AI只要看一眼筆跡就可以知道你的國籍

使用機(jī)器學(xué)習(xí)算法，研究人員可以判斷一個(gè)人的手寫英文文本，以確定作者是來自這五個(gè)不同國家——馬來西亞，伊朗，中國，印度和孟加拉國的哪一個(gè)。

研究人員創(chuàng)建了一個(gè)由這些國家100人組成的數(shù)據(jù)集，他們用英語寫作，共計(jì)500行。使用這些手寫數(shù)據(jù)，一個(gè)名為Cloud of Line DistribuTIon（COLD）的工具可以分解單個(gè)字母，測量文本的直線度或曲率。該算法在確定作者的國籍方面，執(zhí)行相同的任務(wù)的時(shí)候，表現(xiàn)優(yōu)于現(xiàn)有的方法，判斷有些國家的書寫人員的國籍的正確率甚至高一倍。

該算法正在進(jìn)行的是機(jī)器學(xué)習(xí)最優(yōu)方法——獲取模式。例如，當(dāng)中國本土作家使用羅馬字母時(shí)，他們會(huì)采用直線書寫字母，因?yàn)闈h字通常是用直線的筆畫組合而成的。另一方面（雙關(guān)語），來自印度和孟加拉國的作家有著曲線書寫的習(xí)慣，因?yàn)樗麄兊拇蠖鄶?shù)劇本都是草書，形狀更圓。

判斷筆跡是計(jì)算機(jī)視覺研究人員解決的首要任務(wù)之一。以前的研究試圖檢測情緒，對性別進(jìn)行分類，并確定作家的年齡，但除此之外，沒有做太多工作試圖從筆跡中提煉出更多信息，可能是因?yàn)闆]有人找到通過它獲利的方法。

來自印度、中國和馬來西亞的研究人員提出這種技術(shù)對犯罪調(diào)查很有用。警方越來越多地轉(zhuǎn)向生物識(shí)別技術(shù)，以此來解決犯罪問題，從手寫體中提取的識(shí)別信息可以補(bǔ)充人臉識(shí)別軟件等其他技術(shù)所識(shí)別到的信息。

但目前，針對這些技術(shù)，尚未解決此類技術(shù)或者類似技術(shù)的隱私和民權(quán)問題。例如，放大訓(xùn)練數(shù)據(jù)中現(xiàn)有偏見的錯(cuò)誤可能會(huì)將無辜的人牽連到刑事調(diào)查中。或者公司可以使用手寫識(shí)別軟件根據(jù)某人的國籍甚至智力等特征來區(qū)分潛在客戶。

實(shí)際上，在執(zhí)法部門在考慮是否使用這些技術(shù)之前，研究人員必須考慮拓展他們的數(shù)據(jù)集和用途，來證明COLD并不僅僅是一個(gè)有趣項(xiàng)目的小數(shù)據(jù)集。