อัลกอริทึมการจดจำใบหน้าชั้นนำมีความแม่นยำในการระบุตัวตนแบบ 1:N สูงถึง 99.9% ในการทดสอบมาตรฐานของรัฐบาล ขณะที่หน่วยงานรัฐบาลกลางของสหรัฐฯ ได้ทำการสืบค้นข้อมูลในระบบเอกชนไปแล้วกว่า 63,000 ครั้ง และ CBP ได้สแกนผู้เดินทางระหว่างประเทศกว่า 971 ล้านคน ทว่าท่ามกลางความก้าวหน้าอย่างรวดเร็วของระบบคอมพิวเตอร์วิทัศน์ ข้อกังวลด้านสิทธิพลเมืองยังคงมีอยู่อย่างต่อเนื่อง: ACLU พบการจับกุมผู้บริสุทธิ์ 14 รายอันเนื่องมาจากข้อผิดพลาดของระบบ เทศบาลกว่า 20 แห่งมีคำสั่งห้ามตรวจตรา และระบบเก่ามีอัตราข้อผิดพลาดสูงถึง 100 เท่าในกลุ่มคนผิวสีเข้ม ข้อมูลต่อไปนี้รวบรวมจากผลการทดสอบและการตรวจสอบเชิงลึกของ NIST, GAO, CSIS, ACLU และสมาคมอุตสาหกรรมความปลอดภัย (SIA)
TL;DR
- อัลกอริทึมการจดจำใบหน้า 1:N ชั้นนำมีความแม่นยำในการระบุตัวตน 99.9% (FNIR 0.1%) เมื่อทดสอบกับภาพถ่ายหน้าตรงคุณภาพสูง (NIST FRTE)
- การจับคู่ใบหน้าจากมุมมองด้านข้างหรือมุมเอียงมีประสิทธิภาพลดลงอย่างเห็นได้ชัด โดยมีอัตราความผิดพลาดสูงถึง 15.0% - 25.0% (NIST FRTE)
- ความแปรปรวนด้านประชากรศาสตร์ในกลุ่มอัลกอริทึมระดับสูงสุดของ NIST ลดลงจนเหลือไม่ถึง 0.2% (NIST)
- ระบบรุ่นเก่าและอัลกอริทึมเกรดต่ำมีอัตราการจับคู่ผิดพลาดในผู้หญิงผิวสีเข้มสูงกว่าผู้ชายผิวขาว 10 ถึง 100 เท่า (NIST / MIT)
- มีกรณีการจับกุมผู้บริสุทธิ์อย่างน้อย 14 รายในสหรัฐอเมริกาที่ได้รับการยืนยันว่าเกิดจากข้อมูลที่ผิดพลาดของระบบจดจำใบหน้า (ACLU)
- 18 จาก 24 หน่วยงานรัฐบาลกลางระดับกระทรวงของสหรัฐฯ ที่สำรวจ (75.0%) มีการใช้งานระบบจดจำใบหน้า (U.S. GAO)
- เจ้าหน้าที่รัฐบาลกลางทำการสืบค้นข้อมูลในระบบพาณิชย์ของเอกชนมากกว่า 63,000 ครั้งก่อนมีระเบียบการฝึกอบรมภาคบังคับ (U.S. GAO)
- ผู้ให้บริการเชิงพาณิชย์อย่าง Clearview AI มีฐานข้อมูลภาพใบหน้ามากกว่า 50.0 พันล้านภาพที่เก็บรวบรวมมาจากอินเทอร์เน็ต (Clearview AI / GAO)
- เมืองและเทศบาลมากกว่า 20 แห่งในสหรัฐฯ มีคำสั่งห้ามหรือจำกัดการใช้งานระบบจดจำใบหน้าโดยเจ้าหน้าที่รัฐอย่างเข้มงวด (ACLU)
- มากกว่า 8 รัฐในสหรัฐฯ ได้ประกาศใช้กฎหมายว่าด้วยความเป็นส่วนตัวของข้อมูลชีวมาตรหรือการควบคุมการตรวจตราอัตโนมัติ (CSIS)
- สำนักงานศุลกากรและป้องกันพรมแดนสหรัฐฯ (CBP) สแกนผู้โดยสารผ่านระบบชีวมาตรเข้า-ออกเมืองแล้วมากกว่า 971 ล้านคน (U.S. CBP)
- ระบบเปรียบเทียบใบหน้าของ CBP สามารถตรวจจับผู้แอบอ้างสวมสิทธิ์เพื่อเข้าเมืองอย่างผิดกฎหมายได้มากกว่า 2,316 คน (U.S. CBP)
- ตลาดฮาร์ดแวร์และซอฟต์แวร์การจดจำใบหน้าทั่วโลกมีมูลค่าแตะ $9.6 พันล้านในปี 2026 และคาดว่าจะเพิ่มขึ้นเป็น $28.5 พันล้านภายในปี 2034 (CSIS / Market Data)
- 75.0% ของชาวอเมริกันสนับสนุนการใช้การจดจำใบหน้าสำหรับการขึ้นเครื่องบินและการตรวจคัดกรองความปลอดภัยในสนามบิน (SIA)
1. เกณฑ์มาตรฐานความแม่นยำของอัลกอริทึมและอัตราข้อผิดพลาด (NIST FRTE)
ความแม่นยำเชิงคณิตศาสตร์ของระบบจดจำใบหน้าอัตโนมัติมีพัฒนาการก้าวกระโดดอย่างยิ่งในช่วงทศวรรษที่ผ่านมา การประเมินเทคโนโลยีการจดจำใบหน้า (FRTE) โดยสถาบันมาตรฐานและเทคโนโลยีแห่งชาติสหรัฐฯ (NIST) ยืนยันว่าระบบค้นหา 1:N ชั้นนำสามารถทำความแม่นยำได้ถึง 99.9% ภายใต้สภาพแวดล้อมที่มีการควบคุมอย่างเป็นมาตรฐาน
อย่างไรก็ตาม ความน่าเชื่อถือจะลดลงทันทีเมื่อเปลี่ยนจากภาพถ่ายสตูดิโอหน้าตรงไปสู่ฟุตเทจกล้องวงจรปิดตามท้องถนน ภาพมุมเอียง หรือคลังภาพถ่ายที่มีอายุเก่าแก่ การทดสอบของ NIST แสดงให้เห็นว่าการจับคู่ภาพมุมข้างมีอัตราข้อผิดพลาดสูง และรูปถ่ายที่มีอายุห่างกันเกิน 10 ปีจะเพิ่มอัตราการปฏิเสธผิดพลาดขึ้นเกือบ 3 เท่า
| ตัวชี้วัด | ค่าสถิติ | แหล่งที่มา |
|---|---|---|
| ความแม่นยำในการระบุตัวตน 1:N ของระบบชั้นนำจากภาพถ่ายหน้าตรงคุณภาพสูง | 99.9% (0.1% FNIR) | NIST FRTE 1:N Evaluation |
| อัตราการจับคู่ไม่ตรงเชิงลบ (FNMR) ของระบบยืนยันตัวตนชีวมาตร 1:1 ชั้นนำ | <0.05% | NIST FRTE 1:1 Verification |
| อัตราข้อผิดพลาดในการระบุตัวตนสำหรับภาพถ่ายด้านข้างและภาพมุมเอียง | 15.0% - 25.0% FNIR | NIST FRTE Multi-Pose Benchmark |
| อัตราผลลบลวงแบบ 1:N เมื่อค้นหากับฐานข้อมูลที่มีภาพมากกว่า 12 ล้านคน | 0.3% - 0.5% | NIST Large-Scale Identification Test |
| จำนวนอัลกอริทึมเชิงพาณิชย์และงานวิจัยที่อยู่ระหว่างการประเมินโดย NIST | 400+ algorithms | NIST FRTE Evaluation Service |
| ค่าสัมประสิทธิ์ความคลาดเคลื่อนในการปฏิเสธภาพถ่ายที่มีอายุเกิน 10 ปีขึ้นไป | 2.8x increase in FNMR | NIST Image Aging Study |
โครงสร้างการยืนยันตัวตนและมาตรฐานการจับคู่ชีวมาตรเชื่อมโยงกับบทความ สถิติอัตลักษณ์ดิจิทัล ของเรา แหล่งที่มา: NIST Face Recognition Technology Evaluation
2. ความเหลื่อมล้ำทางประชากรศาสตร์ อคติ และตัวคูณข้อผิดพลาด (NIST & ACLU)
ประสิทธิภาพการทำงานที่ไม่เท่าเทียมกันตามกลุ่มประชากรกลายเป็นประเด็นตรวจสอบด้านสิทธิมนุษยชนที่เข้มข้น ผลการทดสอบอย่างเป็นทางการของ NIST และคณะผู้วิจัยอิสระระบุว่า อัลกอริทึมระดับล่างสร้างข้อผิดพลาดในการจับคู่ภาพคนผิวสีเข้มและคนเอเชียบ่อยกว่าคนผิวขาวถึง 10 ถึง 100 เท่า
แม้ว่าผู้พัฒนาอันดับต้นๆ ในการทดสอบของ NIST จะสามารถลดความแตกต่างนี้ลงจนเหลือต่ำกว่า 0.2% แต่ระบบรุ่นเก่าที่ยังไม่มีการอัปเดตซึ่งถูกนำไปใช้งานจริงโดยตำรวจยังคงสร้างความเสียหายอย่างรุนแรง โดยสหภาพเสรีภาพพลเมืองอเมริกัน (ACLU) บันทึกคดีจับกุมผิดตัวที่ยืนยันแล้ว 14 คดีเนื่องจากตำรวจด่วนสรุปผลจาก AI ว่าเป็นหลักฐานที่แน่ชัดโดยไม่มีการตรวจสอบอย่างถี่ถ้วน
| ตัวชี้วัด | ค่าสถิติ | แหล่งที่มา |
|---|---|---|
| ตัวคูณการจับคู่ผิดพลาดในผู้หญิงผิวสีเข้มเทียบกับผู้ชายผิวขาวในระบบรุ่นเก่า | 10x to 100x higher | NIST Demographic Effects / MIT Media Lab |
| ความแปรปรวนของประสิทธิภาพระหว่างกลุ่มประชากรใน 10 อัลกอริทึมสูงสุดของ NIST | <0.2% variance | NIST FRTE Demographic Assessment |
| คดีการจับกุมผิดตัวในสหรัฐฯ ที่มีหลักฐานเชื่อมโยงกับความผิดพลาดของระบบจดจำใบหน้า | 14+ documented cases | ACLU Civil Rights Audit |
| สัดส่วนผู้เสียหายผิวสีจากคดีการจับกุมผิดตัวที่มีการบันทึกไว้ | >90.0% of cases | ACLU / Legal Filings |
| สัดส่วนของอัลกอริทึมที่ NIST ประเมินซึ่งแสดงความเหลื่อมล้ำทางประชากรอย่างมีนัยสำคัญ | ~35.0% of submissions | NIST FRTE Demographic Benchmark |
| จำนวนสมาชิกรัฐสภาสหรัฐฯ ที่ถูกระบุตัวตนผิดพลาดว่าเป็นผู้มีประวัติอาชญากรรมในการทดสอบของ ACLU | 28 lawmakers misidentified | ACLU Rekognition Audit |
การตรวจตราด้วยอัลกอริทึมและสิทธิข้อมูลของประชาชนมีความเกี่ยวข้องกับ สถิติความเป็นส่วนตัวทางดิจิทัล แหล่งที่มา: ACLU Biometric Surveillance Analysis
3. การนำไปใช้ในหน่วยงานรัฐบาลกลางและการปฏิบัติการของตำรวจ (U.S. GAO)
การนำเทคโนโลยีจดจำใบหน้าไปใช้โดยหน่วยงานบังคับใช้กฎหมายของรัฐบาลกลางสหรัฐฯ ได้ขยายวงกว้างอย่างรวดเร็วโดยขาดการกำกับดูแลจากสาธารณะ สำนักงานความรับผิดชอบของรัฐบาล (GAO) พบว่า 18 จาก 24 หน่วยงานรัฐบาลกลางระดับกระทรวงมีการนำระบบจดจำใบหน้ามาใช้ในการทำงานสืบสวนตามปกติ
ช่องโหว่ด้านการกำกับดูแลปรากฏให้เห็นชัดเจน: การตรวจสอบของ GAO พบว่าเจ้าหน้าที่ได้ทำการสืบค้นข้อมูลในระบบพาณิชย์ของเอกชนมากกว่า 63,000 ครั้งก่อนที่จะมีระเบียบการฝึกอบรมเจ้าหน้าที่ ขณะเดียวกัน บริษัท Clearview AI ได้สร้างฐานข้อมูลภาพใบหน้ามากกว่า 50.0 พันล้านภาพจากการดึงข้อมูลบนอินเทอร์เน็ต ซึ่งมอบศักยภาพในการสอดส่องมวลชนอย่างกว้างขวางแก่เจ้าหน้าที่
| ตัวชี้วัด | ค่าสถิติ | แหล่งที่มา |
|---|---|---|
| สัดส่วนของหน่วยงานรัฐบาลกลางสหรัฐฯ ที่สำรวจซึ่งมีการติดตั้งหรือใช้ระบบจดจำใบหน้า | 75.0% (18 of 24 agencies) | U.S. GAO (GAO-21-518) |
| จำนวนการสืบค้นของเจ้าหน้าที่รัฐในระบบพาณิชย์ของเอกชนระหว่างช่วงเวลาที่มีการตรวจสอบ | 63,000+ searches | U.S. GAO (GAO-23-105607) |
| หน่วยงานรัฐบาลกลางที่ใช้ระบบเอกชนโดยไม่มีการบันทึกประวัติการสืบค้นของเจ้าหน้าที่ | 14 of 15 agencies | U.S. GAO Investigative Audit |
| ขนาดฐานข้อมูลใบหน้าเชิงพาณิชย์ที่รวบรวมผ่านการดึงข้อมูลจากเว็บไซต์ (Clearview AI) | 50.0B+ images | Clearview AI Disclosures / GAO |
| หน่วยงานบังคับใช้กฎหมายของรัฐบาลกลางที่ดำเนินการโดยไม่มีระเบียบการฝึกอบรมภาคบังคับ | Majority prior to 2024 reform | U.S. GAO (GAO-24-106463) |
| หน่วยงานรัฐบาลกลางที่ระงับสัญญาว่าจ้างผู้ให้บริการจัดเก็บภาพใบหน้าหลังการตรวจสอบ | 3 agencies (DEA, ATF, USSS) | U.S. GAO Federal Survey |
การควบคุมการเข้าถึงข้อมูลและความปลอดภัยของเครือข่ายเชื่อมโยงกับบทความ สถิติความปลอดภัยทางไซเบอร์ ของเรา แหล่งที่มา: U.S. Government Accountability Office
4. ข้อห้ามระดับท้องถิ่น การระงับใช้ทางกฎหมาย และเสรีภาพพลเมือง (ACLU & CSIS)
กระแสต่อต้านของประชาชนต่อการติดตามทางชีวมาตรที่ไม่ถูกควบคุมได้นำไปสู่การออกกฎระเบียบที่เข้มงวดในระดับเมืองและระดับรัฐ เมืองและเขตเทศบาลมากกว่า 20 แห่งในสหรัฐฯ ได้ผ่านกฎหมายที่มีผลผูกพันเพื่อห้ามหน่วยงานรัฐและตำรวจใช้เครื่องมือตรวจตราด้วยการจดจำใบหน้า
ภูมิทัศน์ทางกฎหมายยังคงมีความแตกต่างกันอย่างมาก: แม้ข้อห้ามระดับท้องถิ่นจะคุ้มครองประชากรในเขตเมืองของสหรัฐฯ ได้ราว 8.5% แต่บางพื้นที่เริ่มผ่อนปรนข้อจำกัดตามแรงกดดันของภาคธุรกิจค้าปลีก ส่วนในระดับสากล กฎหมายปัญญาประดิษฐ์แห่งสหภาพยุโรป (EU AI Act) ได้สั่งห้ามการระบุตัวตนทางชีวมาตรจากระยะไกลแบบเรียลไทม์ในพื้นที่สาธารณะอย่างเด็ดขาด ยกเว้นกรณีฉุกเฉินระดับชาติ
| ตัวชี้วัด | ค่าสถิติ | แหล่งที่มา |
|---|---|---|
| จำนวนเมืองและเขตเทศบาลในสหรัฐฯ ที่มีคำสั่งห้ามหรือจำกัดการใช้ระบบจดจำใบหน้าอย่างเข้มงวด | 20+ cities | ACLU / CSIS Policy Tracker |
| จำนวนรัฐในสหรัฐฯ ที่มีกฎหมายคุ้มครองข้อมูลชีวมาตรโดยเฉพาะ (เช่น กฎหมาย BIPA ของรัฐอิลลินอยส์) | 8+ states | CSIS Technology Program |
| สัดส่วนประชากรสหรัฐฯ ที่ได้รับความคุ้มครองภายใต้คำสั่งห้ามของเทศบาลท้องถิ่น | ~8.5% of population | CSIS Surveillance Demographics |
| คดีฟ้องร้องแบบกลุ่มและคดีสิทธิพลเมืองที่มีการยื่นฟ้องบริษัทดึงข้อมูลภาพใบหน้าจากอินเทอร์เน็ต | 35+ major lawsuits | ACLU / Legal Dockets |
| สถานะทางกฎหมายของการตรวจตราชีวมาตรแบบเรียลไทม์ในที่สาธารณะภายใต้ EU AI Act | Prohibited (narrow exceptions) | European Parliament EU AI Act |
| สัดส่วนผู้ใหญ่ในสหรัฐฯ ที่คัดค้านการติดตามชีวมาตรของตำรวจตามสวนสาธารณะแบบเรียลไทม์ | 68.0% oppose | Pew Research / CSIS Analysis |
กรอบกฎหมายในการควบคุมระบบการตรวจตราอัตโนมัติสามารถศึกษาเพิ่มเติมได้ใน สถิติความเป็นส่วนตัวทางดิจิทัล แหล่งที่มา: Center for Strategic and International Studies
5. การควบคุมพรมแดน การบิน และระบบชีวมาตรในสนามบิน (CBP & TSA)
ศูนย์กลางการบินและด่านตรวจคนเข้าเมืองได้กลายเป็นสนามทดสอบหลักสำหรับการยืนยันตัวตนด้วยชีวมาตรความเร็วสูง สำนักงานศุลกากรและป้องกันพรมแดนสหรัฐฯ (CBP) ได้ดำเนินการตรวจสอบผู้โดยสารระหว่างประเทศไปแล้วกว่า 971 ล้านคนโดยใช้อัลกอริทึมเปรียบเทียบใบหน้า
การนำมาใช้จริงในสนามบินแสดงให้เห็นถึงประสิทธิภาพในการสกัดกั้นการทุจริตควบคู่ไปกับความสะดวกรวดเร็ว: ระบบของ CBP ช่วยจับกุมผู้แอบอ้างสวมสิทธิ์เพื่อเข้าเมืองผิดกฎหมายได้กว่า 2,316 คน ขณะที่ TSA ขยายการใช้งาน Touchless ID ไปยัง 15 สนามบินหลักทั่วประเทศ แม้การเข้าร่วมของผู้โดยสารเที่ยวบินในประเทศจะเป็นไปตามความสมัครใจและภาพจะถูกลบภายใน 24 ชั่วโมง แต่องค์กรสิทธิยังคงตั้งข้อสังเกตเรื่องการแจ้งเตือนที่ไม่ทั่วถึง
| ตัวชี้วัด | ค่าสถิติ | แหล่งที่มา |
|---|---|---|
| จำนวนผู้เดินทางระหว่างประเทศทั้งหมดที่ผ่านระบบชีวมาตรเข้าและออกเมืองของ CBP | 971M+ traveler scans | U.S. CBP Operations Report |
| จำนวนสนามบินนานาชาติในสหรัฐฯ ที่ติดตั้งประตูทางออกระบบชีวมาตรของ CBP | 66 airports | U.S. CBP Airport Deployments |
| จำนวนผู้แอบอ้างสวมสิทธิ์ที่ถูกสกัดกั้นจากการข้ามพรมแดนผิดกฎหมายผ่านการตรวจใบหน้าของ CBP | 2,316+ impostors detected | U.S. CBP Biometric Enforcement |
| จำนวนสนามบินภายในประเทศของสหรัฐฯ ที่เปิดใช้งานจุดตรวจจดจำใบหน้า TSA PreCheck Touchless ID | 15 airports | TSA Airport Innovation Office |
| ระยะเวลาบังคับในการลบภาพถ่ายของผู้โดยสารเที่ยวบินในประเทศที่จุดตรวจ TSA | Deleted within 24 hours | TSA Privacy Impact Assessment |
| การลดระยะเวลาในการขึ้นเครื่องบินของผู้โดยสารเมื่อใช้ประตูชีวมาตรอัตโนมัติเทียบกับการตรวจด้วยมือ | 50.0% reduction in boarding time | IATA / CBP Aviation Trials |
เครือข่ายกล้องวงจรปิดในเมืองและการรักษาความปลอดภัยด่านตรวจเชื่อมโยงกับ สถิติกล้องวงจรปิด ของเรา แหล่งที่มา: U.S. Customs and Border Protection
6. มูลค่าตลาดเชิงพาณิชย์และทัศนคติของสาธารณชน (SIA & CSIS)
ความต้องการของภาคธุรกิจในการควบคุมการเข้าออกอาคาร การป้องกันการโจรกรรมในร้านค้าปลีก และการรักษาความปลอดภัยขององค์กรยังคงผลักดันเม็ดเงินลงทุนอย่างต่อเนื่อง ข้อมูลวิเคราะห์ตลาดจาก CSIS และผู้เชี่ยวชาญในอุตสาหกรรมประเมินมูลค่าตลาดการจดจำใบหน้าทั่วโลกไว้ที่ $9.6 พันล้านในปี 2026
ทัศนคติของประชาชนมีมุมมองที่แตกต่างกันอย่างชัดเจนขึ้นอยู่กับกรณีการใช้งานและหน่วยงานที่กำกับดูแล การสำรวจระดับชาติโดยสมาคมอุตสาหกรรมความปลอดภัย (SIA) พบว่า 75.0% ของชาวอเมริกันสนับสนุนการใช้ชีวมาตรในการขึ้นเครื่องบิน และ 68.0% เชื่อว่าเทคโนโลยีนี้ช่วยสร้างความปลอดภัยในสังคมมากขึ้น แต่ระดับการยอมรับจะลดลงทันทีหากนำกล้องไปใช้ติดตามพฤติกรรมลูกค้าในร้านค้าหรือตรวจตราผู้คนตามท้องถนน
| ตัวชี้วัด | ค่าสถิติ | แหล่งที่มา |
|---|---|---|
| มูลค่าตลาดฮาร์ดแวร์ ซอฟต์แวร์ และบริการด้านการจดจำใบหน้าทั่วโลก | $9.6B in 2026 | CSIS / Industry Intelligence |
| การประเมินมูลค่าตลาดเทคโนโลยีการจดจำใบหน้าทั่วโลกภายในปี 2034 | $28.5B (14.2% CAGR) | Market Intelligence Benchmarks |
| ส่วนแบ่งรายได้จากระบบจดจำใบหน้าเชิงพาณิชย์ของภูมิภาคเอเชียแปซิฟิก | 38.0% revenue share | Industry Market Audits |
| สัดส่วนผู้ใหญ่ในสหรัฐฯ ที่สนับสนุนการใช้การจดจำใบหน้าในการขึ้นเครื่องบินและจุดตรวจ TSA | 75.0% approve | SIA / Schoen Cooperman Survey |
| สัดส่วนชาวอเมริกันที่เชื่อว่าเทคโนโลยีการจดจำใบหน้าช่วยให้สังคมมีความปลอดภัยมากขึ้น | 68.0% agree | SIA Public Opinion Research |
| สัดส่วนชาวอเมริกันที่ยินยอมให้จัดเก็บภาพใบหน้าของตนในฐานข้อมูลความปลอดภัยสาธารณะ | 57.0% comfortable | SIA National Survey Data |
การบริหารจัดการสิทธิ์การเข้าถึงองค์กรและการยืนยันตัวตนทางเครือข่ายเชื่อมโยงกับ สถิติอัตลักษณ์ดิจิทัล แหล่งที่มา: Security Industry Association
สรุปภาพรวม: การจดจำใบหน้าผ่านตัวเลขสถิติ
| ตัวชี้วัด | ค่าสถิติ | แหล่งที่มาหลัก |
|---|---|---|
| ความแม่นยำสูงสุดในการระบุตัวตน 1:N จากภาพถ่ายหน้าตรง | 99.9% (0.1% FNIR) | NIST FRTE |
| อัตราความผิดพลาดในการจับคู่ใบหน้าจากมุมมองด้านข้าง | 15.0% - 25.0% FNIR | NIST FRTE |
| ความคลาดเคลื่อนทางประชากรศาสตร์ในกลุ่มอัลกอริทึมชั้นนำของ NIST | <0.2% variance | NIST FRTE |
| ตัวคูณการจับคู่ผิดพลาดในผู้หญิงผิวสีเข้มในระบบรุ่นเก่า | 10x - 100x higher | NIST / MIT |
| คดีจับกุมผู้บริสุทธิ์ในสหรัฐฯ ที่เชื่อมโยงกับความผิดพลาดของระบบ | 14+ individuals | ACLU |
| สัดส่วนผู้เสียหายผิวสีจากคดีการจับกุมผิดตัว | >90.0% of cases | ACLU |
| สัดส่วนหน่วยงานรัฐบาลกลางสหรัฐฯ ที่ใช้ระบบจดจำใบหน้า | 75.0% (18 of 24) | U.S. GAO |
| จำนวนการสืบค้นของเจ้าหน้าที่รัฐในฐานข้อมูลพาณิชย์ของเอกชน | 63,000+ searches | U.S. GAO |
| ขนาดฐานข้อมูลภาพใบหน้าที่ดึงจากอินเทอร์เน็ต (Clearview AI) | 50.0B+ images | Clearview AI / GAO |
| จำนวนเมืองในสหรัฐฯ ที่มีคำสั่งห้ามหรือจำกัดการใช้ระบบจดจำใบหน้า | 20+ cities | ACLU / CSIS |
| จำนวนรัฐในสหรัฐฯ ที่มีกฎหมายคุ้มครองข้อมูลชีวมาตร | 8+ states | CSIS |
| สถานะการตรวจตราชีวมาตรแบบเรียลไทม์ในที่สาธารณะตาม EU AI Act | Prohibited (strict exceptions) | European Parliament |
| จำนวนผู้โดยสารระหว่างประเทศที่ผ่านระบบชีวมาตรของ CBP | 971M+ traveler scans | U.S. CBP |
| สนามบินพาณิชย์ในสหรัฐฯ ที่เปิดใช้ประตูทางออกชีวมาตรของ CBP | 66 airports | U.S. CBP |
| จำนวนผู้แอบอ้างสวมสิทธิ์ที่ตรวจพบที่พรมแดนสหรัฐฯ ด้วยระบบชีวมาตร | 2,316+ individuals | U.S. CBP |
| จำนวนสนามบินที่มีจุดตรวจ TSA PreCheck Touchless ID | 15 airports | TSA |
| ระยะเวลาลบภาพถ่ายผู้โดยสารเที่ยวบินในประเทศของ TSA | <24 hours | TSA |
| มูลค่าประเมินของตลาดการจดจำใบหน้าทั่วโลก (ปี 2026) | $9.6B | CSIS / Industry Data |
| การคาดการณ์มูลค่าตลาดการจดจำใบหน้าทั่วโลก (ปี 2034) | $28.5B | Market Data / CSIS |
| การสนับสนุนของสาธารณชนต่อการใช้ระบบจดจำใบหน้าในการขึ้นเครื่องบิน | 75.0% approve | SIA / Schoen Cooperman |
ระเบียบวิธีวิจัยและแหล่งที่มาของข้อมูล
สถิติในรายงานฉบับนี้รวบรวมจากการทดสอบในห้องปฏิบัติการอย่างเป็นทางการของสถาบันมาตรฐานและเทคโนโลยีแห่งชาติ (NIST), รายงานการตรวจสอบประสิทธิภาพของสำนักงานความรับผิดชอบของรัฐบาลสหรัฐฯ (GAO), การประเมินนโยบายสาธารณะโดยศูนย์ศึกษายุทธศาสตร์และระหว่างประเทศ (CSIS), คลังข้อมูลคดีความของสหภาพเสรีภาพพลเมืองอเมริกัน (ACLU), ข้อมูลการปฏิบัติการจริงของสำนักงานศุลกากรและป้องกันพรมแดน (CBP) และ TSA รวมถึงผลสำรวจความคิดเห็นของประชาชนระดับชาติที่จัดทำโดยสมาคมอุตสาหกรรมความปลอดภัย (SIA)
-
National Institute of Standards and Technology (NIST): Face Recognition Technology Evaluation (FRTE) (การประเมินทางเทคนิคอิสระของการยืนยันตัวตน 1:1, การระบุตัวตน 1:N, ความเท่าเทียมทางประชากรศาสตร์ และผลกระทบจากมุมมองภาพของผู้พัฒนาทั่วโลก)
-
U.S. Government Accountability Office (GAO): Facial Recognition Technology Reports & Audits (การตรวจสอบการใช้งานของหน่วยงานบังคับใช้กฎหมายของรัฐบาลกลาง ปริมาณการสืบค้นในฐานข้อมูลเอกชน และการปฏิบัติตามหลักสิทธิพลเมือง)
-
Center for Strategic and International Studies (CSIS): Facial Recognition Governance & Technology Policy (การคาดการณ์ตลาดเชิงภูมิรัฐศาสตร์ แนวโน้มข้อบังคับระดับเทศบาล และนโยบายอัตลักษณ์ดิจิทัล)
-
American Civil Liberties Union (ACLU): Biometric Surveillance and Civil Liberties Tracker (การติดตามคดีการจับกุมผิดตัว การตรวจสอบข้อห้ามระดับท้องถิ่น และการดำเนินคดีเกี่ยวกับการเลือกปฏิบัติของอัลกอริทึม)
-
U.S. Customs and Border Protection (CBP) & TSA: Biometric Entry/Exit and Touchless ID Operations (สถิติการตรวจผ่านของผู้เดินทาง ประตูทางออกชีวมาตรอัตโนมัติ การสกัดกั้นการแอบอ้างสวมสิทธิ์ และข้อกำหนดการเก็บรักษาข้อมูลภาพถ่าย)
-
Security Industry Association (SIA): Public Opinion on Facial Recognition Research (แบบสำรวจระดับชาติเพื่อวัดระดับการยอมรับของประชาชน การรับรู้ด้านความปลอดภัย และการนำไปใช้ในองค์กรธุรกิจ)
-
ข้อสังเกตเกี่ยวกับข้อมูล: ค่าความแม่นยำในห้องปฏิบัติการจาก NIST FRTE ทำการทดสอบภายใต้มาตรฐานภาพถ่ายหน้าตรงคุณภาพสูง ประสิทธิภาพในการตรวจตราผ่านกล้องวงจรปิดในสภาพแวดล้อมจริงตามท้องถนน (กล้องความละเอียดต่ำ แสงสว่างไม่เพียงพอ ฝูงชนเคลื่อนไหว) อาจมีอัตราข้อผิดพลาดที่สูงขึ้นอย่างมีนัยสำคัญ ทั้งนี้ การแก้ไขกฎหมายและข้อห้ามระดับท้องถิ่นอาจส่งผลให้มาตรฐานการเข้าถึงของตำรวจเปลี่ยนแปลงไปในแต่ละไตรมาส
-
ปรับปรุงล่าสุด: 22 สิงหาคม 2026 รายงานฉบับนี้ได้รับการทบทวนและปรับปรุงทุกไตรมาสเมื่อมีการเผยแพร่ผลการทดสอบ NIST FRTE รอบใหม่ รายงานการตรวจสอบของรัฐบาลกลาง และความคืบหน้าทางกฎหมายเกี่ยวกับชีวมาตร