আফ্রিকায় ফেসিয়াল রিকগনিশন ব্যর্থ ১০০ গুণ বেশি, বাংলাদেশেও কি একই ঝুঁকি?
একটি গবেষণা বলছে, ইউরোপে প্রায় নিখুঁত নির্ভুলতা দেখানো ফেসিয়াল রিকগনিশন সিস্টেম আফ্রিকান বাজারে ১০ থেকে ১০০ গুণ বেশি ব্যর্থ হয়। কারণ প্রশিক্ষণ ডেটায় বৈচিত্র্যের অভাব এবং অন্ধভাবে নকল করা AI নিয়ন্ত্রণ নীতি।
একটি গবেষণা বলছে, ইউরোপে প্রায় নিখুঁত নির্ভুলতা দেখানো ফেসিয়াল রিকগনিশন সিস্টেম আফ্রিকান বাজারে ১০ থেকে ১০০ গুণ বেশি ব্যর্থ হয়। কারণ প্রশিক্ষণ ডেটায় বৈচিত্র্যের অভাব এবং অন্ধভাবে নকল করা AI নিয়ন্ত্রণ নীতি।
আপনার মুখ শনাক্ত করতে ব্যবহৃত অ্যালগরিদম কি সত্যিই নিরপেক্ষ? dev.to ML প্ল্যাটফর্মে প্রকাশিত সাম্প্রতিক এক বিশ্লেষণে উঠে এসেছে যে, বর্তমান ফেসিয়াল রিকগনিশন সিস্টেমগুলোতে গভীর পক্ষপাত (bias) বিদ্যমান। ইউরোপীয় বাজারে যেখানে একটি সিস্টেমের ব্যর্থতার হার ১ মিলিয়নে ১, সেখানে আফ্রিকার বাজারে সেই একই সিস্টেম ১০ থেকে ১০০ গুণ বেশি বার ভুল করে।
এই গবেষণাটি বিশেষভাবে গুরুত্বপূর্ণ কারণ বিশ্বজুড়ে আইডি ভেরিফিকেশন, ব্যাংকিং, এবং নিরাপত্তা ব্যবস্থায় ফেসিয়াল রিকগনিশনের ব্যবহার দ্রুত বাড়ছে। একটি পক্ষপাতদুষ্ট সিস্টেম শুধু ব্যবহারকারীর অভিজ্ঞতা নষ্ট করে না, বরং নির্দিষ্ট জনগোষ্ঠীর জন্য গুরুত্বপূর্ণ সেবা থেকে বঞ্চনার কারণ হতে পারে। গবেষকরা এই সমস্যার মূল কারণ হিসেবে দুটি বিষয় চিহ্নিত করেছেন।
প্রথম কারণটি হলো প্রশিক্ষণ ডেটার অভাব। বেশিরভাগ ফেসিয়াল রিকগনিশন মডেল ইউরোপীয় এবং উত্তর আমেরিকার মুখের ছবি দিয়ে প্রশিক্ষিত। ফলে আফ্রিকান, এশিয়ান বা লাতিন আমেরিকানদের ত্বকের রং, মুখের গঠন এবং বৈশিষ্ট্যের বৈচিত্র্য মডেলটি সঠিকভাবে শিখতে পারে না। দ্বিতীয় কারণটি হলো নিয়ন্ত্রণ নীতির সমস্যা। গবেষণাটি একে কপি-পেস্ট AI রেগুলেশন বলেছে। অর্থাৎ, এক দেশের তৈরি নিয়ম অন্য দেশে অন্ধভাবে প্রয়োগ করা হয়, যা স্থানীয় জনগোষ্ঠীর বাস্তবতা প্রতিফলিত করে না।
বাংলাদেশের জন্য এই গবেষণার ফলাফল অত্যন্ত প্রাসঙ্গিক। দেশে ই-কমার্স, মোবাইল ব্যাংকিং এবং সরকারি সেবায় ফেসিয়াল রিকগনিশন ব্যবহার শুরু হয়েছে। যদি আন্তর্জাতিক কোম্পানিগুলোর তৈরি করা পক্ষপাতদুষ্ট অ্যালগরিদম বাংলাদেশে ব্যবহার করা হয়, তাহলে দক্ষিণ এশীয় চেহারার বৈশিষ্ট্যের কারণে স্থানীয় ব্যবহারকারীরাও একই রকম ব্যর্থতার শিকার হতে পারেন। ডেভেলপার এবং নীতিনির্ধারকদের এখনই সতর্ক হওয়া উচিত।
গবেষণাটি আরও জানিয়েছে, এই সমস্যা সমাধানের জন্য প্রশিক্ষণ ডেটায় বৈচিত্র্য আনা জরুরি। কৃত্রিম বুদ্ধিমত্তা মডেল তৈরি করতে হবে স্থানীয় জনগোষ্ঠীর মুখের ছবি দিয়ে। পাশাপাশি নিয়ন্ত্রক সংস্থাগুলোর উচিত নিজেদের দেশের প্রেক্ষাপটে নীতি নির্ধারণ করা, অন্য দেশের নীতি হুবহু কপি না করা।
ভবিষ্যতে ফেসিয়াল রিকগনিশন প্রযুক্তিকে সত্যিই বিশ্বব্যাপী কার্যকর করতে হলে এই পক্ষপাত দূর করতেই হবে। নইলে প্রযুক্তিটি শুধু একটি নির্দিষ্ট গোষ্ঠীর জন্যই নির্ভরযোগ্য থাকবে, অন্যদের জন্য ঝুঁকি তৈরি করবে।
আরও পড়ুন
এই সংবাদটি আন্তর্জাতিক সূত্রের তথ্য অবলম্বনে AI-সহায়তায় বাংলায় উপস্থাপন ও বাংলাদেশের প্রেক্ষাপটে সম্পাদিত। মূল তথ্যের জন্য নিচের সূত্র দেখুন।
মূল প্রতিবেদন: dev.to ML
সোর্স দেখুন ↗মন্তব্য০
লোড হচ্ছে...