Resultatet var generelt forventet, selvom fejlprocenten er ret imponerende.
US National Institute of Standards and Technology har lanceret en række undersøgelser, der sigter mod at finde ud af, hvor godt ansigtsgenkendelsesalgoritmer fungerer under maske-tilstand. Spørgsmålet er ekstremt relevant i dag, og nogle producenter siger, at de allerede har udviklet systemer, der er i stand til at genkende maskerede ansigter. Men NIST startede i rækkefølge, og i den første undersøgelse testede 89 algoritmer oprettet, allerede før pandemien begyndte.
Testen anvendte mere end seks millioner fotografier og algoritmer måtte bestemme, hvordan et billede af en person svarer til en anden - den mest almindelige opgave i sådanne tilfælde, især brugt til at låse smartphones op. Fra en vanskeligere opgave - at finde et match til en i hele databasen - besluttede forskerne at nægte. Ni varianter af masker, der var forskellige i form og farve, blev digitalt overlejret på billederne.
Som et resultat blev selv de bedste af 89 algoritmer, som normalt genkendte ansigter med en nøjagtighed på 99,7%, forkert, når man brugte masker mindst 5% af tiden. For flertallet varierede imidlertid fejlprocenten fra 20% til 50%.
Hovedårsagen var den manglende information om ansigtets særpræg, som faktisk er nødvendige for algoritmer til genkendelse. Samtidig bemærkede NIST-specialister, at maskens form og farve påvirker fejlniveauet - jo større masken er, og jo højere den dækker næsen, desto vanskeligere er det for algoritmen at genkende billedet. Antallet af fejl var også højere ved brug af sorte masker, men som forfatterne af undersøgelsen selv indrømmer, havde de ikke tid nok til at studere "farve" -spørgsmålet mere grundigt.
I den næste undersøgelse har NIST-specialister til hensigt at teste nye algoritmer, der allerede inkluderer funktionen til at genkende maskerede ansigter.