Legalábbis ez a legegyszerűbb konklúziója a Wired egyik értesülésének, miszerint a University of Texas és a Cornell Tech kutatói részleges megoldást találtak a kikockázott vagy elmosott képrészletekre. Mondanunk sem kell, hogy a személyazonosság védelme egyre fontosabb tétel az automata látványgeneráló rendszereknél: első körben gondoljunk csak arra, hogy miként mossa el a Google Street View az arcokat és a rendszámtáblákat, de a sajtófotókkal kapcsolatban is éppen elég probléma merült már fel. Már csak az a kérdés, vajon tényleg bombabiztos-e a pixelizált illetve elmosott arc vagy karakterrészlet.
A kutatók képfelismerő idegi hálózatokat tanítottak be arra, hogy szavakat, arcokat és tárgyakat azonosítsanak minél jobb sikerszázalékkal. Miután elérték a 90 százalékos határt, elkezdték az eredeti képek kimaszkolt, illetve elkockásított változatain futtatni az idegi hálózatokat: a rendszer ezen esetekben azt is tudta, hogy milyen alapképből születtek a lebutított verziók. Az éles tesztek, mielőtt reménykedni kezdenénk, nem garantáltak túl nagy áttörést: minél pixelesebbek voltak a képek, annál nehezebb volt azonosítani a képeket – bár sok esetben így is 50 és 75 százalék közti pontosságról beszélhetünk. Igaz, ért már el a rendszer 17%-os eredményt is “megkezelt” celebfotókkal. Ezzel kapcsolatban a kutatók elmondták: ha hálózataik csak találgatják a személyazonosságot, 0,2 és 10 százalék között teljesítenek, így egyelőre elnevezetlen algoritmusuk már jelenlegi állapotában is biztosabb eredményekkel dolgozik.
![](data:image/svg+xml;charset=utf-8,<svg height="555" width="1024" xmlns="http://www.w3.org/2000/svg" version="1.1"/>)
Érdemes megjegyezni, hogy az idegi hálózatok nem képesek visszaalakítani a kipixelezett képeket eredeti állapotukba és csak akkor képesek jobb sikerszázalékra, ha tudják, hogy mit kell keresniük és már keresték azt: egy bizonyos tárgy vagy egy korábban beazonosított ember esetében sokkal jobb a találati arány, mint egy teljesen új, adatbázisban nem szereplő ember vagy egy korábban sosem látott formájú tárgy esetében. Ha például ráengednénk a rendszert egy köztéri megfigyelőrendszer felvételeire úgy, hogy minden arc ki van pixelezve, az algoritmus (egyelőre) képtelen lenne minden egyes embert azonosítani. Ha azonban az a feltételezés, hogy egy nyilvántartásban lévő bűnöző elhaladt valamikor a megfigyelőrendszer látószögében és volt annyira óvatlan, hogy nem takarta el az arcát, akkor a szoftver már könnyen észre tudná venni.