Abo
  • Services:

Maschinelles Lernen: Gesichtserkennung ist zuverlässig - bei weißen Männern

Bei weißen Männern funktioniert Gesichtserkennung mit 99 Prozent Genauigkeit, ganz anders ist es bei schwarzen Frauen. Das zeigt die Studie einer MIT-Informatikerin, die Geschlechterzuordnung untersucht hat. Betroffen sind etwa Systeme von Microsoft und IBM.

Artikel veröffentlicht am ,
Schwarze Frauen werden sehr ungenau erkannt, weiße Männer nicht.
Schwarze Frauen werden sehr ungenau erkannt, weiße Männer nicht. (Bild: Joy Buolamwini/MIT)

Algorithmen zur Gesichtserkennung funktionieren nicht bei allen Hauttönen und Geschlechtern gleich gut. Das ergibt eine Studie der Informatikerin Joy Buolamwini des Massachusetts Institute of Technology (MIT) laut einem Bericht der New York Times. Boulamwini hat Algorithmen untersucht, die Gesichter einem Geschlecht zuordnen, und zwar die Machine-Learning-Systeme von Microsoft, IBM und Face++. Letzteres wird in Produkten von Kunden wie Lenovo und Dell verwendet.

Stellenmarkt
  1. über duerenhoff GmbH, Raum Köln
  2. über duerenhoff GmbH, Raum Nürnberg

Demnach werden männliche weiße Personen von einigen viel genutzten Machine-Learning-Systemen am besten erkannt, die Fehlerquote wird umso höher, je dunkler die Hautfarbe und ist am höchsten bei schwarzen Frauen. Der Studie zufolge wurde das Geschlecht von etwa 99 Prozent der weißen Männer aus einer Stichprobe von 385 Fotos erkannt. Bei weißen Frauen sank die Quote bereits auf 93 Prozent, bei 296 ausgesuchten Bildern. Aus 318 Bildern wurden nur 88 Prozent der männlichen Personen mit dunklerer Hautfarbe auch als Männer erkannt. Bei 271 Bildern von dunkelhäutigen Frauen sind Gesichtserkennungsalgorithmen nur zu 75 Prozent akkurat.

Dabei erzielten die Algorithmen von Microsoft noch die besseren Ergebnisse gegenüber IBM und Face++: Sie erkannten 21 Prozent der dunkelhäutigen Frauen nicht, während die Fehlerquote bei den Konkurrenten um 35 Prozent lag. Bisher sei nur vermutet worden, dass Algorithmen bei verschiedenen Bevölkerungsgruppen unterschiedlich funktionierten, sagte Sorelle Friedler vom Haverford College der Zeitung. Die Studie weise den Zusammenhang erstmals empirisch nach.

Wenig Referenzmaterial bei dunkelhäutigen Frauen

Für die Ungenauigkeiten bei der Gesichtserkennung kommen verschiedene Gründe in Betracht. Zum einen sind Algorithmen nur so klug wie die ihnen zur Verfügung gestellten Daten - und spiegeln deren rassistische oder sexistische Tendenzen wider. So sind laut New York Times auf etwa 75 Prozent der Referenzbilder, die der Software zum Lernen bereitgestellt werden, Männer abgebildet. Davon sind wiederum 80 Prozent weiß. Die New York Times bezieht sich dabei auf eine weitere Forschungsstudie.

  • Weiße Frauen werden zu sieben Prozent nicht erkannt. (Bild: Joy Buolamwini/MIT)
  • Weiße Männer werden zu einem Prozent nicht erkannt. (Bild: Joy Buolamwini/MIT)
  • Weiße Frauen werden zu sieben Prozent nicht erkannt. (Bild: Joy Buolamwini/MIT)
  • Weiße Männer werden zu einem Prozent nicht erkannt. (Bild: Joy Buolamwini/MIT)
  • Weiße Frauen werden zu sieben Prozent nicht erkannt. (Bild: Joy Buolamwini/MIT)
  • Weiße Männer werden zu einem Prozent nicht erkannt. (Bild: Joy Buolamwini/MIT)
  • Dunkelhäutigere Frauen werden zu 35 Prozent nicht erkannt. (Bild: Joy Buolamwini/MIT)
  • Dunkelhäutigere Männer werden zu zwölf Prozent nicht erkannt. (Bild: Joy Buolamwini/MIT)
  • Dunkelhäutigere Frauen werden zu 35 Prozent nicht erkannt. (Bild: Joy Buolamwini/MIT)
  • Dunkelhäutigere Männer werden zu zwölf Prozent nicht erkannt. (Bild: Joy Buolamwini/MIT)
  • Dunkelhäutigere Frauen werden zu 35 Prozent nicht erkannt. (Bild: Joy Buolamwini/MIT)
  • Dunkelhäutigere Männer werden zu zwölf Prozent nicht erkannt. (Bild: Joy Buolamwini/MIT)
Weiße Frauen werden zu sieben Prozent nicht erkannt. (Bild: Joy Buolamwini/MIT)

Zum anderen könnten auch technische Aspekte einen Einfluss haben: So erleichtern Kontraste Algorithmen das Unterscheiden von Formen. Diese sind bei weißen Gesichtern höher. Außerdem könnte die Vielfalt der Frisuren bei Frauen die Zuordnung zu einem Geschlecht erschweren.

Buolamwini will das Bewusstsein in der Öffentlichkeit für die von ihr nachgewiesene Problematik wecken. Sie selbst habe als weibliche Afroamerikanerin während ihres Studiums erlebt, dass Algorithmen ihr Gesicht nicht erkannt hätten. Sie sagte der New York Times: "Okay, das ist ernst, Zeit, etwas zu tun". Das Ergebnis: die Algorithmic Justice League, ein Projekt, das sich dem Problem widmen soll.



Anzeige
Hardware-Angebote
  1. täglich neue Deals bei Alternate.de
  2. 59,90€
  3. und 50€-Steam-Guthaben erhalten
  4. ab 349€

FedoraUser 14. Feb 2018

+1

FlyingTHunder 13. Feb 2018

"Wenn man davon ausgeht, dass es nur männliche, weiße Menschen..." muss ja nicht gleich...

whgreiner 13. Feb 2018

Leute, ich hab endlich die ultimative Lösung für das Problem gefunden: Hautfarbe ist...

otraupe 13. Feb 2018

Ich wäre ja eher froh.

m8Flo 13. Feb 2018

Dumme Rassismus- und Sexismusvorwürfe, wo man hinschaut. ;)


Folgen Sie uns
       


Akustische Kamera Soundcam - Bericht

Lärm ist etwas für die Ohren? Nicht nur: Eine akustische Kamera macht Geräuschquellen sichtbar. Damit lassen sich beispielsweise fehlerhafte Teile in einer Maschine erkennen oder der laute Lüfter im Computer aufspüren. Wir haben es ausprobiert.

Akustische Kamera Soundcam - Bericht Video aufrufen
Kailh KS-Switch im Test: Die bessere Alternative zu Cherrys MX Blue
Kailh KS-Switch im Test
Die bessere Alternative zu Cherrys MX Blue

Der chinesische Hersteller Kailh fertigt seit fast 30 Jahren verschiedenste Arten von Schaltern, unter anderem auch Klone von Cherry-MX-Switches für Tastaturen. Der KS-Switch mit goldenem Stempel und markantem Klick ist dabei die bessere Alternative zu Cherrys eigenem MX Blue, wie unser Test zeigt.
Ein Test von Tobias Költzsch

  1. Apple-Patent Krümel sollen Macbook-Tastatur nicht mehr stören
  2. Tastaturen Matias bringt Alternative zum Apple Wired Keyboard
  3. Rubberdome-Tastaturen im Test Das Gummi ist nicht dein Feind

Wonder Workshop Cue im Test: Der Spielzeugroboter kommt ins Flegelalter
Wonder Workshop Cue im Test
Der Spielzeugroboter kommt ins Flegelalter

Bislang herrschte vor allem ein Niedlichkeitswettbewerb zwischen populären Spiel- und Lernrobotern für Kinder, jetzt durchbricht ein Roboter für jüngere Teenager das Schema nicht nur optisch: Cue fällt auch durch ein eher loseres Mundwerk auf.
Ein Test von Alexander Merz


    Steam Link App ausprobiert: Games in 4K auf das Smartphone streamen
    Steam Link App ausprobiert
    Games in 4K auf das Smartphone streamen

    Mit der Steam Link App lassen sich der Desktop und Spiele vom Computer auf Smartphones übertragen. Im Kurztest mit einem Windows-Desktop und einem Google Pixel 2 klappte das einwandfrei - sogar in 4K.
    Ein Bericht von Marc Sauter

    1. Valve Steam Spy steht nach Datenschutzänderungen vor dem Aus
    2. Insel Games Spielehersteller wegen Fake-Reviews von Steam ausgeschlossen
    3. Spieleportal Bitcoin ist Steam zu unbeständig und zu teuer

      •  /