AI ตรวจสอบอายุใบหน้า ความเสี่ยงและอคติในการคัดกรองผู้ลี้ภัยของรัฐบาลอังกฤษ
ในยุคที่การยืนยันตัวตนทางดิจิทัลกลายเป็นเรื่องปกติ ตั้งแต่การจำกัดการเข้าถึงโซเชียลมีเดียในออสเตรเลียไปจนถึงการควบคุมเว็บไซต์ผู้ใหญ่ในสหรัฐฯ เทคโนโลยีการตรวจสอบอายุเริ่มขยายขอบเขตจากโลกออนไลน์เข้าสู่โลกแห่งความเป็นจริง ซึ่งอาจส่งผลกระทบต่อชีวิตของผู้คนอย่างมหาศาล โดยเฉพาะเมื่อถูกนำมาใช้ในกระบวนการทางกฎหมายที่เข้มงวด
รัฐบาลสหราชอาณาจักรมีแผนที่จะนำระบบ Facial Age Estimation (FAE) หรือเทคโนโลยีการประมาณอายุจากใบหน้า ซึ่งใช้ AI สแกนลักษณะทางกายภาพเพื่อคาดการณ์อายุ มาใช้คัดกรองผู้ลี้ภัยที่เดินทางมาถึงชายแดนอังกฤษ เนื่องจากผู้ลี้ภัยจำนวนมากไม่มีเอกสารยืนยันตัวตน หาก AI ประเมินอายุเด็กผิดพลาดจนถูกจัดกลุ่มเป็นผู้ใหญ่ พวกเขาอาจสูญเสียการคุ้มครองทางกฎหมายสำหรับเยาวชน และถูกส่งตัวไปยังศูนย์กักกันสำหรับผู้ใหญ่แทน
ความผิดพลาดและอคติทางเชื้อชาติในระบบ AI
จากการสืบสวนของ WIRED, Lighthouse Reports และ The Independent พบรายงานภายในของกระทรวงมหาดไทยอังกฤษ (Home Office) ที่ระบุว่า ระบบ FAE มีปัญหาด้านความแม่นยำอย่างรุนแรง โดยเฉพาะกับกลุ่มคนจากภูมิภาคแอฟริกาใต้สะฮารา (Sub-Saharan Africans) ซึ่งเป็นกลุ่มผู้ลี้ภัยกลุ่มใหญ่ที่สุดที่เดินทางเข้าสู่อังกฤษผ่านช่องแคบอังกฤษ
ข้อมูลระบุว่าระบบมีความคลาดเคลื่อนสูง โดยเฉพาะในกลุ่มผู้หญิงชาวแอฟริกาใต้สะฮารา ซึ่งมีค่าเฉลี่ยความผิดพลาดถึง 4.6 ปี ตัวอย่างเช่น เด็กหญิงอายุ 13.5 ปี อาจถูก AI ประเมินว่าเป็นผู้ใหญ่อายุ 18 ปี ซึ่งความผิดพลาดนี้อาจเปลี่ยนสถานะทางกฎหมายของเด็กคนหนึ่งไปอย่างสิ้นเชิง
| หัวข้อ | รายละเอียดความเสี่ยง | ผลกระทบที่เกิดขึ้น |
|---|---|---|
| ความแม่นยำตามเชื้อชาติ | ประสิทธิภาพต่ำลงในกลุ่มชาวแอฟริกาใต้สะฮารา | การประเมินอายุสูงกว่าความเป็นจริง (Overestimation) |
| คุณภาพของภาพ | ภาพถ่ายหน้าด่านมีคุณภาพต่ำกว่าภาพถ่ายในห้องแล็บ | เพิ่มอัตราความผิดพลาดในการวิเคราะห์ใบหน้า |
| ปัจจัยทางร่างกาย | ความเครียดและบาดแผลทางจิตใจ (Trauma) | ทำให้ใบหน้าดูแก่กว่าวัย ส่งผลให้ AI ประเมินผิด |
| สถานะทางกฎหมาย | เด็กถูกระบุว่าเป็นผู้ใหญ่ | สูญเสียสิทธิการคุ้มครองเด็กและถูกกักตัวในคุกผู้ใหญ่ |
ข้อเท็จจริงสำคัญ
- ความเหลื่อมล้ำทางข้อมูล: ระบบ FAE ทำงานได้ดีในห้องทดลอง (คลาดเคลื่อนประมาณ 2.5 ปี) แต่ล้มเหลวเมื่อใช้กับภาพถ่ายคุณภาพต่ำในสถานการณ์จริง
- การปิดกั้นทางวิชาการ: รัฐบาลอังกฤษได้ยุบคณะกรรมการวิทยาศาสตร์ที่ให้คำปรึกษาเรื่องการประมาณอายุ ก่อนที่จะเริ่มนำ AI มาใช้
- งบประมาณและการจัดซื้อ: มีการใช้จ่ายกว่า 400,000 ดอลลาร์ ซื้อเทคโนโลยีจากบริษัท Cognitec ของเยอรมนี แม้จะทราบถึงปัญหาเรื่องอคติทางเชื้อชาติ
- ความเสี่ยงด้านมนุษยธรรม: กลุ่มสิทธิมนุษยชนอย่าง Foxglove และ Human Rights Watch มองว่าการใช้ AI กับผู้เปราะบางเป็นการลดทอนความเป็นมนุษย์
กลไกการทำงานของ FAE และข้อจำกัด
ระบบ Facial Age Estimation ทำงานโดยการวิเคราะห์จุดเด่นบนใบหน้าเทียบกับฐานข้อมูลภาพถ่ายนับล้านภาพที่ระบุอายุไว้ อย่างไรก็ตาม ประสิทธิภาพของมันขึ้นอยู่กับปัจจัยภายนอกอย่างมาก เช่น แสงสว่าง คุณภาพกล้อง และลักษณะทางประชากรศาสตร์ ซึ่งในกรณีของผู้ลี้ภัย ความเครียดจากการเดินทางและบาดแผลทางจิตใจอาจทำให้ลักษณะใบหน้าเปลี่ยนแปลงไป จน AI ประเมินอายุผิดพลาด
แม้ทาง Home Office จะอ้างว่า AI เป็นเพียงเครื่องมือเสริมและจะไม่มาแทนที่การตัดสินใจของเจ้าหน้าที่ แต่ในความเป็นจริง เจ้าหน้าที่ตรวจคนเข้าเมืองมักทำงานภายใต้ความกดดันและเวลาที่จำกัด ซึ่งอาจทำให้เกิดการพึ่งพาคำตอบจาก AI มากเกินไปจนละเลยการพิจารณาอย่างถี่ถ้วน
คำถามที่พบบ่อย
ระบบ FAE คืออะไรและทำงานอย่างไร?
คือเทคโนโลยีการประมาณอายุจากใบหน้า โดยใช้ปัญญาประดิษฐ์ (AI) วิเคราะห์โครงสร้างและลักษณะเด่นบนใบหน้า แล้วนำไปเปรียบเทียบกับชุดข้อมูลขนาดใหญ่เพื่อคาดการณ์ว่าบุคคลนั้นมีอายุเท่าใด
ทำไมเทคโนโลยีนี้ถึงถูกวิจารณ์ว่ามีอคติ?
เพราะผลการทดสอบพบว่า AI มีความแม่นยำไม่เท่ากันในแต่ละเชื้อชาติ โดยเฉพาะกับคนผิวสีหรือชาวแอฟริกาใต้สะฮาราที่มักถูกประเมินอายุให้สูงกว่าความเป็นจริงมากกว่ากลุ่มคนผิวขาว
หาก AI ประเมินอายุเด็กผิดพลาดจะเกิดอะไรขึ้น?
เด็กอาจถูกจัดประเภทเป็นผู้ใหญ่ ซึ่งส่งผลให้สูญเสียสิทธิการคุ้มครองตามกฎหมายสำหรับเยาวชน และอาจถูกส่งตัวไปยังศูนย์กักกันสำหรับผู้ใหญ่ ซึ่งไม่เหมาะสมกับวัยและสภาพจิตใจ
ปัจจัยใดบ้างที่ทำให้ AI ประเมินอายุผิดพลาดในสถานการณ์จริง?
ปัจจัยหลักคือคุณภาพของรูปถ่ายที่ต่ำ (แสงไม่พอหรือภาพเบลอ) รวมถึงสภาพร่างกายและจิตใจของผู้ลี้ภัยที่เผชิญความเครียดรุนแรง ซึ่งส่งผลให้ใบหน้าดูแก่กว่าอายุจริง
รัฐบาลอังกฤษมีแนวทางแก้ไขปัญหาความผิดพลาดนี้อย่างไร?
รัฐบาลระบุว่ากำลังให้ National Physical Laboratory ตรวจสอบระบบอย่างอิสระ และอาจมีการใช้ "เกณฑ์อายุขั้นต่ำ" (Threshold) เช่น การตั้งค่าให้ระบุเพียงว่าบุคคลนั้นอายุต่ำกว่า 20 ปีหรือไม่ เพื่อลดช่องว่างความคลาดเคลื่อน
