Identtiset kaksoset haastavat tekoälyyn perustuvan kasvontunnistuksen

11.06.2026

Tekoälyyn perustuvasta kasvontunnistuksesta on nopeasti tullut arkipäivää ympärillämme. Sitä käytetään älypuhelimissa, viranomaisvalvonnassa, lentokentillä ja jopa peliriippuvaisten pelaamishimon rajoittamisessa kasinoilla. Identtisillä kaksosilla on merkittävä rooli tässä kehityksessä.

Jokaisella ihmisellä on ainutlaatuiset kasvonpiirteet, jotka voidaan muuttaa digitaaliseksi biometriseksi tunnisteeksi. Suomi otti jo vuonna 2006 käyttöön biometrisen passin, johon passin haltijan kasvot on tallennettu digitaalisessa muodossa. Vuonna 2009 passiin lisättiin myös digitaalinen sormenjälki.  Toisin kuin muissa biometrisissä tunnistusmenetelmissä (digitaaliset sormenjäljet tai silmän iiris) tekoälyyn perustuva kasvontunnistus voidaan teknisesti toteuttaa jopa ilman, että henkilö edes tietää, että häntä pyritään tunnistamaan. Juuri tämä tekee menetelmästä kiinnostavan muun muassa poliisille.

Identtiset kaksoset ovat alusta lähtien olleet haaste kasvontunnistukselle. Heillä on lähtökohtaisesti identtinen perimä ja tästä syystä hyvin samanlaiset kasvonpiirteet. Todellisuudessa identtiset kaksosetkaan eivät kuitenkaan ole täysin identtiset, sillä ensimmäisestä solunjakautumisesta lähtien kaksosiin vaikuttavat yksilölliset ja eri suuntiin vaikuttavat ympäristötekijät. Tästä syystä myös identtisillä kaksosilla on pieniä eroja kasvonpiirteissä. Erojen suuruus vaihtelee, mutta meidän on yleensä vaikea erottaa itsellemme tuntemattomia identtisiä kaksosia toisistaan.

Algoritmien ja aivojen strategiat muistuttavat toisiaan

Neuroverkkoihin perustuvien tekoälyalgoritmien kehityksen tavoitteena oli aikoinaan imitoida ihmisen hermoston neuroneiden ja synapsien tapaa käsitellä informaatiota. Vuonna 2014 julkaistussa yhdysvaltalaistutkimuksessa tutkittiin miten erilaiset kasvontunnistuksen tekoälyalgoritmit pystyvät erottamaan identtiset kaksoset. Tutkimukseen osallistui myös FBI. Peräti 17 prosentissa algoritmit tunnistivat identtisen kaksosen väärin, kun muulla väestöllä virhe oli alle 2 %. Vajaa kymmenen vuotta myöhemmin julkaistussa tutkimuksessa tilanne oli muuttunut jo selvästi. Tekoälyyn perustuvat kasvojentunnistusalgoritmit pystyivät erottamaan identtiset kaksoset selvästi paremmin kuin ihminen. Tutkijoiden mukaan tekoälyyn perustuvat algoritmit näyttävät kehittyvän kohti samanlaista tunnistusstrategiaa, miten ihmisaivot tunnistavat kasvot. Ne näyttävät jopa usein haksahtavan samoihin optisiin harhoihin kuin ihmisaivot.

Ihmisaivojen kasvontunnistus perustuu sekä kasvojen yksityiskohtien, että kokonaisuuden muodostamaan kokonaistulkintaan. Tunnistamme hyvin läheistemme kasvoja, mutta heikommin tuntemattomien henkilöiden kasvoja. Muistot ja kokemukset ovat dataa, joiden avulla kasvot tunnistetaan. Myös tekoälyn kasvontunnistus perustuu käytössä olevan aineiston jatkuvaan iteratiiviseen analysointiin, jossa mallit ja virhetekijät tarkentuvat kierros kierrokselta. Aivan kuten ihmisellä, tekoälyyn perustuva algoritmin tulosten laatu riippuu käytettävissä olevan aineiston laadusta ja määrästä. Yksipuolinen ja todellisesta maailmasta poikkeava aineisto vääristää myös tekoälyyn perustuvan päättelyn tuloksia ja tämä pätee myös kasvojen tunnistukseen.

Algoritmien kilpavarustelu

Toistaiseksi kasvontunnistustietokannat painottuvat maihin, joilla on resursseja koota aineistoja. Näin myös niiden sisällössä painottuvat kyseisten maiden asukkaiden keskimääräiset kasvonpiirteet. Vähän edustettujen etnisten piirteiden osalta algoritmin tunnistuskyky jää heikommaksi. Samalla tavalla monia tekoälyyn perustuvia kasvotunnistusalgoritmeja ei ole ”koulutettu” riittävästi identtisiä kaksosia sisältävällä aineistolla. Kun kahden ei sukulaisen henkilön kasvonpiirteiden erottamisessa voidaan keskittyä karkeampiin eroihin, on identtisten kaksosten erottamisessa keskityttävä huomattavasti yksityiskohtaisempiin eroihin. Tietokantojen kasvaessa ja tiedon lisääntyessä myös identtisten kaksosten erottaminen paranee koko ajan.

Kasvontunnistuksen käyttösovelluskohteet lisääntyvät jatkuvasti. Parhaimmillaan se on erinomainen apu monella elämän osa-alueella lisäämässä helppoutta ja turvallisuutta. Mutta kuten kaikkia uusia teknologioita, myös kasvontunnistusmenetelmiä voidaan käyttää väärin. Kasvontunnistusalgoritmeja yritetään joskus huijata omia kasvoja keinotekoisesti muokaten erilaisilla maskeilla, tekonenillä, -parroilla tai -tatuoinneilla. Käytännössä siis yrittäen tekeytyä joko henkilöksi, jonka tietoihin rikollinen haluaa päästä käsiksi tai tekeytymällä joksikin muuksi, jotta rikollista ei tunnistettaisi.

Koska kasvontunnistus perustuu kasvonpiirteiden matemaattiseen mallintamiseen ja analysoimiseen, voidaan tekoälyn avulla myös luoda keinotekoisia kuvia ja videoita kasvoista. Deebfake-, eli syväväärennösmenetelmillä voidaan muun muassa keinotekoisesti nuorentaa tai vanhentaa kasvonpiirteitä. Valitettavasti myös rikolliset ovat löytäneet syväväärennöksen, koska sen avulla voidaan huijata kasvojentunnistusalgoritmeja. Syväväärennöksen ja kasvontunnistusmenetelmien kilpavarustelu kiihtyy jatkuvasti ja maailmalla kehitetään jo menetelmiä, jolla kasvojentunnistusalgoritmi voisi tunnistaa keinotekoisesti luodut digitaaliset kasvot.

Hyvä renki, huono isäntä

Nykyään lähes jokainen meistä altistuu sosiaalisessa mediassa pyöriville lyhyille videoille, joista monet ovat keinotekoisesti luotuja. Somen algoritmit syöttävät nähtävillemme juuri sellaista tavaraa, mitä pysähdymme katsomaan. Parhaimmillaan ne parantavat katselukokemusta, mutta pahimmillaan ne vahvistajat stereotypioitamme ja ennakkoluulojamme. Samalla tulemme luoneeksi lisää aineistoa, jota tekoälyalgoritmit voivat hyödyntää. Ne luovat kaupallisia mahdollisuuksia markkinoijille ohjata kulutuskäyttäytymistämme, mutta myös mahdollisuuden mielipidevaikuttamiseen ilman, että edes huomaamme sitä.

Kasvojentunnistus ja sen taustalla olevat tekoälymenetelmät vaativat siis jatkuvaa eettistä ja yhteiskunnallista keskustelua siitä, missä menee hyväksyttävyyden rajat ja miten yksilöt, organisaatiot ja kokonaiset valtiot voivat hyödyntää tekoälypohjaisia menetelmiä kuten kasvontunnistusta, mutta samalla myös suojata itseään ulkopuoliselta vaikuttamiselta.

Tekoälyyn perustuva kasvontunnistaminen on hyvä renki, mutta huono isäntä. Sen kehitys tasapainoilee turvallisuuden ja yksityisyyden suojan välimaastossa ja tarvitsee ihmisen ohjausta turvallisen ja eettisen käytön varmistamiseksi. Identtisten kaksosten rooli voi tässä kehityksessä olla vielä merkittävä, sillä juuri identtiset kaksoset ovat vaikein pala tekoälyyn perustuvalle kasvojentunnistukselle ja juuri siksi monet teknologiakehittäjät pyrkivät parantamaan juuri heidän tunnistamistaan.

JUSSI PEURA

Kirjoittaja on artikkelityöryhmän jäsen

Artikkeli on julkaistu 1/2025 Monikkoperheet-lehdessä.

Lähteet:

• Parde, CJ., Strehle, VE., Banerjee, V, Cvazos, JG., Castillo, CD. Ja O´Toole, AJ. 2023.  Twin Identification over Viewpoint Change: A Deep Convolutional Neural Network Surpasses Humans. doi:10.1145/3609224

• Paone, JR., Flynn, PJ., Philips, J., Bowyer, KW, Voder Bruegge, RW., Grother, PJ., Quin, GW., Pruit, MT ja Grant, JM. 2014. Double Trouble: Differentiating Identical Twins by Face Recognition. https://doi.org/10.1109/TIFS.2013.2296373