دراسي دون علم الطلاب وموافقتهم.
مشكلات التعرّف على الوجوه
بعد استعراض التطبيقات المحتملة، لننظر في المشكلات التي قد تواجهها أنظمة التعرّف على الوجوه.
المجموعة الأولى هي الإعاقات المنهجية (systematic occlusions) (انظر الأمثلة في الرسم أدناه). وتظهر عندما يغطي شيء ما جزءًا من الوجه (النظارات أو الشعر أو شعر الوجه مثل الشارب أو اللحية أو الندوب أو الملابس مثل أغطية الرأس).
أمثلة على الإعاقة المنهجية
المجموعة الثانية من المشكلات هي الإعاقة المؤقتة (أي تغيّر وضعية الرأس، أو جسم أو جزء من الجسم يغطي الوجه، أو إعاقات بيئية مثل الظلال التي يلقيها الضوء). وتظهر أمثلة على هذه الإعاقات أدناه.
أمثلة على الإعاقة المؤقتة
ولأن أنظمة التعرّف على الوجوه تعتمد على تفاصيل دقيقة في الوجه لتحديد هوية شخص أو التحقق منها بشكل صحيح، فهي حساسة للصور منخفضة الجودة وسوء الإضاءة.
وأخيرًا، هناك مشكلات سببها نقص تمثيل فئات معينة. فلفترة طويلة، هيمن الرجال القوقازيون في منتصف العمر على مجموعات بيانات التعرّف على الوجوه، لذا كان أداء الأنظمة أسوأ مع الأعراق الأخرى، وضعيفًا مع النساء والسود والآسيويين وكبار السن. وللحد من ذلك، جرى توسيع مجموعات البيانات، وتحسّن الأداء لهذه الفئات كثيرًا، لكن هذه الجوانب لا تزال تستحق الانتباه كلما بُنيت مجموعة بيانات. وهذا ينسجم تمامًا مع ما يتطلبه قانون الذكاء الاصطناعي من مجموعات البيانات.
فروع التعرّف على الوجوه
يمكننا الآن وصف مختلف فروع التعرّف على الوجوه. التمييز الأول هو نوع المهمة التي نحلّها. عندما يكون السؤال «هل هذا هو ذلك الشخص؟»، نتحدث عن التحقق من الوجه (face verification). ويُستخدم التحقق من الوجه عادةً لتقييد الوصول أو تأكيد هوية شخص ما (أي أنه في المطار تُقارَن وجوهنا بالوجه في جواز السفر، ويتحقق النظام مما إذا كنا الشخص الظاهر في صورة الجواز).
أما عندما يكون السؤال «من هو ذلك الشخص»، فيُسمّى هذا الفرع تحديد هوية الوجه (face identification). ومثال على ذلك نظام للتعرّف على الوجوه يقترح أن الشخص في صور Facebook الخاصة بك هو في الواقع Harry Potter.
وهناك تقسيم آخر يعتمد على ما إذا كنا نريد تجميد قاعدة بيانات الهويات والمقارنة داخلها فقط (يعتمد على الشخص، subject dependent)، أم بناء نظام شامل يعمل مباشرة حتى مع وجوه لم يصادفها النموذج قط (لا يعتمد على الشخص، subject independent).
ولتصوّر ذلك بوضوح أكبر، تخيّل نظامًا يتحكم في الدخول إلى Hogwarts. بُني النموذج عندما كان Harry وRon في السنة الأولى، ويجب السماح لكليهما بالدخول. وبعد سنة من إنشاء النموذج، لا يزال Harry وRon يُسمح لهما بالدخول. المشكلة تظهر مع Ginny Wesley، أخت Ron الأصغر. مع نموذج يعتمد على الشخص، سيُرفض دخولها، لأن صورتها كانت غائبة عن قاعدة البيانات وقت التدريب. أما مع نموذج لا يعتمد على الشخص، فسيُسمح لها بالدخول ما دامت صورتها في قاعدة البيانات الحالية. وهناك أيضًا مجرمون مثل Lord Voldemort: مُنح حق الدخول طالبًا، لكننا نود سحبه منه بعدما أصبح الشخص الأكثر طلبًا في عالم السحرة.
ولا عجب أن النماذج التي لا تعتمد على الشخص تُستخدم على نطاق أوسع بكثير، لأن قواعد البيانات وصلاحيات الدخول تتغير مع الوقت، وإعادة تدريب النموذج في كل مرة غير عملية.
مسار التعرّف على الوجوه (pipeline)
لنستعرض الآن كيف يعمل مسار التعرّف على الوجوه. أولًا، هناك مُدخل الكاميرا على شكل صورة أو فيديو. بعد ذلك نجري اكتشاف الوجه أو تتبعه (بحسب المُدخل) ونحصل على مربع إحاطة (bounding box) حول وجه مرشح. ثم نحاذي الصورة بحيث تحتوي على الوجه المحدد فقط، ونتخلص من كل شيء آخر لأنه قد يضيف ضجيجًا. في تلك المرحلة تكون لدينا صورة نظيفة تُظهر وجهًا واحدًا. ثم نستخرج السمات من هذا الوجه ونقارنها بالوجوه المخزنة في قاعدة البيانات. فإذا كان الوجه الوارد مشابهًا بما يكفي لوجه في قاعدة البيانات، نعلن عن تطابق؛ وإلا فلا يُعثر على تطابق.
معالجة الوجوه
أمثلة على المعالجة من واحد إلى متعدد (one to many) من Deep Face Recognition: A Survey
مثال على المعالجة من متعدد إلى واحد (many to one) من Deep Face Recognition: A Survey
تُعدّ عمليات التعزيز (augmentations) المعروفة بـ«واحد إلى متعدد» و«متعدد إلى واحد» إحدى طرق جعل النظام أكثر متانة. وهدفها مواجهة الإعاقات المنهجية والمؤقتة بحيث تُمثَّل جميع سمات الوجه الرئيسية وتُنمذَج. وتولّد خوارزمية «واحد إلى متعدد» صور وجوه كثيرة من صورة واحدة. ونتيجة لذلك، يستطيع النموذج الحصول على كل المعلومات المتخصصة من كل صورة، ويمكننا أيضًا تغذيته بوجوه أكثر بكثير دون إضافة.
أما طرق «متعدد إلى واحد» فتبني وجهًا فائقًا واحدًا من عدة وجوه مرئية من زوايا مختلفة. وكما ذُكر سابقًا، يجعل هذا النهج النظام أكثر متانة في مواجهة الإعاقات حتى من تعزيز «واحد إلى متعدد».
النهج الكلاسيكي للقياسات الحيوية
لننظر الآن كيف استُخدمت القياسات الحيوية تقليديًا للتعرّف على الأفراد من خلال ملامح وجوههم.
تشمل القياسات الحيوية النموذجية للوجه:
- المسافة الفاصلة بين العينين.
- المسافة من الجبهة إلى الذقن.
- المسافة الفاصلة بين الأنف والفم.
- عمق تجويف العينين.
- شكل عظام الوجنتين.
- محيط الشفتين والأذنين والذقن.
مثال على معالم الوجه مقدَّم في Harry Potter
وكما تعلم الآن، فإن المشكلات التي تظهر في التعرّف على الوجوه تجعل الطرق الكلاسيكية غير دقيقة، لأن بعض هذه الخصائص قد يتغير مع الوقت.
حلول تعلّم الآلة
مجموعات البيانات
جُمعت مجموعات بيانات كثيرة للتعرّف على الوجوه، لكل منها هدف مختلف. وسأصف الثلاث الأشهر: VGGFace وMSCeleb-1M وMegaface.
VGGFace
تحتوي مجموعة البيانات هذه على وجوه بأوضاع وأعمار متنوعة، مع التركيز على جعل أنظمة التعرّف على الوجوه متينة في مواجهة الظروف المتغيرة. وتضم 3.3 مليون صورة لـ 9 آلاف هوية فريدة.
MSCeleb-1M
تتضمن مجموعة البيانات هذه نحو 4 ملايين عينة تغطي حوالي 87 ألف معرّف فريد. وكمكمّل لـ MSCelb-1M، أصدر المؤلفون مجموعة بيانات مخصصة، AsianCeleb، بنحو 94 ألف هوية فريدة و3 ملايين عينة. وكانت النسخة الأولى تعاني من وسوم (labels) مشوّشة إلى حد ما ومن تحيّزات في مجموعة البيانات. لذلك نظّف المؤلفون الوسوم، وحذفوا الأمثلة منخفضة الجودة، وأعادوا موازنة مجموعات البيانات، مع مزيد من الاهتمام بتوازن أفضل في العرق والجنس والعمر.
Megaface
هذه على الأرجح من أكبر مجموعات بيانات التعرّف على الوجوه المتاحة، إذ تحتوي أكثر من 4.7 مليون صورة لـ 670 ألف هوية فريدة. وهي تعالج مشكلة مختلفة: كيف نحدد الوجوه بين عدد كبير من الهويات عندما لا يكون لكل هوية سوى بضع صور.
النُّهُج
نُهُج التعرّف على الوجوه عبر السنين.
النُّهُج الشمولية (Holistic)
بين نُهُج تعلّم الآلة، يمكننا تتبع ترتيب ظهورها. كانت أولاها النُّهُج الشمولية، التي تعاملت مع كل بكسل متاح بوصفه سمة وصنّفت باستخدام كل تلك السمات.
تطبّق Eigenfaces، التي قُدّمت عام 1991، تحليل المكونات الرئيسية (Principal Component Analysis) لوصف الوجه بعدد أقل من السمات. ويعكس الجزء الأول من الاسم أن PCA يعتمد على المتجهات الذاتية والقيم الذاتية المحسوبة على جميع الوجوه في مجموعة التدريب، بحيث يمكن، تقريبًا، «التعبير عن أي وجه جديد كتركيب خطي لوجوه مجموعة التدريب».
جاءت Fisherface بعد Eigenfaces، مستبدلةً PCA بالتحليل التمييزي الخطي (Linear Discriminant Analysis). وLDA تقنية لتقليل الأبعاد اختيرت لإبقائها الفئات قابلة للفصل، على عكس PCA الذي تتجاهل آليته الوسوم.
النُّهُج القائمة على سمات محلية مصنوعة يدويًا
يعتمد فرع مختلف على سمات محلية مصنوعة يدويًا، مثل مرشحات Gabor، التي تجري تجميعًا مكانيًا أو تحسب مدرّجات تكرارية (histograms). ويمكن بعد ذلك تطبيق مصنِّف على هذه السمات المتخصصة لتحديد ما إذا كان المستخدم هو الشخص الذي يدّعيه.
مرشحات Gabor تقنية تُستخدم كثيرًا في تحليل الأنسجة؛ وهي عمليًا دالة نواة غاوسية معدَّلة بإشارة جيبية.
نُهُج التعلّم العميق
بنية DeepFace من الورقة الأصلية
كانت DeepFace (صدرت عام 2014) من أوائل نُهُج التعلّم العميق. تطبّق محاذاة ثلاثية الأبعاد للوجه (استنادًا إلى 67 نقطة مرجعية)، وتجعل الوجه أماميًا (بطريقة كلاسيكية من الرؤية الحاسوبية)، ثم تجري التعرّف على الوجوه على صور RGB بحجم 152x152 بشبكة من 8 طبقات (تتكون من طبقات التفاف ومتصلة محليًا ومتصلة بالكامل)؛ وقد تأثرت البنية بقوة بـ AlexNet.
استوحت DeepID (صدرت عام 2015) من VGGNet وGoogleNet، جامعةً بين الالتفافات المتراصّة وطبقات inception. وتعتمد على الخسارة التبايُنية (contrastive loss)، التي تقلل المسافة بين السمات المنتَجة للأزواج الإيجابية (وجوه متطابقة) وتزيد المسافة للأزواج السلبية (وجوه غير متطابقة).
تعمل FaceNet (صدرت عام 2015) أيضًا في فضاء فائق (فضاء إقليدي) وتستفيد من GoogleNet. وهي تستخدم الخسارة الثلاثية (triplet loss)، التي تأخذ دائمًا ثلاثة أمثلة معًا (مرساة وإيجابي وسلبي) وتقلل في الوقت نفسه المسافة إلى المثال الإيجابي وتزيد المسافة إلى المثال السلبي.
مقارنة بين الخسائر: Triple loss وTuplet loss وArcFace loss
نهج أحدث، ArcFace (صدر عام 2018)، مبني على العمود الفقري ResNet-100، ويعتمد على خسارة مصمَّمة لهذا الغرض. فبينما كانت الخسارة الثلاثية تعظّم المسافات بين الأمثلة الفردية، تطبّق خسارة ArcFace مقاييس أكثر تطورًا وتعمل مع مراكز المجموعات الإيجابية والسلبية. ويبدو أن حسابات الخسارة الأكثر دقة هذه تجعل النماذج أكثر متانة أمام الوجوه المشوّشة والصعبة.
تبني نتائج SOTA الحالية على النُّهُج الموصوفة أعلاه، مع ضبط دقيق لجميع المعاملات الفائقة (hyperparameters) المتاحة.
الخلاصة
تناول هذا المقال التعرّف على الوجوه، وتطبيقاته الآسرة والمثيرة للجدل (خصوصًا في ضوء اللوائح التي في الطريق)، والمشكلات المحتملة التي يتعامل معها العاملون في هذا المجال يوميًا. كما استعرضنا معظم فروع التعرّف على الوجوه (ومنها كيف يختلف تحديد هوية الوجه – «من في الصورة؟» – عن التحقق من الوجه – «هل أنت حقًا من تقول إنك هو؟»)، وكيف بدت النُّهُج الكلاسيكية ونُهُج تعلّم الآلة، وما الحيل الذكية التي اعتمدت عليها، وأين تقف اليوم. آمل أن تكون هذه النظرة العامة قد منحتك فهمًا أفضل للتعرّف على الوجوه.