【世界说】美媒：美执法机构依赖技术导致错误抓捕 有色人种被误识可能性高于白人100倍******

　　中国日报网1月4日电 据美联社3日报道，日前美国路易斯安那州执法部门因使用面部识别技术，导致一名乔治亚州男子被误认为是逃犯而被捕，律师表示，案件再次引起人们对数码工具使用中的种族差异的关注。

　　据《泰晤士—皮卡尤恩报》/《新奥尔良倡导者报》报道，28岁的黑人男子兰德尔·里德（Randall Reid）于2022年11月底在佐治亚州迪卡尔布县被捕入狱。他的律师汤米·卡洛杰罗（Tommy Calogero）说，执法部门错误地将里德与发生在杰斐逊教区和巴吞鲁日的钱包盗窃案联系起来。里德于11月25日被捕，12月1日被释放。他的被捕引起了人们对该技术新的关注，批评人士认为，这项技术导致有色人种的误认率高于白人。

　　“他们告诉我，我有一张杰斐逊教区的逮捕令。我说，‘杰斐逊教区是什么?’”里德说。“我从未去过路易斯安那州。然后他们告诉我这是偷窃罪。但我不仅没去过路易斯安那州，也没有偷东西。”

　　据《纽约时报》报道，法庭记录显示，巴吞鲁日警察局的一名探员根据杰斐逊教区警长办公室对里德的识别，得到逮捕令，指控里德是同一周另一起奢侈钱包盗窃案的三名嫌疑人之一。杰斐逊警长乔·洛平托（Joe Lopinto）办公室未对此案及该机构对面部识别的使用等相关问题作出回应。

　　里德的案件再次引起了人们对路易斯安那州和其他地方使用面部识别工具的关注。执法部门使用面部扫描和人工智能辅助面部识别软件在美国引起了激烈的争论，并与关于种族不平等的对话交织在一起。一些研究表明，该技术更有可能错误识别黑人和其他有色人种，而不是白人，从而导致错误逮捕。

　　皮尤研究中心2022年的一份报告发现，66%的美国成年人表示，他们认为面部识别技术用于监控黑人和西班牙裔社区的频率将远高于其他社区。另据华盛顿邮报此类报道，在2019年美国的一项联邦研究中被测试的几个算法的结果显示，与白人相比，误识别黑人或亚洲人面孔的可能性高达100倍。

　　一些人认为，面部识别技术应该只用于为警察提供线索，而不是作为唯一的证据，而且警察不应过分依赖其结果，也不应将其应用于所有低级别犯罪。还有批评人士认为，那些过分信任系统结果的官员——或者像研究人员在一些警察部门发现的证据那样，为了获得更好的结果而改变搜索图像，最终可能会把举证的责任推给无辜的人，他们可能不会被告知逮捕他们时使用了什么调查手段。

　　（编译：马芮 编辑：韩鹤）

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟