Experter på att känna igen ansikten spelar ofta en avgörande roll i brottmål. Ett foto från en säkerhetskamera kan betyda fängelse eller frihet för en åtalad – och vittnesmål från välutbildade rättsmedicinska ansiktsgranskare informerar juryn om huruvida bilden faktiskt föreställer den anklagade. Hur bra är experter på ansiktsigenkänning? Skulle artificiell intelligens hjälpa?

En studie som visas idag i Proceedings of the National Academy of Sciences har kommit med svar. I arbete som kombinerar forensisk vetenskap med psykologi och datorseendeforskning, ett team av forskare från National Institute of Standards and Technology (NIST) och tre universitet har testat noggrannheten hos professionella ansiktsidentifierare, ger minst en uppenbarelse som till och med förvånade forskarna:Tränade människor presterar bäst med en dator som partner, inte en annan person.

"Detta är den första studien som mäter noggrannhet för ansiktsidentifiering för professionella rättsmedicinska ansiktsgranskare, arbeta under omständigheter som gäller i verkliga ärenden, "sa NIST elektroniska ingenjör P. Jonathon Phillips." Vårt djupare mål var att hitta bättre sätt att öka noggrannheten i rättsmedicinska ansiktsjämförelser. "

Teamets insats började som svar på en rapport från 2009 från National Research Council, "Stärkning av rättsvetenskap i USA:En väg framåt", vilket underströk behovet av att mäta riktigheten i kriminalteknikers beslut.

NIST -studien är den mest omfattande undersökningen hittills av ansiktsidentifieringsprestanda i en stor, varierad grupp människor. Studien undersöker också den bästa tekniken, jämföra noggrannheten hos toppmoderna ansiktsigenkänningsalgoritmer med mänskliga experter.

Deras resultat från denna klassiska konfrontation mellan människa och maskin? Ingen får ensam de bästa resultaten. Maximal noggrannhet uppnåddes med ett samarbete mellan de två.

"Samhällen förlitar sig på expertis och utbildning av professionella rättsmedicinska ansiktsutredare, eftersom deras bedömningar anses vara bäst, " sa medförfattaren Alice O'Toole, professor i kognitiv vetenskap vid University of Texas i Dallas. "Dock, vi lärde oss att för att få den mest exakta ansiktsidentifieringen, vi bör kombinera styrkorna hos människor och maskiner."

Resultaten kommer i rätt tid i utvecklingen av teknik för ansiktsigenkänning, som har utvecklats i decennier, men har nyligen uppnått kompetens närmar sig den hos bäst presterande människor.

"Om vi ​​hade gjort den här studien för tre år sedan, den bästa datoralgoritmens prestanda skulle ha varit jämförbar med en genomsnittlig otränad student, " sa Phillips. "Nuförtiden, toppmoderna algoritmer fungerar såväl som en välutbildad proffs. "

Själva studien involverade totalt 184 deltagare, ett stort antal för ett experiment av denna typ. Åttiosju var utbildade professionella ansiktsgranskare, medan 13 var "superigenkännare, "en term som antyder exceptionell naturlig förmåga. De återstående 84 – kontrollgrupperna – inkluderade 53 fingeravtrycksgranskare och 31 studenter, ingen av dem hade utbildning i ansiktsjämförelser.

För provet, deltagarna fick 20 par ansiktsbilder och bedömde sannolikheten att varje par var samma person på en sjugradig skala. Forskargruppen valde avsiktligt ut extremt utmanande par, använda bilder tagna med begränsad kontroll av belysningen, uttryck och utseende. De testade sedan fyra av de senaste datoriserade ansiktsigenkänningsalgoritmerna, allt utvecklats mellan 2015 och 2017, använder samma bildpar.

Tre av algoritmerna utvecklades av Rama Chellappa, professor i el- och datateknik vid University of Maryland, och hans team, som bidrog till studien. Algoritmerna tränades för att fungera i allmänna ansiktsigenkänningssituationer och tillämpades utan modifiering av bilduppsättningarna.

Ett av fynden var föga överraskande men betydelsefullt för rättsväsendet:De utbildade yrkesmännen klarade sig betydligt bättre än de otränade kontrollgrupperna. Detta resultat fastställde de utbildade examinatorernas överlägsna förmåga, ger därmed för första gången en vetenskaplig grund för deras vittnesmål i domstol.

Algoritmerna frikände sig också väl, som man kan förvänta sig av den stadiga förbättringen av algoritmprestanda under de senaste åren.

Det som höjde lagets samlade ögonbryn ansåg resultatet av flera examinatorer. Teamet upptäckte att kombinationen av åsikter från flera rättsmedicinska ansiktsgranskare inte gav de mest exakta resultaten.

"Våra data visar att de bästa resultaten kommer från en enda ansiktsgranskare som arbetar med en enda topppresterande algoritm, "Phillips sa." Samtidigt som man kombinerar två mänskliga granskare förbättrar noggrannheten, det är inte lika bra som att kombinera en examinator och den bästa algoritmen."

Att kombinera examinatorer och AI används för närvarande inte i rättsmedicinska ärenden i verkliga världen. Även om denna studie inte uttryckligen testade denna sammansmältning av granskare och AI i en sådan operativ kriminalteknisk miljö, resultaten ger en färdplan för att förbättra noggrannheten av ansiktsidentifiering i framtida system.

Medan det treåriga projektet har avslöjat att människor och algoritmer använder olika metoder för att jämföra ansikten, det ställer en frestande fråga till andra forskare:Vad är den bakomliggande skillnaden mellan det mänskliga och det algoritmiska tillvägagångssättet?

"Om kombinationen av beslut från två källor ökar noggrannheten, då visar denna metod att det finns olika strategier, " sade Phillips. "Men det förklarar inte hur strategierna är olika."