靜岡大學的大木哲史副教授與學生佐藤佑哉等人組成的研究團隊發現，面朝攝影頭進行面部識別時，在黑暗條件下黑人的認證精度往往比白人更低。白人與黑人的認證精度差異在黑暗條件下最高可達2.1倍。面部識別系統被指存在容易認錯白人以外的人種偏見問題。這項成果將有助於開發公平且精度更高的認證系統。
2018年發現美國企業的面部識別系統對黑人的識別精度比白人低。終極因數包括人工智慧（AI）學習的面部識別資料中非白人資料比較少等。還有報告顯示，如果AI學習的不同人種的面部影像數量相同，認證精度的差異就會等比縮小。
然而，即使學習的不同人種的資料數量相同，精度也不會相同。研究團隊爲調查外部環境對精度的影響，改變了用於面部識別的影像的輝度、色彩飽和度、對比和解析度，比較了黑人和白人的認證精度。利用面向研究用途公開的面部識別系統以及各200名白人和黑人的共5000張影像進行了驗證。
使用未經處理的正常影像時，黑人的認證精度爲80.4％，比白人低7.6個百分點。將影像的輝度調暗後，則降到了66.4％。與白人的差異最大擴大至16.3個百分點。
大木副教授指出：「隨着輝度發生變化，黑人會丟失輪廓和肌膚凹凸等資訊」。警方在調查中利用面部識別時往往是在較暗的場所，這可能會成爲黑人容易發生誤識別的終極因數。
輝度稍微調高後，黑人的識別精度爲80.3％，與處理前基本沒有變化。與白人的差異擴大至8.1個百分點。而輝度大幅提高後，黑人的識別精度降至71.1％。白人則大幅降至59.0％。白人被認爲容易過度曝光。
改變色彩飽和度時也是白人的精度更容易降低。對比和解析度方面人種的影響形成的差異比較小。
面部識別用於在機場辦理登機手續時，可以調整成最適合拍攝面部的條件。但智慧型手機的解鎖等需要在周圍輝度大幅變化的情況下利用面部識別。
大木副教授指出：「面部識別廣泛應用於很多場所。光收集理想環境下的資料還不夠。」他表示：「需要收集包含各種環境因素的資料，建立高度可靠的面部識別系統。」
日文：大越優樹、《日經產業新聞》，2022/03/09
中文：JST客觀日本編輯部
