ফেসিয়াল রিকগনিশন প্রযুক্তি এবং এর ক্ষমতা আমাদের কল্পনাতীত চলে গেছে—নতুন অ্যালগরিদম লอয় puestaforcement-এ এই টেক শক্তিশালী করলে। বর্তমানে ফেস রিকগনিশন টেক লোয় এনফোর্সমেন্ট ফোর্স পাবলিক প্লেসের সCTV ফুটেজ ব্যবহার করে גםíd ডেটা এজেন্সি আর্কাইভের সাথে মিলিয়ে চাহিদামূলক অপরাধীদের শনাক্ত করে।
এই টেক ছোট ছোট গ্যাজেটে—মোবাইল ফোন, স্মার্ট ওয়েয়ারেবল ডিভাইসে এম্বেড করা হয়েছে। তাই স্ট্রিটেই নয়, আপনার স্মার্ট ডিভাইসের পার্সনাল ইনফরমেশনও রক্ষা করছে। "ফেসপ্রিন্ট" ব্যবহার করে মার্কেটিং ও অ্যাডভারটাইজিং এখন সোশ্যাল মিডিয়া ক্যাম্পেইনিং-এ সাধারণ। প্রাইভেট সারভিল্যান্স মল, রিটেল স্টোরে চলছে।
এই দৃষ্টিকোণ থেকে ফেসিয়াল রিকগনিশন টেকের অস্বীকার্য সুবিধা স্পষ্ট। কিন্তু ইউজার প্রাইভেসি, ডেটা প্রোটেকশন, এবং কানুন-জনগণের মধ্যকার ট্রান্সপেরেন্সির ഭীতিও সৃষ্টি করেছে। সুবিধা-অসুবিধা জানা ভালো। কিন্তু একটা আরো অসুবিধা লোকজন উপেক্ষা করে—নৃতাত্ত্বিক প্রোফাইলিং এবং নৃতাত্ত্বিক বৈষম্য।
এই লেখায় আমরা দেখবো কীভাবে এই টেক নৃতাত্ত্বিক পক্ষপাত ও বৈষম্য বড়ায় এবং এর ফলাফল কতটো গাড়।
ফেসিয়াল রিকগনিশন কীভাবে কাজ করে?
স্টেপ ১: ক্যামেরা, একাউন্ট, ইমেইল থেকে আপনার ছবি নেওয়া হয়। সেটা প্রোফাইল ছবি বা ভিড়ে র্যান্ডম স্ন্যাপ।
স্টেপ ২: ফেস রিকগনিশন সফটওয়্যার আপনার মুখকে সংরক্ষিত ফেসপ্রিন্ট ডেটাবেসের সাথে মিলিয়ে। ফেসপ্রিন্ট জ্যামিতিক ট্র্যাকিং দিয়ে সংগ্রহ করা হয়।
স্টেপ ৩: কোনো পরিচিত ফেসপ্রিন্টের সাথে আপনার ছবির ম্যাচ পারসেন্টেজ অ্যালগরিদম দিয়ে বের করা হয় এবং সিদ্ধান্ত নেওয়া হয়।
অটোমেশন বায়াস: ফেসিয়াল রিকগনিশন টেকের অনেক ত্রুটির একটা
অটোমেশন বায়াস বা মেশিন বায়াস বলতে মেশিন অ্যালগরিদম ইনপুট ডেটা ক্যালিব্রেশনে নির্দিষ্ট পক্ষপাত দেখায়, ফলে অনুকূলকর আউটপুট না দিয়ে প্রতিকূল ফলাফল দেয়। এটা হয় অ্যালগরিদম কোডে ত্রুটি, ক্যালিব্রেশনের জন্য পর্যাপ্ত ডেটাসেটের অভাব, ভুল ইনপুট ভ্যালু, বা মেশিনের ক্ষমতার বাইরে অতিরিক্ত ইনপুট ডেটার কারণে।
নৃতাত্ত্বিক প্রোফাইলিং এতে কীভাবে জড়িত?
২০০১ সালের একটি ঘটনা থেকে শুরু করি যা সময়ে নগণ্য মনে হত। ট্যাম্পা সিটি ২০০১ সুপার বাউলের সময় টুরিস্ট ভিড়ের কারণে সিটি স্ট্রিটে ফেস রিকগনিশন সফটওয়্যার সার্ভিল্যান্স চালাল। নিউইয়орк টাইম্স রিপোর্ট অনুযায়ী, সফটওয়্যার ১৯ জনকে চিহ্নিত করল যাদের আউটস্ট্যান্ডিং ওয়ারেন্ট ছিল; কিন্তু স্টেডিয়ামের ইন্ফ্রাস্ট্রাকচারের কারণে গ্রেপ্তার করা সম্ভব হয়নি।
এই কেসে নৃতাত্ত্বিক প্রোফাইলিংর চিহ্ন পাওয়া গেলো না, কিন্তু সার্ভিল্যান্স টেকনিক প্রথম بار সিভিল লিবার্টি এবং প্রাইভেসির লঙ্ঘনের বিপক্ষে প্রশ্ন চিহ্নিত হয়েছিল। পরবর্তী বছরে ট্যাম্পা পুলিশ অবিশ্বস্ত ফলাফলের কারণে সিস্টেম বন্ধ করল।
আরো সাম্প্রতিক ঘটনা: আলি ব্রিল্যান্ড দ্য গার্ডিয়ানের জন্য রিপোর্ট করলেন—উইল্লি লಿಂচ, একটি ব্ল্যাক মানুষ, ব্রেন্টউড এলাকার (প্রায়শই রঙিন মানুষের এলাকা) বিখ্যাত ড্রাগ ডিলার বলে অভিযুক্ত। একমাত্র প্রমাণ ছিল তার মোবাইল ছবি পুলিশ ডেটাবেসের সাথে মিলিয়ে। লিংচ ৮ বছরের দণ্ড পেল, এখন আপিল করল। সে ডিলার কিনা সেটা আলাদা, কিন্তু শুধু মেশিন-ভিত্তিক রেজাল্ট কি কারো কনভিকশন কনফার্ম করার জন্য যথেষ্ট? প্রশ্ন উঠেছে।
২০১৯ সালে টম পারкинস দ্য গার্ডিয়ানে রিপোর্ট করলেন—ডেট্রয়েট পুলিশ গত দুই বছরে ফেস রিকগনিশন দিয়ে গ্রেপ্তারি করছে। ডেট্রয়েটে ৮০%+ জনসংখ্যা ব্ল্যাক। ডেট্রয়েট পুলিশ কমিশনের একজন ব্ল্যাক সদস্য আপত্তি জানালেন—ব্ল্যাক মানুষের সাধারণ ফেসিয়াল ট্রেইট সিস্টেমের অ্যালগরিদমকে জopardy-এ ফেলে, এটাকে সে "টেকনো-রেসিজম" বললেন।
২০১৯ সালে জার্নাল অফ ইনফরমেশন কমিউনিকেশন অ্যান্ড ইথিক্স সোসাইটি-তে ফাবিও বাকিনি এবং লুডোভিকা লোরুসোর গবেষণায় পাওয়া গেল—বায়োমেট্রিক ও ফেস রিকগনিশন সিস্টেম লোয় এনফোর্সমেন্টের জন্য ১০০% নির্ভরযোগ্য নয়। আর নৃতাত্ত্বিক বৈষম্য সব সিস্টেমে নেতিবাচক প্রভাব ফেলেছে, যার সামাজিক 파급প্রভাব আছে। গবেষণা পশ্চিমা সমাজকে টার্গেট করলো যেখানে সার্ভিল্যান্স ব্যাপক।
এটা শুধু তিন উদাহরণ। আরো অনেক কেসে নৃতাত্ত্বিক বৈষম্য ফেস রিকগনিশন সিস্টেমে देखा গেলো। কিন্তু অ্যালগরিদমিক কোডিং আপগ্রেডের বাবजूद এই সিস্টেমগুলো কেন এত অক্ষম?
পশ্চিমি রাজ্যে শ্বেত শ্রেষ্ঠতাবাদ: শ্বেত-প্রাধান্য টেক ইন্ডাস্ট্রি
২০১৪ সালে অধিকাংশ টেক কোম্পানি—অ্যাপল সহ—প্রায়শই শ্বেত পুরুষ কর্মী নিয়োগ করত। অ্যাপলে ৫৫% কর্মী শ্বেত, লিডারশিপে ৬৩% শ্বেত। ফেসবুক, গুগল, টুইটারেরও একই ডাইভারসিটি রিপোর্ট। পাঁচ বছর পর ওয়ায়ার্ড রিপোর্টে দেখা গেল সংখ্যায় ন্যূনতম উন্নতি।
ফেসবুক কিছু উন্নতি দেখিয়েছে, কিন্তু অ্যাপলের ব্ল্যাক টেকনিক্যাল ওয়ার্কার্স ৬%-এ অপরিবর্তিত। আমাজন একমাত্র প্রতিষ্ঠান যাতে ইউএস অফিসে ৪২% ব্ল্যাক বা ল্যাটিন আমেরিকান কর্মী রয়েছে।
এই স্ট্যাটস কী বোঝায়? ইউএস-এ সার্ভিল্যান্স সিস্টেমের অ্যালগরিদম ডিজাইনকারী কোডাররা অধিকাংশ শ্বেত। তারা বড় প্রজেক্টের সিদ্ধান্ত নেয়। তাদের দৃষ্টিভঙ্গি, পদ্ধতি, চিন্তাধারা ফাইনাল প্রোডাক্টে রয়েছে। এটার মানে শ্বেতরা রেসিস্ট এবং স savoir-βased সিস্টেম ডিজাইন করল—না!
যখন এক শ্বেত লোক ফেস রিকগনিশন অ্যালগরিদম ডিজাইন করে এবং শুধু শ্বেত কলিগ কনসাল্ট করে, তারা অন্য বর্ণের মানুষের ফেসিয়াল ট্রেইট বিবেচনা করে না। শ্বেত ইঞ্জিনিয়াররা টেক ইন্ডাস্ট্রি দখল করছে, তাই ডেটা আর্কাইভ ও প্রায়োগিক কোড শ্বেত টেকনিকিশানরা তৈরি ও ক্যালিব্রেট করেছে। ফলে কোর অ্যালগরিদমে পক্ষপাত বিল্ট-ইন থাকে, সার্ভিল্যান্স রেজাল্টে নৃতাত্ত্বিক বৈষম্য দেখা যায়।
কোড শুধু শ্বেতদের বৈশিষ্ট্য শিখেছে। অন্য বর্ণের লোকের দৃষ্টিভঙ্গি বা অবদান নেই।
ক্যালিব্রেশন সমস্যা
আমেরিকান লোয় এনফোর্সমেন্ট সার্ভিল্যান্স ও ডেটা ট্র্যাকিং-এ ব্যাপকভাবে নির্ভরশীল। হুইসিল-ব্লোয়াররা অনঅথোরাইজড সার্ভিল্যান্স উদ্ঘাটন করেছে—এডওয়ার্ড স্নোডেন-এর এনএসএ রহস্যোদ্ঘাটন এক উদাহরণ।
এই প্রোগ্রামগুলো ফেসপ্রিন্ট এবং কোটি কোটি নাগরিকের পার্সনাল ইনফো দিয়ে সাপোর্টেড। শুধু ফেসপ্রিন্ট করলে—মিলিয়ন মিলিয়ন আমেরিকান সোশ্যাল মিডিয়ায় ছবি শেয়ার করে। দেশের প্রতিটি স্ট্রিটে সCTV রয়েছে। পুলিশ ডেটাবেসে প্রায় ১১৭ মিলিয়ন ইমেজ, এফবিআই-তে ৪০০ মিলিয়ন+ ডেটাসেট ক্যালিব্রেশনের জন্য। একক ইমেজ যা হয়তো সব ফেসিয়াল ট্রেইট ক্যাপচার করেনি, তার সাথে এই বিশাল ডেটাসেট তুলনা করলে এরর স্বাভাবিক। কোনো অ্যালগরিদম ১০০% নিশ্চিততা দিতে পারে না এত জটিল ক্যালিব্রেশনে। এটাই ফেস রিকগনিশন টেকের নৃতাত্ত্বিক প্রোফাইলিংয়ে যোগ হয়।
ফেসিয়াল রিকগনিশন-এ অতিরিক্ত নির্ভরতা
উইল্লি লিংচের কেস মনে করিয়ে দিচ্ছে—ফেস রিকগনিশন লোয় এনফোর্সমেন্টে একমাত্র নির্ভরযোগ্য প্রমাণ নয়। তাই ট্যাম্পা সিটি পুলিশ টেক বাদ দিল।
সত্যি ফেস রিকগনিশন পুলিশের জন্য সহায়ক। বস্টন ম্যαράಥন বোম্বিংয়ের অপরাধী সার্ভিল্যান্স রেকর্ডিংয়ের বিশদ বিশ্লেষণে শনাক্ত হয়েছিল। কিন্তু একমাত্র প্রমাণ হিসেবে কারো কনভিকশন নয়। ফেস রিকগনিশন রেজাল্ট প্রুফ করার জন্য সাপোর্টিং প্রমাণ লাগে, এবং অটোমেশন বায়াস বিবেচনা করে ফাইনাল সিদ্ধান্ত নিতে হয়।
হার্ডওয়্যার সমস্যা: মোবাইল ও ক্যামেরায় ফেস রিকগনিশন
সার্ভিল্যান্স ক্যামেরা সিস্টেম এবং হার্ডওয়্যার/সফটওয়্যার এক কোম্পানি ডিজাইন করে না। বিলিয়ন ডলারের ইন্ডাস্ট্রি जहাজে dziesiąt কোম্পানি লোয় এনফোর্সমেন্ট কনট্রাক্টের জন্য প্রতিযোগিতা করে। চাইনীজ ম্যানুফ্যাকচারারও অনেক। সেরা কোয়ালিটির চাপে সবচেয়ে সস্তা টেক নেওয়াই উদ্দেশ্য। তাই বিভিন্ন সিস্টেমের ক্যালিব্রেশন পার্থক্য এবং সার্ভিল্যান্স রেজাল্টের কোয়ালিটি ভিন্নতা থাকে। অনেক ক্যামেরা অ্যালগরিদম রঙিন মানুষের ইমেজ ক্যালিব্রেট করতে অক্ষম—টেকনিক্যাল অক্ষমতার কারণে নৃতাত্ত্বিক বৈষম্য বড়ায়।
অ্যাপল ফেস লক ফিচারেও রেসিজমের টেক ইশ্যু دیده গেলো। চীনে একটি কেসে আইফোন এক্স ফেস লক দুজন চাইনিজ সহকর্মীকে আলাদা করতে পারলো না—ফিচার বেকার হয়ে গেল। একই রিপোর্ট ব্ল্যাক মানুষকে আলাদা করতে সমস্যা দেখিয়েছে। উপরে বলা মতে অ্যাপলে ৬% ব্ল্যাক টেকনিক্যাল কর্মী। হ্যান্ডহেল্ড ডিভাইসেও ফেস রিকগনিশন কীভাবে রেসিজম বড়াতে পারে—সেটা স্পষ্ট উদাহরণ।
উপসংহার
হ্যাঁ, ফেসিয়াল রিকগনিশন রেসিস্ট, এবং এটা এখন সাধারণ জ্ঞান। প্রযুক্তি রোজন এই সমস্যা সমাধানের চেষ্টা করছে, কিন্তু ফলাফল একই। প্রযুক্তি বিশ্বকে প্রযুক্তিগত উন্নতির সাধারণ লক্ষ্যে এক করতে থাকা উচিত, কিন্তু কিছু টেকনিক নৃতাত্ত্বিক ও সাম্প্রদায়িক সৌহার্দ্য নষ্ট করছে।
এখন লোয় এনফোর্সমেন্টের জন্য সেরা পথ—অ্যালগরিদমিক ক্যালিব্রেশনভিত্তিক প্রমাণে কেস সাপোর্ট না করা, যেগুলো নির্ভরযোগ্য নয়। আর হাই টাইম—ওয়ার্কপ্লেসে ডাইভারসিটি এবং ইনক্লুশনকে সিরিয়াসলি নেওয়া উচিত যাতে সব জাতির মানুষ মিলে পক্ষপাত-মুক্ত প্রোডাক্ট বানাতে পারে। বিশ্বে হাজার হাজার জাতি রয়েছে, মানুষ দীর্ঘকাল থেকে নৃতাত্ত্বিক পার্থক্য দূর করে এগিয়ে এসেছে। এটা বজায় রাখতে হলে আমরা যেসব মেশিনের ওপর নির্ভর করি, সেগুলোকে ওই সবক শেখাতে হবে।
