Lịch sử bí mật của công nghệ nhận diện khuôn mặt

Cha đẻ của công nghệ nhận diện khuôn mặt là ai? Công nghệ này đã được phát triển như thế nào? Xin lược dịch lại một bài viết về lịch sử của nó để gửi đến anh em.

Sáu mươi năm trước, con trai của một người lĩnh canh đã phát minh ra một công nghệ để nhận diện những khuôn mặt. Sau đó, tất cả những thông tin về vai trò của anh ấy đã biến mất. Woody Bledsoe là ai, và anh ta làm việc cho ai?



Woody Bledsoe đang ngồi trên xe lăn trong gara của gia đình, chờ đợi. Nếu quay về một vài tháng trước, hẳn mọi người dân nơi đây đều quen thuộc với việc thấy ông ta tại nhà thờ địa phương Mormon vào chủ nhật, hoặc bắt gặp ông đang chay bộ quanh thị trấn. Thì giờ đây họ có lẽ chẳng thể nhận ra ông già 74 tuổi ngày nào. Căn bệnh ALS (xơ cứng teo cơ một bên) đã biến ông thành một con người khác, đôi má tròn khoẻ mạnh ngày nào đã bị trũng xuống, khả năng nói và đi lại đã bị lấy đi, thậm chí ông còn không thể đọc được những dòng tin nhắn ngắn trên các bảng trắng di động. Cơ thể đã tàn, nhưng đầu óc không phế. Khi người con trai là Lance đến ngôi nhà ở Austin, Texas vào buổi sáng đầu năm 1995, Woody lập tức hướng dẫn con trai bằng cây bút dùng mực khô.

Ông bảo Lance lấy một cái thùng rác từ sân sau và đặt xuống gần mình, sau đó bảo anh vào nhà lấy diêm và một chai chất lỏng. Khi Lance quay lại, chiếc xe lăn từ từ di chuyển đến hai tủ hồ sơ lớn bên trong gara.

Cái tủ có từ khi nào Lance cũng không hề nhớ. Bây giờ ở tuổi 30, Lance chắc chắn rằng từ bé tới giờ anh chưa hề mở cái tủ đó ra. Nhưng anh biết đó không phải là tủ hồ sơ thông thường, bởi vì nó rất giống với loại tủ mà anh thường thấy khi làm việc trên các thiết bị Sonar dành cho tàu ngầm hạt nhân của Mỹ. Chống nước và rất nặng, với một kiểu ổ khoá phức tạp trên mỗi ngăn kéo. Cha anh bắt đầu viết ra những con số, Lance theo đó mở tủ, và rất ngạc nhiên, ổ khoá đã mở. “Khi tôi mở ngăn đầu tiên, tôi thấy mình như Indiana Jones”, anh nói.

Một chồng dày các tài liệu cũ, mục nát nằm bên trong. Lance bắt đầu gỡ chúng ra và đặt chúng vào tay cha mình. Woody nhìn qua đống giấy hai inch một lúc, rồi bảo con trai quăng chúng vào ngọn lửa trong thùng đốt. Một số trong đó, Lance nhận thấy, được đánh dấu là “Classified” hoặc “Eyes Only”. Ngọn lửa tiếp tục cháy cho đến khi cả hai chiếc tủ đều trống rỗng. Woody vẫn ngồi trong gara cho đến khi tất cả những gì còn lại chỉ là tro bụi.

Lance chỉ có thể đoán lờ mờ những thứ mà anh đã giúp cha mình phá hủy. Trong gần ba thập kỷ, cha anh là giáo sư tại Đại học Texas ở Austin, luôn làm việc để thúc đẩy các lĩnh vực lý luận tự động và trí tuệ nhân tạo. Lance luôn biết cha mình là một nhà khoa học lạc quan, một người đàn ông mà từ cuối những năm 1950, đã mơ ước chế tạo một máy tính có tất cả các khả năng của một con người, một cỗ máy có thể chứng minh các định lý toán học phức tạp , tham gia vào cuộc trò chuyện và chơi một trò chơi của Ping-Pong.

Những ngày đầu, và nỗi ám ảnh về việc mang khả năng của con người vào máy móc

Nhưng ngay từ những ngày đầu sự nghiệp, Woody đã bị ám ảnh với nỗ lực mang đến cho máy móc một năng lực đặc biệt tương đối không rõ ràng nhưng mạnh mẽ của con người: khả năng nhận diện khuôn mặt. Lance biết rằng cha mình làm việc trong lĩnh vực này, nghiên cứu sớm nhất về công nghệ nhận dạng khuôn mặt và đã thu hút sự quan tâm rất lớn từ các cơ quan mật vụ của chính phủ Hoa Kỳ. Trên thực tế, các nhà tài trợ chính của Woody, dường như là những công ty “bình phong” của CIA. Có phải Lance vừa thiêu hủy bằng chứng về những nỗ lực đầu tiên của Washington để xác định từng con người cụ thể trên quy mô tự động?

Ngày nay, nhận dạng khuôn mặt đã trở thành một tính năng bảo mật được lựa chọn cho smartphone, laptop, passport và các ứng dụng thanh toán. Nó hứa hẹn sẽ cách mạng hóa việc kinh doanh quảng cáo định hướng mục tiêu và tăng tốc độ chẩn đoán một số loại bệnh. Nó làm cho việc tag bạn bè trên Instagram trở nên dễ dàng hơn bao giờ hết. Tuy nhiên, nó cũng đang ngày càng trở thành một công cụ áp bức và giám sát doanh nghiệp từ các quốc gia. Ở Trung Quốc, chính phủ sử dụng nhận dạng khuôn mặt để xác định và theo dõi các thành viên của dân tộc thiểu số Duy Ngô Nhĩ, hàng trăm trong số hàng ngàn người đã được thực tập tại các “trại cải tạo”. Tại Mỹ, theo The Washington Post, Cơ quan Di trú và Thực thi Hải quan và FBI đã triển khai công nghệ này dưới dạng lưới quét kỹ thuật số, tìm kiếm nghi phạm trong số hàng triệu khuôn mặt trong cơ sở dữ liệu giấy phép lái xe được cấp, đôi khi không cần lệnh của tòa án. Năm ngoái, một cuộc điều tra của Financial Times đã tiết lộ rằng các nhà nghiên cứu tại Microsoft và Đại học Stanford đã tích lũy, và sau đó chia sẻ công khai, các bộ dữ liệu khổng lồ về hình ảnh khuôn mặt mà không có sự đồng ý của chủ thể. Cả hai bộ dữ liệu sau đó đã bị gỡ xuống, nhưng không phải trước khi các nhà nghiên cứu tại các công ty khởi nghiệp công nghệ và một trong những học viện quân sự của Trung Quốc có cơ hội khai thác chúng.

Những nghiên cứu về nhận dạng khuôn mặt của Woody trong những năm 1960 đã thúc đẩy tất cả những đột phá công nghệ này và kể cả những phạm trù đạo đức khó hiểu. Tuy nhiên, những công việc cơ bản đầu tiên của ông về lĩnh vực này gần như hoàn toàn không được biết đến. Phần lớn chúng không bao giờ được công khai.

May mắn thay, dù cho ý định của Woody vào ngày đó của năm 1995 có như thế nào, phần lớn các nghiên cứu và thư từ của ông dường vẫn sống sót sau ngọn lửa trong gara. Hàng ngàn trang giấy tờ của ông ấy, trong 39 chiếc hộp, đã được lưu giữ lại tại Trung tâm Lịch sử Hoa Kỳ Briscoe tại Đại học Texas. Những cái hộp đó, trong rất nhiều thứ trong đó, chứa hàng tá bức ảnh về khuôn mặt của con người, một số trong số chúng được đánh dấu bằng các ký hiệu toán học lạ lùng như thể các đối tượng con người của họ bị mắc một loại bệnh da hình học. Trong những bức chân dung đó, bạn có thể nhận ra câu chuyện khởi nguyên của một công nghệ sẽ ngày càng phát triển hơn, mạnh hơn và phổ biến hơn trong những thập kỷ tới.
Khi Woody 12 tuổi, cha ông qua đời, khiến gia đình càng chìm sâu vào cảnh nghèo khổ giữa cuộc Đại khủng hoảng. Woody nhận công việc tại một trang trại gà trong khi đang học trung học. Sau đó, ông chuyển đến thành phố Norman và bắt đầu tham gia các lớp học tại Đại học Oklahoma, nhưng chỉ được 3 tháng rồi sau đó gia nhập Quân đội vào đêm trước Thế chiến II.

Thể hiện năng khiếu toán học, Woody được giao phụ trách một văn phòng biên chế tại Fort Leonard Wood ở Missouri, nơi từng đợt từng đợt lính Mỹ đang được huấn luyện để chiến đấu. Vào ngày 7 tháng 6 năm 1944, một ngày sau khi D-Day, Woody cuối cùng được điều đến Châu Âu, nơi ông được trao giải thưởng Ngôi sao đồng vì đã nghĩ ra một cách để hạ thuỷ các tàu hải quân lớn, được chế tạo cho các bãi đáp trên biển, vào sông Rhine.

Đặt chân vào nhà hát châu Âu khi quân đội Đồng minh đang tăng tốc để giành chiến thắng, Woody dường như có một trải nghiệm chiến tranh tích cực khác thường. “Đây là khoảng thời gian thú vị”, ông đã viết. “Mỗi ngày tương đương với một tháng sinh hoạt bình thường. Tôi có thể thấy tại sao đàn ông say mê chiến tranh. Chừng nào bạn còn chiến thắng và không có nhiều thương vong, mọi thứ đều ổn”. Ông ấy đã trải qua mùa hè tiếp theo ở Paris, tâm trí và kinh nghiệm của ông ấy về thế giới mở rộng một cách điên cuồng trong bầu không khí đôi khi yêu nước cuồng nhiệt. “Tin tức giật gân nhất mà tôi từng nghe là chúng tôi đã phát nổ một quả bom nguyên tử”, Woody viết. “Chúng tôi rất vui vì vũ khí như vậy nằm trong tay người Mỹ chứ không phải kẻ thù của chúng tôi”.

Woody không thể chờ đợi để trở lại trường học sau khi chiến tranh kết thúc. Ông học chuyên ngành toán học tại Đại học Utah và hoàn thành sau hai năm rưỡi, sau đó lên Berkeley để lấy bằng tiến sĩ. Sau khi tốt nghiệp, ông có một công việc tại Tập đoàn Sandia ở New Mexico, làm công việc về nghiên cứu vũ khí hạt nhân do chính phủ tài trợ cùng với những ngôi sao sáng như Stanislaw Ulam, một trong những người phát minh ra bom hydro. Năm 1956, Woody đã bay tới Quần đảo Marshall để quan sát các cuộc thử nghiệm vũ khí trên đảo Enewetak, một phần của nó cho đến ngày nay bị ô nhiễm phóng xạ tồi tệ hơn cả Chernobyl hoặc Fukushima. “Tôi rất hài lòng khi được giúp đỡ đất nước thân yêu của mình duy trì vị thế mạnh nhất trên thế giới”, ông viết.

Sandia cũng đề nghị Woody bước những bước đầu tiên vào thế giới điện toán, thứ sẽ ngốn hết sức lực của ông trong phần còn lại của sự nghiệp. Lúc đầu, những nỗ lực của ông là việc viết những đoạn mã gắn liền với các phép tính nghiệt ngã của các nghiên cứu về vũ khí hạt nhân.

Nỗ lực ban đầu, “Chương trình cải tiến về tính toán xác suất rơi từ một cuộc tấn công nhiệt hạch hạt nhân quy mô lớn”, liên hệ đến các khái niệm như năng suất nổ, điểm nổ, thời gian phát nổ, tốc độ gió và dự đoán nơi nào sẽ rơi xuống trong trường hợp của một cuộc tấn công.

Nhưng khi sự lãng mạn của ông với điện toán tăng lên, Woody đã quan tâm đến việc nhận dạng mẫu tự động, đặc biệt là máy đọc sách, kết quả của quá trình dạy máy tính để nhận ra hình ảnh không được gắn nhãn của các ký tự viết. Ông đã hợp tác với bạn bè và người đồng nghiệp Iben Browning, một nhà phát minh đa hình, kỹ sư hàng không, và nhà sinh lý học, và cùng nhau họ tạo ra cái gọi là phương pháp n-tuple. Họ bắt đầu bằng cách chiếu một ký tự in, chữ Q, lên một ô hình chữ nhật, giống như một tờ giấy vẽ đồ thị. Sau đó, mỗi ô được gán một số nhị phân tùy theo việc nó có chứa một phần của ký tự không: trống là 0, có là 1. Sau đó, các ô được nhóm ngẫu nhiên thành các cặp theo thứ tự, giống như các bộ tọa độ. (Về lý thuyết, các nhóm có thể bao gồm bất kỳ số lượng ô nào, do đó có tên n-tuple). Với một vài thao tác toán học nữa, máy tính có thể gán cho lưới của kí tự một điểm số duy nhất. Khi máy tính gặp phải một kí tự mới, nó chỉ đơn giản so sánh lưới kí tự đó với các kí tự khác trong cơ sở dữ liệu của nó cho đến khi tìm thấy kết quả khớp gần nhất.

Cái hay của phương pháp n-tuple là nó có thể nhận ra nhiều biến thể của cùng một ký tự: Hầu hết các chữ Q có xu hướng được ghi khá giống với các chữ Q khác. Xa hơn nữa, kĩ thuật này có thể làm việc với bất kỳ mẫu thử nào, không chỉ văn bản. Theo một bài tiểu luận được đồng tác giả bởi Robert S. Boyer, một nhà toán học và là người bạn lâu năm của Woody, phương pháp n-tuple đã giúp định nghĩa lĩnh vực nhận dạng mẫu. Đó là một trong những nỗ lực ban đầu để trả lời câu hỏi, “Làm sao chúng ta có thể tạo ra một cỗ máy làm được những việc như con người làm?”

Trong khoảng thời gian khi nghĩ ra phương pháp n-tuple, Woody đã có giấc mơ đầu tiên về việc chế tạo cỗ máy mà anh ấy gọi là một “người máy tính” (computer person). Một vài năm sau, ông sẽ nhớ lại “sự phấn khích hoang dã” mà mình cảm thấy khi lập ra một danh sách kỹ năng cho ý thức nhân tạo: "Tôi muốn nó đọc các ký tự in trên một trang giấy cũng như kịch bản viết tay. Tôi có thể nhìn thấy nó, hoặc một phần của nó, trong một chiếc máy ảnh nhỏ như đôi kính của tôi, với một nút tai gắn vào thì thầm vào tai tôi tên của những người bạn và người quen của tôi khi tôi gặp họ trên đường phố. Để bạn thấy, người bạn máy tính của tôi có khả năng nhận diện khuôn mặt".

Công ty riêng và những khoản tài trợ “bí ẩn”

Năm 1960, Woody tình cờ gặp Browning và cùng với một đồng nghiệp thứ ba tại Sandia cùng nhau thành lập công ty của riêng họ. Panoramic Research Incorporated ban đầu được đặt tại một văn phòng nhỏ ở Palo Alto, California, nơi vẫn chưa được gọi là Thung lũng Silicon. Vào thời điểm đó, hầu hết các máy tính trên thế giới, các cỗ máy khổng lồ, lưu trữ dữ liệu trên những cái thẻ đục lỗ hoặc băng từ, thường chỉ có trong văn phòng của các công ty lớn và các phòng thí nghiệm của chính phủ. Panoramic khó có thể mua một cái của riêng mình, vì vậy họ đã thuê thời gian để sử dụng các loại máy này từ các công ty láng giềng, thường là vào buổi tối muộn, khi giá rẻ hơn.

Công việc của Panoramic, như Woody sau này mô tả với đồng nghiệp, “là cố gắng thử những ý tưởng mà chúng tôi hy vọng sẽ "thúc đẩy thế giới". Theo Nels Winkless, một nhà văn và nhà tư vấn cộng tác trong một số dự án của Panoramic và sau đó trở thành biên tập viên sáng lập của Tạp chí Personal Computing, “những gì họ đang làm đúng nghĩa là làm những gì người khác thấy quá ngớ ngẩn”.

Tư tưởng lớn thì thường gặp nhau, công ty đã thu hút rất nhiều các nhà nghiên cứu khác người, nhiều người trong số họ, cũng như Woody, đã lớn lên trong nghèo khó trong cuộc Đại khủng hoảng và giờ đây đang muốn khám phá mọi thứ.

Browning, xuất thân từ một gia đình nông dân nghèo và đã trải qua hai năm tuổi trẻ để ăn gần như không có gì ngoài bắp cải. Có thời điểm, ông đã làm việc với một nhà nghiên cứu khác, Larry Bellinger, để phát triển ý tưởng cho một chiếc xe tải chạy bằng răng nanh có tên là Dog-Mobile. Họ cũng chế tạo một thứ gọi là Hear-a-Lite, một thiết bị hình bút dành cho người mù giúp chuyển những mức độ ánh sáng khác nhau thành âm thanh.

Bellinger, người đã làm việc như một wing-walker khi còn là một thiếu niên, cũng đã giúp thiết kế Bell X-1, máy bay phản lực phá vỡ rào cản âm thanh nổi tiếng trong The Right Stuff của Tom Wolfe. Sau đó, ông đã tạo ra Mowbot, một robot cắt cỏ tự hành để cắt cỏ theo cách hoàn toàn ngẫu nhiên và không có người giám sát.

Sau đó, có Helen Chan Wolf, người tiên phong trong lĩnh vực lập trình robot, tham gia vào Panoramic một vài năm sau khi học đại học. Cô sẽ tiếp tục giúp đỡ chương trình Shakey the Robot, được mô tả bởi Viện Kỹ sư Điện và Điện tử với tư cách là robot đầu tiên trên thế giới được áp dụng trí tuệ nhân tạo.

Như mọi start up khác, Panoramic cố gắng để tìm những nguồn tài trợ thương mại đầy đủ. Woody đã làm hết sức mình để đưa công nghệ nhận dạng kí tự của mình đến các khách hàng doanh nghiệp, bao gồm Hiệp hội Equitable Life Assurance Society và tạp chí McCall, nhưng không bao giờ đạt được đến bước ký hợp đồng. Đến năm 1963, Woody đã nghĩ rằng chắc công ty của mình sẽ tiêu tùng rồi.

Nhưng trong suốt quá trình tồn tại, Panoramic có ít nhất một người bảo trợ có vẻ đáng tin cậy đã giúp giữ cho nó tồn tại: Cơ quan Tình báo Trung ương CIA. Nếu bất kỳ đề cập trực tiếp nào về CIA từng tồn tại trong các bài báo của Woody, thì có khả năng chúng đã rơi vào đống tro tàn trên đường lái xe của anh ta, nhưng những mảnh bằng chứng còn sót lại trong kho lưu trữ của Woody, cho thấy rõ ràng rằng, trong nhiều năm, Panoramic đã làm việc với các công ty “bình phong” của CIA. Winkless, người có mối quan hệ thân thiết với toàn bộ nhân viên Panoramic và là một người bạn thân của Browning, nói rằng công ty có khả năng được thành lập, ít nhất là một phần, với sự tài trợ của CIA. “Không ai từng nói với tôi bằng nhiều từ như vậy”, anh ấy nhớ lại, “nhưng điều đó đã xảy ra”

Theo hồ sơ thu được từ Black Vault, một trang web chuyên về các yêu cầu của Đạo luật tự do thông tin bí mật, Panoramic là một trong số 80 tổ chức làm việc trong dự án MK-Ultra, chương trình “kiểm soát tâm trí” khét tiếng của CIA, nổi tiếng với sự tra tấn tâm lý gây ra cho các đối tượng là con người. Thông qua một tổ chức “bình phong” được gọi là Quỹ nghiên cứu khoa học y tế, Panoramic dường như đã được giao cho các tiểu dự án 93 và 94, nghiên cứu về các độc tố vi khuẩn và nấm và “kiểm soát các hoạt động định hướng từ xa của các loài động vật được chọn”. Các nghiên cứu từ David H. Price, một nhà nhân chủng học tại Đại học Saint Martin, cho thấy Woody và các đồng nghiệp của ông ta cũng nhận được tiền từ Hiệp hội Điều tra Sinh thái Con người, một “bình phong” khác của CIA cung cấp tài trợ cho các nhà khoa học có thể cải thiện kỹ thuật thẩm vấn của CIA hoặc hoạt động một cách ngụy trang cho công việc đó. (CIA sẽ không xác nhận cũng như phủ nhận bất kỳ sự hiểu biết, hoặc liên quan đến Woody hoặc Panoramic.)

Nhưng vẫn còn công ty “bình phong” khác, được gọi là Nhóm nghiên cứu King-Hurley, đã tài trợ cho các nghiên cứu đáng chú ý nhất của Woody tại Panoramic. Theo một loạt các vụ kiện được đệ trình vào những năm 1970, King-Hurley là một công ty vỏ bọc mà CIA đã sử dụng để mua máy bay và trực thăng cho cơ quan Không quân bí mật, được gọi là Air America. Có thời điểm, King-Hurley cũng tài trợ cho nghiên cứu tâm sinh lý tại Stanford. Nhưng vào đầu năm 1963, Woody bắt đầu một loạt các nghiên cứu khác nhau, ông đã đề xuất tiến hành một nghiên cứu để xác định tính khả thi của một máy nhận dạng khuôn mặt đơn giản hóa. Xây dựng trên công trình của ông và Browning với phương pháp n-tuple, ông định dạy một máy tính nhận ra 10 khuôn mặt. Nghĩa là ông muốn cung cấp cho máy tính một cơ sở dữ liệu gồm 10 bức ảnh của những người khác nhau và xem liệu nó có thể nhận ra những bức ảnh mới của mỗi người trong số họ không. “Một người sẽ mở ra hy vọng việc mở rộng số lượng người lên hàng nghìn người”. Trong vòng một tháng, King-Hurley đã cho Wood làm bất cứ thứ gì ông muốn.

Mười khuôn mặt bây giờ có vẻ như là một con số đẹp nhưng vô nghĩa, thì vào năm 1963, nó thật sự tham vọng. Bước nhảy vọt từ nhận dạng kí tự viết tay đến nhận diện khuôn mặt là một bước ngoặt khổng lồ. Lúc khởi đầu, không có phương pháp tiêu chuẩn nào để số hóa ảnh và không có cơ sở dữ liệu hình ảnh kỹ thuật số nào hiện có để dựa vào. Ngày nay, các nhà nghiên cứu có thể đào tạo các thuật toán của họ trên hàng triệu ảnh tự chụp có sẵn miễn phí, nhưng Panoramic sẽ phải xây dựng cơ sở dữ liệu của mình từ đầu, từ tấm này qua tấm khác.

Và có một vấn đề lớn hơn: khuôn mặt ba chiều trên một con người sống, không giống như các chữ cái hai chiều trên một trang giấy, nó không tĩnh. Hình ảnh của cùng một người có thể khác nhau về góc quay đầu, cường độ ánh sáng và góc khác, tuổi và kiểu tóc thay đổi. Ai đó trông vô tư trong một bức ảnh có thể sẽ trông lo lắng trong bức ảnh tiếp theo. Giống như tìm mẫu số chung trong một tập hợp phân số cực kỳ phức tạp, nhóm nghiên cứu sẽ phải bằng cách nào đó sửa đổi tất cả các biến thiên này và bình thường hóa các hình ảnh mà họ đang so sánh. Và hầu như không có gì chắc chắn rằng các máy tính hoạt động đúng theo ý của họ theo từng nhiệm vụ. Một trong những máy tính chính của họ là CDC 1604 với 192 KB RAM, lượng Ram ít hơn khoảng 21,000 lần so với điện thoại thông minh cơ bản ngày nay.

Nhận thức đầy đủ về những thách thức này ngay từ đầu, Woody đã áp dụng phương pháp phân chia và chinh phục (divide-and-conquer), chia nghiên cứu thành nhiều phần và giao chúng cho các nhà nghiên cứu Panoramic khác nhau. Một nhà nghiên cứu trẻ sẽ nghiên cứu về vấn đề số hóa: anh ta chụp những bức ảnh đen trắng của chủ thể người trên bộ phim 16 mm. Sau đó, anh ta sử dụng một thiết bị quét, được phát triển bởi Browning, để chuyển đổi mỗi bức ảnh thành hàng chục nghìn điểm dữ liệu, mỗi điểm đại diện cho một giá trị cường độ ánh sáng khác nhau, từ 0 (hoàn toàn tối) đến 3 (hoàn toàn sáng) tương ứng với một vị trí cụ thể trong bức hình. Tuy nhiên, đó là quá nhiều điểm dữ liệu để máy tính có thể xử lý tất cả một lần, vì vậy, nhà nghiên cứu trẻ này đã viết một chương trình có tên là NUBLOB, trong đó cắt hình ảnh thành các mẫu có kích thước ngẫu nhiên và tính ra một điểm số giống như n-tuple cho mỗi cái.

Trong khi đó, Woody, Helen Chan Wolf và một sinh viên bắt đầu nghiên cứu cách tính toán độ nghiêng đầu. Đầu tiên, họ vẽ một loạt các chữ thập nhỏ được đánh số trên da bên trái của khuôn mặt chủ đề, từ đỉnh trán xuống đến cằm. Sau đó, họ chụp hai bức chân dung, một trong đó đối tượng hướng về phía trước và một bức khác trong đó anh ta quay 45 độ. Bằng cách phân tích nơi tất cả các chữ thập nhỏ bé chiếu xuống trong hai hình ảnh này, sau đó họ có thể ngoại suy khuôn mặt sẽ như thế nào khi xoay 15 hoặc 30 độ. Cuối cùng, họ có thể đưa hình ảnh đen trắng của khuôn mặt được đánh dấu vào máy tính, và sẽ xuất hiện một bức chân dung được xoay tự động rất rùng rợn, nhọn hoắt và chính xác đáng kinh ngạc.

Những giải pháp này là khéo léo nhưng không đủ. Mười ba tháng sau khi công việc bắt đầu, nhóm Panoramic vẫn chưa dạy được máy tính nhận ra một khuôn mặt người đơn giản. Mối đe dọa tay ba bao gồm sự phát triển của tóc, biểu cảm trên khuôn mặt và sự lão hóa đã mang đến “một sự biến đổi to lớn”, Woody đã viết trong một báo cáo tiến độ tháng 3 năm 1964 cho King-Hurley. Theo ông, nhiệm vụ này “đã vượt ra khỏi công nghệ của công nghệ máy tính và nhận dạng mẫu hiện tại vào thời điểm này”. Tuy nhiên, ông khuyến nghị rằng cần có nhiều nghiên cứu hơn để thử một cách tiếp cận hoàn toàn mới đối với nhận diện khuôn mặt.

Những năm sau, Woody đã tin rằng con đường hứa hẹn nhất để nhận dạng khuôn mặt tự động là theo cách làm giảm khuôn mặt thành một tập hợp các mối quan hệ giữa các điểm nhận diện cơ bản của nó: mắt, tai, mũi, lông mày, môi. Hệ thống mà ông tưởng tượng ra tương tự như hệ thống mà Alphonse Bertillon, nhà tội phạm học người Pháp, người phát minh ra những bức ảnh mug shot hiện đại, đã đi tiên phong vào năm 1879. Bertillon đã mô tả con người trên cơ sở 11 phép đo vật lý, bao gồm chiều dài của bàn chân trái và chiều dài từ khuỷu tay đến cuối ngón giữa. Ý tưởng là, nếu bạn lấy đủ số đo, mỗi người là duy nhất. Mặc dù hệ thống này cần rất nhiều lao động, nhưng nó đã hoạt động. Năm 1897, nhiều năm trước khi dấu vân tay trở nên phổ biến, các hiến binh Pháp đã sử dụng nó để xác định kẻ giết người hàng loạt Joseph Vacher.

Trong suốt năm 1965, Panoramic đã cố gắng tạo ra một hệ thống Bertillon hoàn toàn tự động cho khuôn mặt. Nhóm nghiên cứu đã cố gắng đưa ra một chương trình có thể xác định vị trí mũi, môi và những thứ tương tự bằng cách phân tích các mô hình ánh sáng và bóng tối trong một bức ảnh, nhưng nỗ lực chủ yếu là thất bại.

Vì vậy, Woody và Wolf bắt đầu khám phá cái mà họ gọi là một cách tiếp cận “con người-máy móc” để nhận dạng khuôn mặt, một phương pháp kết hợp một chút trợ giúp của con người vào phương trình. (Một lịch sử được giải mật gần đây của Văn phòng Nghiên cứu và Phát triển của CIA đã đề cập đến một dự án như vậy vào năm 1965. Cùng năm đó, Woody đã gửi một lá thư về nhận dạng khuôn mặt cho John W. Kuipers, trưởng phòng phân tích của cơ quan này). Gregory, con trai của Wood và một người bạn của anh ta đã xem qua một đống ảnh chụp, 122 tấm tất cả, đại diện cho khoảng 50 người, và thực hiện 22 phép đo cho mỗi khuôn mặt, bao gồm chiều dài của tai từ trên xuống dưới và chiều rộng của miệng từ góc này tới góc khác. Sau đó, Wolf đã viết một chương trình để xử lý các con số.

Vào cuối thử nghiệm, máy tính có thể khớp mọi bộ số đo với bức ảnh chính xác. Kết quả rất khiêm tốn nhưng không thể phủ nhận: Wolf và Woody đã chứng minh rằng hệ thống Bertillon hoàn toàn khả thi về mặt lý thuyết.

Bước đi tiếp theo của họ, gần cuối năm 1965, là tạo ra một phiên bản quy mô lớn hơn với thí nghiệm tương tự, lần này sử dụng một công nghệ mới được phát minh để làm cho “con người” trong hệ thống “con người-máy móc” của họ hiệu quả hơn nữa. Với tiền của King-Hurley, họ đã sử dụng một thứ gọi là máy tính bảng RAND, một thiết bị trị giá 18,000 USD trông giống như một máy quét hình ảnh phẳng nhưng hoạt động giống như một chiếc iPad. Sử dụng bút stylus, một nhà nghiên cứu có thể vẽ trên máy tính bảng và tạo ra một hình ảnh có thể đọc được trên máy tính có độ phân giải tương đối cao.



Woody và các đồng nghiệp của mình đã yêu cầu một số sinh viên đại học xem qua một loạt những bức ảnh mới, đặt từng bức ảnh lên máy tính bảng RAND và xác định các đặc điểm chính bằng bút stylus. Quá trình này, mặc dù vẫn còn khó khăn, nhưng nhanh hơn nhiều so với trước đây. Tất cả đã nói, các sinh viên xoay sở để nhập dữ liệu cho khoảng 2,000 hình ảnh, bao gồm ít nhất hai đặc điểm cho mỗi khuôn mặt, với tỉ lệ khoảng 40 điểm/giờ.

Kể cả với kích thước mẫu lớn hơn này, nhóm Woody vẫn cố gắng vượt qua tất cả các trở ngại thông thường. Ví dụ, máy tính vẫn gặp sự cố với nụ cười, điều đó “làm biến dạng khuôn mặt và thay đổi mạnh mẽ các phép đo giữa các khuôn mặt”. Lão hóa vẫn là một vấn đề, như chính khuôn mặt của Woody đã chứng minh. Khi được yêu cầu ghép một bức ảnh của Woody từ năm 1945 với một bức ảnh từ năm 1965, máy tính đã bị bối rối. Nó thấy một chút tương đồng giữa người đàn ông trẻ tuổi, với nụ cười răng khểnh và người lớn tuổi hơn, với biểu cảm nhăn nhó và mái tóc mỏng. Như thể những thập kỷ trôi qua đã tạo ra một con người khác.

Và theo một khía cạnh nào đó, họ đã thành công. Tại thời điểm này, Woody đã mệt mỏi vì phải hối hả xử lý những hợp đồng mới cho Panoramic và nhận thấy mình “có vị trí lố bịch vì có quá nhiều việc hoặc không đủ việc”. Ông liên tục đưa ra những ý tưởng mới cho các nhà tài trợ của mình, một số bước vào những lãnh thổ bây giờ được coi là đáng ngờ về mặt đạo đức. Vào tháng 3 năm 1965, khoảng 50 năm trước khi Trung Quốc bắt đầu sử dụng phương pháp ghép khuôn mặt để xác định người Duy Ngô Nhĩ ở tỉnh Tân Cương, Woody đã đề xuất với Cơ quan Dự án Nghiên cứu Tiên tiến của Bộ Quốc phòng, sau đó gọi là Arpa, rằng họ nên hỗ trợ Panoramic để nghiên cứu tính khả thi của việc sử dụng các đặc điểm khuôn mặt để xác định chủng tộc của một người. “Có một số lượng lớn các phép đo nhân học đã được thực hiện trên mọi người trên khắp thế giới từ nhiều nguồn gốc chủng tộc và môi trường khác nhau”, ông viết. “Kho dữ liệu rộng lớn và có giá trị này, được thu thập trong nhiều năm với chi phí và nỗ lực đáng kể, đã không được khai thác hợp lý”. Vẫn không rõ liệu Arpa có đồng ý tài trợ cho dự án hay không.

Điều rõ ràng là Woody đã đầu tư hàng ngàn đô la tiền túi của mình vào Panoramic mà không có gì đảm bảo sẽ lấy lại được. Trong khi đó, những người bạn của anh ta tại Đại học Texas ở Austin đã hối thúc anh ta đến làm việc ở đó, hứa hẹn về một mức lương ổn định. Woody rời Panoramic vào tháng 1 năm 1966. Công ty dường như cũng khép lại không lâu sau đó.

Cỗ máy, họ kết luận, đã “thống trị” loài người

Với giấc mơ xây dựng “người máy tính” của mình vẫn còn lởn vởn trong đầu, Woody chuyển gia đình đến Austin để cống hiến cho việc nghiên cứu và giảng dạy lý luận tự động. Nhưng công việc của anh ấy về nhận diện khuôn mặt đã không còn nữa, đỉnh cao của nó chỉ xảy ra sau này.

Năm 1967, hơn một năm sau khi chuyển đến Austin, Woody đã thực hiện một nhiệm vụ cuối cùng liên quan đến việc nhận diện các mô hình trên khuôn mặt người. Mục đích của thí nghiệm là giúp các cơ quan thực thi pháp luật nhanh chóng sàng lọc thông qua cơ sở dữ liệu về ảnh chụp chân dung và ảnh mug shots, tìm kiếm sự trùng lặp.

Như trước đây, tài trợ cho dự án dường như vẫn đến từ chính phủ Hoa Kỳ. Một tài liệu năm 1967 được CIA giải mật vào năm 2005 đã đề cập đến một “hợp đồng bên ngoài” của Vương quốc Anh cho một hệ thống nhận diện khuôn mặt giúp giảm thời gian tìm kiếm xuống hàng trăm lần. Lần này, hồ sơ cho thấy, tiền đến thông qua một cá nhân đóng vai trò trung gian. Trong một email, người trung gian rõ ràng đã từ chối bình luận.

Cộng tác viên chính của Woody trong dự án là Peter Hart, một kỹ sư nghiên cứu trong Phòng thí nghiệm Vật lý Ứng dụng tại Viện Nghiên cứu Stanford. (Hiện được gọi là SRI International, viện tách ra từ Đại học Stanford vào năm 1970 vì sự phụ thuộc nặng nề vào tài trợ quân sự đã gây tranh cãi trong nội bộ nhà trường). Woody và Hart bắt đầu với một cơ sở dữ liệu gồm khoảng 800 bức ảnh, những bức ảnh chất lượng thấp về “400 Người da trắng nam trưởng thành”, khác nhau về tuổi tác và vòng xoay đầu. (Tôi không thấy hình ảnh của phụ nữ hay người da màu, hoặc bất kỳ tham chiếu nào đến họ, trong các nghiên cứu nhận dạng khuôn mặt của Woody). Sử dụng máy tính bảng RAND, họ ghi lại 46 tọa độ trên mỗi bức ảnh, bao gồm năm trên mỗi tai, bảy trên mũi và bốn trên mỗi lông mày. Dựa trên kinh nghiệm trước đây của Woody, khi bình thường hóa các biến thể của hình ảnh, họ đã sử dụng một phương trình toán học để xoay mỗi đầu thành một vị trí hướng về phía trước. Sau đó, để tính đến sự khác biệt về tỷ lệ, họ phóng to hoặc thu nhỏ mỗi hình ảnh thành một kích thước tiêu chuẩn, với khoảng cách giữa các con ngươi cũng như là số liệu điểm neo của chúng.

Nhiệm vụ của máy tính là ghi nhớ một phiên bản của mỗi khuôn mặt và sử dụng nó để nhận dạng khuôn mặt kia. Woody và Hart đã cung cấp cho máy tính một trong hai phương pháp. Cái đầu tiên, được gọi là khớp nhóm, máy tính sẽ phân chia khuôn mặt thành các đặc điểm như lông mày trái, tai phải… và so sánh khoảng cách tương đối giữa chúng. Cách tiếp cận thứ hai dựa trên lý thuyết quyết định của Bayes, sử dụng 22 phép đo để đưa ra một phỏng đoán được huấn luyện về tổng thể.

Cuối cùng, hai chương trình đã xử lý các nhiệm vụ tốt như nhau. Quan trọng hơn, họ đã thổi bay các đối thủ con người ra khỏi nghiên cứu. Khi Woody và Hart yêu cầu ba người ghép các tập hợp con gồm 100 khuôn mặt, ngay cả người nhanh nhất cũng mất sáu giờ để hoàn thành. Máy tính CDC 3800 đã hoàn thành một nhiệm vụ tương tự trong khoảng ba phút, giảm thời gian gấp trăm lần. Con người đã giỏi hơn trong việc đối phó với vấn đề vòng xoay đầu và chất lượng ảnh kém, Woody và Hart thừa nhận, nhưng máy tính đã vượt trội hơn rất nhiều về khả năng chịu đựng sự khác biệt do lão hóa. Nhìn chung, họ kết luận, cỗ máy đã “thống trị” hoặc “gần như thống trị” con người.

Đây là thành công lớn nhất mà Woody từng có với nghiên cứu nhận diện khuôn mặt của mình. Đó cũng là trang giấy cuối cùng ông viết về chủ đề này. Nghiên cứu này chưa bao giờ được công khai vì “các lý do của chính phủ”, Hart nói. Vì vậy cả hai người đều chỉ biết thở dài. Năm 1970, hai năm sau khi sự cộng tác với Hart kết thúc, một nhà nghiên cứu robot tên là Michael Kassler đã cảnh báo Woody về một nghiên cứu nhận dạng khuôn mặt mà Leon Harmon tại Bell Labs đang lên kế hoạch. “Ngay bây giờ, tôi đã cảm thấy rằng nghiên cứu cấp độ hai này sẽ được công bố và dường như là hệ thống con người-máy móc tốt nhất hiện có”, Woody hồi đáp. “Tôi nghe có vẻ như Leon, nếu anh ấy làm việc chăm chỉ, sẽ chậm hơn chúng tôi khoảng 10 năm trước 1975”. Tuy nhiên ông ấy chắc chắn đã rất thất vọng khi nghiên cứu của Harmon được lên trang bìa của Scientific American vài năm sau đó, trong khi công nghệ của mình, tiến bộ hơn lại hoàn toàn không được ai biết đến.

Trong những thập kỷ tiếp theo, Woody đã giành được giải thưởng cho những đóng góp của mình cho lý luận tự động và phục vụ trong một năm với tư cách là chủ tịch của Hiệp hội vì Sự tiến bộ của trí tuệ nhân tạo. Nhưng những đóng góp của ông ấy trong công nghệ nhận dạng khuôn mặt sẽ hầu như không được nhận ra và bị lãng quên, trong khi những người khác đứng lên lớp vỏ bọc đó.

Năm 1973, một nhà khoa học máy tính người Nhật tên là Takeo Kanade đã có một bước tiến lớn trong công nghệ nhận dạng khuôn mặt. Sử dụng những thứ lúc đó là một loại hàng hóa rất hiếm, một cơ sở dữ liệu gồm 850 bức ảnh được số hóa, được chụp chủ yếu trong Hội chợ Thế giới 1970 ở Suita, Nhật Bản, đã phát triển một chương trình có thể trích xuất các đặc điểm trên khuôn mặt như mũi, miệng và mắt mà không cần dữ liệu đầu vào từ con người. Kanade cuối cùng đã quản lý giấc mơ của Woody về việc loại bỏ con người khỏi hệ thống con người-máy móc.

Woody đã dốc cạn chuyên môn của mình trong việc nhận diện khuôn mặt trong một hoặc hai lần trong nhiều năm. Năm 1982, ông được thuê làm nhân chứng chuyên gia trong một vụ án hình sự ở California. Một thành viên bị cáo buộc của giới mafia Mexico đã bị buộc tội thực hiện một loạt vụ cướp ở Hạt Contra Costa. Công tố viên đã có nhiều bằng chứng, bao gồm cảnh quay giám sát một người đàn ông có râu, kính râm, mũ mùa đông và mái tóc xoăn dài. Nhưng những bức ảnh chân dung của bị cáo cho thấy một người đàn ông cạo râu với mái tóc ngắn. Woody đã quay lại trung tâm Panoramic của mình để nhận diện khuôn mặt của tên cướp ngân hàng và so sánh nó với hình ảnh của bị cáo. Tương đồng với luật sư bào chữa, Woody nhận thấy rằng khuôn mặt có khả năng của hai người khác nhau vì mũi khác nhau về chiều rộng. “Nó không vừa”, ông nói. Mặc dù người đàn ông vẫn đi tù, anh ta được tha bổng trong bốn tội danh có liên quan đến lời khai của Woody.

Tuy đã mất, nhưng di sản của ông vẫn còn mãi

Chỉ trong 10 năm gần đây, nhận dạng khuôn mặt bắt đầu có khả năng đối phó với sự không hoàn hảo trong thế giới thực, Anil K. Jain, nhà khoa học máy tính tại Đại học bang Michigan và là đồng biên tập của cuốn Sổ tay nhận diện khuôn mặt cho biết. Gần như tất cả những trở ngại mà Woody gặp phải, trên thực tế, đã biến mất. Một điều nữa, giờ đây có một nguồn cung cấp vô tận các hình ảnh số hóa. “Bạn có thể thu thập dữ liệu trên mạng xã hội và có được nhiều khuôn mặt như bạn muốn”, Jain nói. Và nhờ những tiến bộ trong học máy, khả năng lưu trữ và sức mạnh xử lý, máy tính có khả năng tự học cực kỳ hiệu quả. Đưa ra một vài quy tắc thô sơ, máy tính có thể phân tích các hàng tá các ram dữ liệu, tìm ra cách khớp mẫu gần như mọi thứ, từ mặt người đến một túi chip, máy tính bảng RAND hoặc phép đo Bertillon hoàn toàn không cần thiết nữa.

Ngay cả khi nhận ra khuôn mặt đã đi được bao xa kể từ giữa những năm 1960, Woody đã chỉ ra nhiều vấn đề mà lĩnh vực này vẫn cần phải giải quyết. Chẳng hạn, quá trình bình thường hóa sự thay đổi của vị trí khuôn mặt vẫn là một phần của bức tranh. Để làm cho nhận dạng khuôn mặt chính xác hơn, Jain nói, các mạng sâu (Deep Network) ngày nay thường sắp xếp một khuôn mặt theo tư thế hướng về phía trước, sử dụng các mốc trên khuôn mặt để ngoại suy một vị trí mới. Và mặc dù ngày nay, các hệ thống dựa trên deep learning không cần một lập trình viên con người để xác định mũi và lông mày một cách rõ ràng, Woody đã tựa theo hướng đó vào năm 1965 và đã thiết lập ngành khoa học về lĩnh vực này cho nhiều thập kỷ. “40 năm đầu tiên bị chi phối bởi phương pháp dựa trên đặc điểm này”, Kanade nói, ông hiện là giáo sư tại Viện Robotics Carnegie Mellon. Bây giờ, theo một cách nào đó, lĩnh vực này đã quay trở lại một cái gì đó giống như những nỗ lực đầu tiên của Woody, trong việc giải thích khuôn mặt của con người, khi anh ta sử dụng một biến thể của phương pháp n-tuple để tìm ra các mẫu tương tự trong một điểm dữ liệu khổng lồ. Jain nói, phức tạp như cách các hệ thống nhận dạng khuôn mặt đã hình thành, chúng thực sự chỉ tạo ra điểm tương đồng cho một cặp hình ảnh và so sánh chúng với nhau.

Nhưng có lẽ quan trọng nhất, công việc của Woody đã tạo ra một điểm nhấn về đạo đức cho nghiên cứu về công nghệ nhận dạng khuôn mặt, thứ mà đã tồn tại lâu dài và có vấn đề. Không giống như các công nghệ thay đổi thế giới khác có khả năng tận thế chỉ trở nên rõ ràng chỉ sau nhiều năm còn hoang sơ như mạng xã hội, YouTube, drone. Sự lạm dụng tiềm năng của công nghệ nhận dạng khuôn mặt gần như đã khởi đầu từ Panoramic. Nhiều sự thiên vị mà chúng ta có thể viết ra là di tích của thời đại Woody, các bộ mẫu bị lệch gần như hoàn toàn đối với người da trắng, sự tin tưởng dường như vô nghĩa vào cơ quan chính phủ, sự cám dỗ để sử dụng nhận dạng khuôn mặt để phân biệt giữa các chủng tộc, tiếp tục thúc đẩy công nghệ này đến ngày nay.

Năm ngoái, một thử nghiệm của phần mềm Rekognition của Amazon đã xác định nhầm 28 người chơi NFL là tội phạm. Vài ngày sau, ACLU đã kiện Bộ Tư pháp Hoa Kỳ, FBI và DEA để có được thông tin về việc họ sử dụng công nghệ nhận dạng khuôn mặt do Amazon, Microsoft và các công ty khác sản xuất. Một báo cáo năm 2019 của Viện Tiêu chuẩn và Công nghệ Quốc gia, đã thử nghiệm đoạn mã từ hơn 50 nhà phát triển phần mềm nhận dạng khuôn mặt, phát hiện ra rằng những người đàn ông da trắng được kết hợp sai với những tấm hình chân dung ít thường xuyên hơn các nhóm khác. Năm 2018, một cặp học giả đã viết một bài tố cáo chống lại lĩnh vực này: “Chúng tôi tin rằng công nghệ nhận dạng khuôn mặt là cơ chế giám sát nguy hiểm đặc biệt nhất từng được phát minh”.

Vào mùa xuân năm 1993, sự thoái hóa thần kinh từ ALS bắt đầu khiến cho bài phát biểu của Woody ít dần đi. Theo một thông cáo được viết sau cái chết của ông ấy, ông đã tiếp tục giảng dạy tại UT cho đến khi những bài phát biểu của ông trở nên khó hiểu, và ông tiếp tục nghiên cứu về lý luận tự động cho đến khi không còn cầm bút được nữa. “Luôn là nhà khoa học”, tác giả viết, “Woody đã thu băng bài phát biểu của mình để ông có thể ghi lại tiến trình của căn bệnh”. Ông đã chết vào ngày 4 tháng 10 năm 1995. Cáo phó của ông ở Austin American-Statesman không đề cập đến công việc về công nghệ nhận dạng khuôn mặt. Trong bức ảnh chạy dọc theo nó, một Woody tóc trắng nhìn thẳng vào camera, một nụ cười lớn nở trên khuôn mặt anh ta.