ফেস রিকগনিশন প্রযুক্তিতে জাতিগত প্রোফাইলিং:মুখের স্বীকৃতি কি বর্ণবাদী হতে পারে?

ফেসিয়াল রিকগনিশন আইন প্রয়োগের ক্ষেত্রে এই প্রযুক্তিকে শক্তিশালী করার জন্য নতুন অ্যালগরিদমগুলি প্রাধান্য পাওয়ার পর থেকে প্রযুক্তি এবং এর ক্ষমতা আমাদের কল্পনার বাইরে অনেক বেশি বেড়েছে। বর্তমানে, মুখ শনাক্তকরণ প্রযুক্তি আইন প্রয়োগকারী বাহিনী দ্বারা তথ্য সংগ্রহ প্রক্রিয়ার সর্বনিম্ন স্তরে ভিড় জমায়েতের মধ্যে অপরাধী অপরাধীদের সনাক্ত করতে ব্যবহৃত হয়। প্রযুক্তিটি পাবলিক প্লেস এবং রাস্তায় সিসিটিভি ক্যামেরার ফুটেজ ব্যবহার করে এবং তারপরে সংগৃহীত ডেটা এজেন্সি আর্কাইভের বিরুদ্ধে চালায় যাতে ফৌজদারি অপরাধের জন্য চাই এমন একটি মুখ সনাক্ত করা যায়৷

এই প্রযুক্তিটি মোবাইল ফোন এবং স্মার্ট পরিধানযোগ্য ডিভাইস সহ সবচেয়ে ছোট গ্যাজেটের মধ্যে এমবেড করা হয়েছে। সুতরাং, এটি শুধুমাত্র রাস্তায় আপনাকে রক্ষা করছে না বরং আপনার স্মার্ট ডিভাইসগুলিতে সঞ্চিত আপনার ব্যক্তিগত তথ্যকেও সুরক্ষিত করতে চাইছে। বিপণন এবং বিজ্ঞাপন অনুশীলনের জন্য "ফেসপ্রিন্ট" ব্যবহার করা সামাজিক মিডিয়া প্রচারণার আধুনিক যুগে সাধারণ হয়ে উঠেছে। এবং তারপর, মল, খুচরা দোকান, ইত্যাদিতে ব্যক্তিগত নজরদারি রয়েছে৷

এই দৃষ্টিকোণ থেকে, কেউ দ্রুত মুখ শনাক্তকরণ প্রযুক্তির অনস্বীকার্য সুবিধাগুলি নির্দেশ করতে পারে। তবে এটি ব্যবহারকারীর গোপনীয়তা, ডেটা সুরক্ষা এবং অবশ্যই আইন ও জনসাধারণের মধ্যে স্বচ্ছতার জন্য যে হুমকি সৃষ্টি করেছে তার জন্যও এটি যাচাই করা হয়েছে। এই ধরনের আক্রমণাত্মক প্রযুক্তির সুবিধা এবং অসুবিধা উভয়ই সম্পর্কে সচেতন হওয়া একটি ভাল জিনিস। তবুও, মুখ শনাক্তকরণ প্রযুক্তির আরও একটি অসুবিধা রয়েছে, যা লোকেরা উপেক্ষা করে বলে মনে হয়, এবং তা হল জাতিগত প্রোফাইলিং এবং জাতিগত বৈষম্য .

এই অংশে, আমরা এই প্রযুক্তিটি কীভাবে জাতিগত পক্ষপাত ও বৈষম্যকে প্রচার করে এবং এই ধরনের আক্রমণাত্মক প্রযুক্তির প্রভাবগুলি কতটা গুরুতর তা দেখছি৷

ফেসিয়াল রিকগনিশন কিভাবে কাজ করে?

ধাপ 1: আপনার একটি ছবি ক্যামেরা, আপনার অ্যাকাউন্ট, ইমেল ইত্যাদি থেকে নেওয়া হয়েছে৷ এটি হয় একটি সোজা প্রোফাইল ছবি বা ভিড়ের মধ্যে একটি এলোমেলো স্ন্যাপ৷

ধাপ 2: মুখ শনাক্তকরণ সফ্টওয়্যার সঞ্চিত ফেসপ্রিন্টের একটি ডাটাবেসের মাধ্যমে আপনার মুখ চালাবে। আপনার মুখের জ্যামিতিক ট্র্যাকিংয়ের মাধ্যমে ফেসপ্রিন্ট সংগ্রহ করা হয়।

ধাপ 3: কোনো পরিচিত ফেসপ্রিন্টের বিপরীতে আপনার ছবির একটি ম্যাচ শতাংশ একটি অ্যালগরিদম ব্যবহার করে তৈরি করা হয় যার উপর একটি সংকল্প করা হয়।

অটোমেশন বায়াস:ফেসিয়াল রিকগনিশন প্রযুক্তির অনেক ত্রুটির মধ্যে একটি

অটোমেশন বায়াস বা মেশিন বায়াস এমন দৃশ্যকে বোঝায় যেখানে একটি মেশিন অ্যালগরিদম ইনপুট ডেটা ক্রমাঙ্কনে একটি নির্দিষ্ট পক্ষপাত প্রদর্শন করে, এইভাবে প্রতিকূল আউটপুট দেয়। এটি ঘটে যখন অ্যালগরিদম কোডে একটি ত্রুটি থাকে, ক্রমাঙ্কনের জন্য সংরক্ষিত ডেটা-সেটের অভাব, ভুল ইনপুট মান, বা অতিরিক্ত ইনপুট ডেটা, যা মেশিনের ক্রমাঙ্কন করার শক্তির বাইরে।

এই সবের সাথে জাতিগত প্রোফাইলিং কিভাবে যায়?

একটি প্রাচীন ঘটনা দিয়ে শুরু করা যাক যা সেই সময়ে তুচ্ছ বলে মনে করা হত। 2001 সালে, টাম্পা সিটি জনাকীর্ণ শহরের উপর নজরদারির জন্য মুখ শনাক্তকরণ সফ্টওয়্যার ব্যবহার করেছিল কারণ 2001 সালের সুপার বোলের কারণে পর্যটকরা শহরের রাস্তায় প্লাবিত হয়েছিল। নিউইয়র্ক টাইমসের একটি প্রতিবেদন অনুসারে, সফ্টওয়্যারটি 19 জনকে শনাক্ত করেছে যাদের বিরুদ্ধে বকেয়া ওয়ারেন্ট রয়েছে বলে ধারণা করা হচ্ছে; তবে, স্টেডিয়ামের পরিকাঠামোর কারণে অপ্রতিরোধ্য ভিড়ের মধ্যে চিহ্নিত অপরাধীদের কাছে পৌঁছানো অসম্ভব হয়ে পড়ায় কোনো গ্রেপ্তার করা হয়নি।

যদিও এই বিশেষ ক্ষেত্রে কোথাও জাতিগত প্রোফাইলিংয়ের লক্ষণ দেখা যায়নি, তবে এটি প্রথমবারের মতো নাগরিক স্বাধীনতা এবং ব্যক্তিদের গোপনীয়তার লঙ্ঘনের বিরুদ্ধে নজরদারি কৌশল স্থাপন করা হয়েছিল। আসন্ন বছরগুলিতে, টাম্পা পুলিশ অবিশ্বস্ত ফলাফল উল্লেখ করে এই নজরদারি সিস্টেমগুলি ছেড়ে দিয়েছে৷

কিছুটা সাম্প্রতিক পরিস্থিতিতে দ্রুত-ফরোয়ার্ড করে, আলি ব্রেল্যান্ড দ্য গার্ডিয়ানের জন্য রিপোর্ট করেছেন, উইলি লিঞ্চের গ্রেপ্তারের বিষয়ে, ব্রেন্টউড এলাকায় কুখ্যাত মাদক ব্যবসায়ী হিসেবে অভিযুক্ত একজন কৃষ্ণাঙ্গ ব্যক্তি, প্রধানত রঙিন লোকদের একটি এলাকা। লিঞ্চের বিরুদ্ধে একমাত্র প্রমাণ ছিল একটি মোবাইলে তার ছবি, যা পুলিশ তাকে অপরাধী হিসেবে নির্ধারণ করার আগে পুলিশের ডাটাবেসের বিরুদ্ধে চালানো হয়েছিল। লিঞ্চকে আট বছরের জন্য দোষী সাব্যস্ত করা হয়েছিল, যিনি এখন দোষী সাব্যস্ত হওয়ার বিরুদ্ধে আপিল করেছেন। তিনি অভিযুক্ত ডিলার ছিলেন কি না, এটি অনিবার্যভাবে উদ্বেগ বাড়ায় যে শুধুমাত্র একটি মেশিন-ভিত্তিক ফলাফল তদন্তাধীন কারও দোষী সাব্যস্ত করার জন্য যথেষ্ট কিনা?

2019 সালে, দ্য গার্ডিয়ানের জন্য টম পারকিন্সের রিপোর্ট অনুসারে, ডেট্রয়েট পুলিশকে গত দুই বছর ধরে অভিযুক্ত গ্রেপ্তার করতে মুখের স্বীকৃতি ব্যবহার করতে দেখা গেছে। ডেট্রয়েট এমন একটি জায়গা যেখানে জনসংখ্যার 80% এরও বেশি কালো। ডেট্রয়েট পুলিশ কমিশনের একজন কৃষ্ণাঙ্গ সদস্যের একটি বিবৃতি অনুশীলনের বিরুদ্ধে উদ্বেগ প্রকাশ করেছে। তিনি বলেছিলেন যে কালো মানুষদের একটি সাধারণ মুখের বৈশিষ্ট্য রয়েছে যা সিস্টেমের অ্যালগরিদমকে বিপন্ন করে, এটিকে "টেকনো-বর্ণবাদ" বলে অভিহিত করে৷

Fabio Bacchini এবং Ludovica Lorusso দ্বারা জার্নাল অফ ইনফরমেশন কমিউনিকেশন অ্যান্ড এথিক্স সোসাইটির জন্য 2019 সালের একটি গবেষণায়, এটি পাওয়া গেছে যে এই বায়োমেট্রিক এবং ফেস রিকগনিশন সিস্টেমগুলি আইন প্রয়োগের জন্য 100% নির্ভরযোগ্য নয়। অধিকন্তু, জাতিগত বৈষম্য এই ধরনের সমস্ত ব্যবস্থার উপর একটি নেতিবাচক প্রভাব ছিল, যার আরও বিপরীত সামাজিক প্রভাব রয়েছে। গবেষণাটি বিশেষ করে পশ্চিমা সমাজগুলিকে লক্ষ্য করে, যেখানে এই ধরনের সিস্টেমগুলি নজরদারির জন্য ব্যাপকভাবে ব্যবহৃত হয়৷

এগুলি এমন অনেক উদাহরণের মধ্যে মাত্র তিনটি যেখানে মুখ শনাক্তকরণ ব্যবস্থার কারণে জাতিগত বৈষম্যের ঘটনাগুলি আলোতে এসেছে৷ কিন্তু প্রযুক্তিতে অ্যালগরিদমিক কোডিং আপগ্রেডে এত ক্রমবর্ধমান নির্ভুলতা সত্ত্বেও কেন এই সিস্টেমগুলি এত অক্ষম৷

পশ্চিমা রাজ্যগুলিতে সাদা আধিপত্য:একটি সাদা-প্রধান প্রযুক্তি শিল্প

2014 সালে, জায়ান্ট অ্যাপল ইনকর্পোরেটেড সহ বেশিরভাগ প্রযুক্তি সংস্থাগুলি বেশিরভাগ সাদা, পুরুষ কর্মচারী নিয়োগ করছে বলে দেখা গেছে। অ্যাপলে, 55% কর্মচারী শ্বেতাঙ্গ ছিল, এবং একইভাবে, অ্যাপলের নেতৃত্বে 63% শ্বেতাঙ্গ কর্মচারী ছিল। যে সংস্থাগুলি একই রকম বৈচিত্র্যের প্রতিবেদনগুলি ভাগ করেছে তাদের মধ্যে রয়েছে ফেসবুক, গুগল এবং টুইটারও। পাঁচ বছর পরে, ওয়্যারড-এর একটি প্রতিবেদনে প্রকাশ করা হয়েছে যে এই সংখ্যাগুলিতে ন্যূনতম উন্নতি হয়েছে৷

যদিও Facebook সংখ্যায় একটি শালীন উন্নতি দেখিয়েছে, অ্যাপলের কালো প্রযুক্তিগত কর্মীদের শতাংশ মোট কর্মশক্তির মাত্র 6% এ অপরিবর্তিত ছিল। অ্যামাজনই একমাত্র সংস্থা যেটি তার মার্কিন অফিসে 42% কালো বা ল্যাটিন আমেরিকান কর্মীদের নিবন্ধিত করেছিল৷

এই পরিসংখ্যান কি বোঝায়? মার্কিন যুক্তরাষ্ট্রে, বেশিরভাগ কোডার, যাদের নজরদারি সিস্টেমের জন্য অ্যালগরিদম ডিজাইন করার মতো বড় প্রকল্পগুলিতে নিয়োগ করা হয়, তারা সাদা। এই ব্যক্তিরা যারা একটি কোম্পানির দ্বারা লঞ্চ/উন্মোচন করার জন্য একটি পণ্য বা পরিষেবা সম্পর্কে সবচেয়ে গুরুত্বপূর্ণ সিদ্ধান্ত নেয়। এবং তাই, এটি তাদের দৃষ্টিভঙ্গি, দৃষ্টিভঙ্গি এবং চিন্তা প্রক্রিয়া যা চূড়ান্ত সৃষ্টিতে যায়। এর অর্থ এই নয় যে শ্বেতাঙ্গ লোকেরা বর্ণবাদী এবং উদ্দেশ্যমূলকভাবে এই ধরনের নজরদারি ব্যবস্থা তৈরি করেছে। না!

যখন একজন সাদা লোক একটি মুখ শনাক্তকরণ অ্যালগরিদম ডিজাইন করে এবং শুধুমাত্র সাদা সহকর্মীরা তাকে পরামর্শ/সহায়তা করে, তখন তারা কোড চূড়ান্ত করার আগে অন্য রঙের মুখের বৈশিষ্ট্যের লোকদের বিবেচনা করে না। যেহেতু সাদা প্রকৌশলীরা প্রযুক্তি শিল্পে আধিপত্য বিস্তার করে, তাই প্রাথমিক কোড প্রস্তুত করতে ব্যবহৃত ডেটা সংরক্ষণাগারগুলিও সাদা প্রযুক্তিবিদদের দ্বারা তৈরি এবং ক্রমাঙ্কিত করা হয়। এইভাবে, কোডটি নিজেই তার মূল গণনামূলক অ্যালগরিদমের পক্ষপাতিত্বের সাথে তৈরি হয়, যার ফলে নজরদারির ফলাফলে এই জাতিগত বৈষম্য দেখা দেয়।

কোডটি সহজভাবে শেখে যে সাদা লোকেরা এতে কী মূর্ত করে। অন্য রঙের কোন ব্যক্তির কোন দৃষ্টিকোণ বা অবদান নেই।

ক্রমাঙ্কন সমস্যাগুলি

আমেরিকান আইন প্রয়োগকারীরা নজরদারি এবং ডেটা ট্র্যাকিংয়ের উপর অনেক বেশি নির্ভর করে। এমন অনেক ঘটনা ঘটেছে যেখানে হুইসেল-ব্লোয়াররা বেসামরিক নাগরিকদের অননুমোদিত নজরদারি সম্পর্কিত তথ্য সরিয়ে দিয়েছে। এনএসএর অবৈধ নজরদারি সম্পর্কে এডওয়ার্ড স্নোডেনের প্রকাশ এমনই একটি উদাহরণ৷

এই নজরদারি প্রোগ্রামগুলি লক্ষ লক্ষ নাগরিকের মুখের ছাপ এবং অন্যান্য ব্যক্তিগত তথ্য দ্বারা সমর্থিত। আমরা যদি শুধুমাত্র মুখের ছাপ বিবেচনা করি, লক্ষ লক্ষ আমেরিকানরা সোশ্যাল মিডিয়া প্ল্যাটফর্মে প্রকাশ্যে ছবি শেয়ার করছে। তারপরে দেশের প্রতিটি রাস্তায় সিসিটিভি ক্যামেরা রয়েছে যা কয়েক হাজার পথচারীর লাইভ ফুটেজ সরবরাহ করে। বর্তমানে, পুলিশের ডাটাবেসে আনুমানিক 117 মিলিয়ন ছবি রয়েছে, যখন FBI-এর কাছে নজরদারি মুখ শনাক্তকরণ অ্যালগরিদমগুলিতে ক্যালিব্রেট করার জন্য 400 মিলিয়নেরও বেশি ডেটাসেট রয়েছে৷

এখন এই ডেটাসেটগুলিকে একটি একক চিত্রের সাথে তুলনা করুন যা নির্দিষ্ট ব্যক্তির মুখের সমস্ত বৈশিষ্ট্য ক্যাপচার করতে পারে বা নাও পারে৷ এই ধরনের পরিস্থিতিতে, ত্রুটি দেখা দিতে পারে। একটি ফেসপ্রিন্টের বিপরীতে এটি বোঝা এবং চালানোর জন্য খুব বেশি ডেটা রয়েছে। কোনো অ্যালগরিদম তার ফলাফলের শতভাগ নিশ্চয়তা দিতে পারে না যখন ক্রমাঙ্কন এত জটিল। এটি অবশেষে মুখ শনাক্তকরণ প্রযুক্তির কারণে জাতিগত প্রোফাইলিং যোগ করে।

ফেস রিকগনিশনের উপর অসীম নির্ভরযোগ্যতা

উইলি লিঞ্চের ঘটনাটি একটি অনুস্মারক যে আইন প্রয়োগের ক্ষেত্রে মুখের স্বীকৃতি প্রমাণ হিসাবে উপস্থাপিত একমাত্র নির্ভরযোগ্য কৌশল হওয়া উচিত নয়। এই কারণেই টাম্পা সিটি পুলিশ প্রযুক্তি ছেড়ে দিয়েছে।

এটা সত্য যে মুখ শনাক্তকরণ একটি চমৎকার অবলম্বন এবং এটি পুলিশের জন্য সহায়ক। বোস্টন ম্যারাথন বোমা হামলার অপরাধীদের নজরদারি রেকর্ডিংয়ের ব্যাপক এবং বিশদ বিশ্লেষণ ব্যবহার করে স্বীকৃত হয়েছিল। কিন্তু এটি কাউকে দোষী সাব্যস্ত করার একক প্রমাণ হতে পারে না। মুখ শনাক্তকরণ অ্যালগরিদমগুলির ফলাফল প্রমাণ করার জন্য অবশ্যই সমর্থনকারী প্রমাণ থাকতে হবে এবং চূড়ান্ত সিদ্ধান্তে পৌঁছানোর আগে অটোমেশন পক্ষপাতের ধারণাটি অবশ্যই বিবেচনা করা উচিত৷

হার্ডওয়্যার সমস্যা:মোবাইল এবং ক্যামেরায় মুখ শনাক্তকরণ

নজরদারি ক্যামেরা সিস্টেম এবং সংশ্লিষ্ট হার্ডওয়্যার এবং সফ্টওয়্যার একটি একক কোম্পানি দ্বারা ডিজাইন করা হয় না। এটি বিলিয়ন ডলার মূল্যের একটি শিল্প যেখানে দশটি কর্পোরেশন আইন প্রয়োগকারী সংস্থার কাছ থেকে চুক্তি পাওয়ার জন্য প্রতিযোগিতা করে। এই সিস্টেমগুলির মধ্যে অনেকগুলি চীনা নির্মাতাদের কাছ থেকে এসেছে। এটি সর্বোত্তম গুণাবলী সহ সস্তার প্রযুক্তি পাওয়ার বিষয়ে। এইভাবে এটি বেশিরভাগই কাজ করে। এবং সেইজন্য, বিভিন্ন সিস্টেমের ক্রমাঙ্কন, সেইসাথে নজরদারি ফলাফলের গুণমানে তারতম্যের সম্ভাবনা সবসময়ই থাকে। অনেক ক্যামেরা নজরদারি অ্যালগরিদম শুধুমাত্র প্রযুক্তিগত অক্ষমতার কারণে রঙিন মানুষের ছবি ক্যালিব্রেট করতে অকার্যকর, এইভাবে জাতিগত বৈষম্যকে মহিমান্বিত করে৷

মুখ শনাক্তকরণের মাধ্যমে বর্ণবাদ সৃষ্টিকারী প্রযুক্তিগত সমস্যাগুলি অ্যাপল ফেস লক বৈশিষ্ট্যেও লক্ষ্য করা গেছে। চীন থেকে একটি মামলা উচ্ছেদ করা হয়েছে যে আইফোন এক্স ফেস লক দুটি ভিন্ন চীনা সহকর্মীদের মধ্যে পার্থক্য করতে অক্ষম, বৈশিষ্ট্যটিকে অকেজো করে তুলেছে। একই ধরনের প্রতিবেদন খারিজ করা হয়েছিল, দুই কৃষ্ণাঙ্গ মানুষকে একে অপরের থেকে আলাদা করার বৈশিষ্ট্যের সমস্যা উল্লেখ করে। উপরে উল্লিখিত হিসাবে, অ্যাপলের প্রযুক্তিগত দলে মাত্র 6% কালো লোক রয়েছে। মুখ শনাক্তকরণ প্রযুক্তি কীভাবে আমাদের হ্যান্ডহেল্ড ডিভাইসেও বর্ণবাদকে প্রচার করতে পারে তার এটি একটি স্পষ্ট উদাহরণ।

উপসংহার

হ্যাঁ, মুখের স্বীকৃতি বর্ণবাদী, এবং এটি এখন সাধারণ জ্ঞান। এই জাতীয় সমস্যাগুলি সংশোধন করার জন্য প্রযুক্তি প্রতিদিন বৃদ্ধি পাচ্ছে, ফলাফলগুলি সবই একই। প্রযুক্তি প্রযুক্তিগত অগ্রগতি এবং উন্নয়নের সাধারণ লক্ষ্যগুলির উপর বিশ্বকে একত্রিত করার কথা, কিন্তু কিছু কৌশল কেবল জাতিগত এবং সাম্প্রদায়িক সম্প্রীতির ক্ষতি করে৷

আপাতত, আইন প্রয়োগকারী কর্মকর্তারা যা করতে পারেন তা হল অ্যালগরিদমিক ক্যালিব্রেশনের প্রমাণের ভিত্তিতে তাদের মামলাগুলিকে সমর্থন না করা, যা এমনকি নির্ভরযোগ্যও নয়। অধিকন্তু, এখনই সময় যে বৈচিত্র্য এবং কর্মক্ষেত্রে অন্তর্ভুক্তি গুরুত্ব সহকারে নেওয়া হয় যাতে সমস্ত জাতিসত্তার মানুষ জাতিগত বৈষম্যমুক্ত একটি পণ্য তৈরি করতে একত্রিত হতে পারে। পৃথিবীতে হাজার হাজার জাতি রয়েছে, এবং লোকেরা জাতিগত পার্থক্যকে একপাশে রাখতে বড় হয়েছে, যা এতদিন ধরে বিশ্ব সমাজকে তাড়িত করেছিল। যদি সেটা বজায় রাখতেই হয়, তাহলে যে যন্ত্রের ওপর আমরা এতটা নির্ভর করি তাদেরও একই শিক্ষা দিতে হবে৷