Τεχνική ανάλυση του μηχανισμού ανίχνευσης
Η πρόσφατη έρευνα αποκάλυψε ότι συσκευές της Samsung εκτελούν παρασκηνιακά ένα μοντέλο μηχανικής μάθησης, συγκεκριμένα μια παραλλαγή του AlexNet, μέσω του TensorFlow Lite runtime. Το μοντέλο επεξεργάζεται στιγμιότυπα της οθόνης (960x540) με χρήση κβαντισμού (quantization) INT8, προκειμένου να προσδιορίσει το παιχνίδι που εκτελείται τη δεδομένη στιγμή στη συσκευή.
Επιπτώσεις στην απόδοση και τη διαχείριση πόρων
Η διαδικασία αυτή επιβαρύνει σημαντικά τον επεξεργαστή, εκτελούμενη ανά τακτά χρονικά διαστήματα χωρίς προφανή ωφέλεια για τον τελικό χρήστη. Τα δεδομένα υποδεικνύουν ότι το μοντέλο εκτελεί συγκρίσεις χαρακτηριστικών (feature comparisons) έναντι μιας βάσης δεδομένων, μια μέθοδος που παρουσιάζει χαμηλά ποσοστά επιτυχίας, οδηγώντας σε σπατάλη υπολογιστικής ισχύος (CPU cycles) για αποτελέσματα που συχνά καταλήγουν σε κενό.
Ζητήματα ιδιωτικότητας και διαφάνειας
Το πιο ανησυχητικό στοιχείο της αρχιτεκτονικής είναι η χρονική αλληλουχία της εκτέλεσης: το μοντέλο φαίνεται να λειτουργεί πριν από οποιαδήποτε διαδικασία λήψης συγκατάθεσης από τον χρήστη. Η ανάλυση του Tizen OS αποκαλύπτει μια βαθύτερη τάση για συλλογή δεδομένων τηλεμετρίας, η οποία παρακάμπτει τις παραδοσιακές δικλείδες ασφαλείας, καθιστώντας την ιδιωτικότητα του χρήστη δευτερεύουσα προτεραιότητα σε σχέση με την ανάλυση περιεχομένου.