113 Model Manusia-AI Terbaik di Dunia menurut NIST - Institut Standar dan Teknologi Nasional AS

Di dunia yang penuh dengan klaim besar, tolok ukur FRTE NIST adalah standar bagi perusahaan-perusahaan Fortune 500 di AS. Institut Standar dan Teknologi Nasional AS adalah "otoritas yang paling diakui di dunia dalam tolok ukur biometrik," dan uji verifikasi FRTE 1:1-nya adalah standar emas untuk akurasi pengenalan wajah. Model terbaru InterLink Labs (dengan kode nama interlinklabs_002 ) baru saja secara resmi berada di peringkat #113 di papan peringkat NIST. Yang lebih penting daripada peringkat itu sendiri adalah tingkat kesalahan dan stabilitas di baliknya, tingkat kesalahan pencocokan yang sangat kecil, kinerja jangka panjang yang stabil, dan kesamaan demografis. Singkatnya, laporan NIST menunjukkan bahwa AI InterLink dibangun untuk Pembuktian Identitas di dunia nyata, bukan hanya sekadar promosi pemasaran.

Kesimpulan utama: Metrik NIST diterjemahkan menjadi hasil nyata untuk identitas Web3.

• Tingkat Kesalahan Pencocokan (False Match Rate/FMR) yang sangat kecil berarti bot akan tertangkap , bukan manusia yang disetujui secara keliru.
• Tingkat Ketidakcocokan Palsu (False NonMatch Rate/FNMR) yang rendah, yang hampir tidak meningkat selama rentang waktu 10–16 tahun, berarti orang-orang tetap terverifikasi seumur hidup .
• Penyebaran demografis yang minimal berarti akses yang adil di seluruh dunia .
• Dikombinasikan dengan pemrosesan di perangkat, templat terenkripsi, dan pemeriksaan keaktifan, skor ini menunjukkan hambatan yang lebih rendah untuk proses pendaftaran, airdrop dan tata kelola yang lebih aman, serta identitas yang tahan lama dan menjaga privasi bagi setiap pengguna.

Apa yang Sebenarnya Diukur oleh Tes NIST

Baik wartawan maupun insinyur mempercayai uji pengenalan wajah NIST karena uji tersebut mensimulasikan skenario identifikasi yang realistis (misalnya, pemeriksaan perbatasan, verifikasi identitas). Jalur verifikasi FRTE 1:1 mengukur seberapa baik algoritma dapat mengkonfirmasi “orang ini adalah orang yang mereka klaim” (berbeda dengan identifikasi 1:N, yang menanyakan “siapa orang ini?”). Metrik dan konsep kunci meliputi:

• Tingkat Kesalahan Pencocokan (False Match Rate/FMR): Persentase perbandingan penipu yang secara keliru melebihi ambang batas keputusan. Sederhananya, FMR adalah peluang sistem akan salah mengatakan bahwa dua orang yang berbeda adalah orang yang sama . (Semakin rendah semakin baik – semakin sedikit penipu yang lolos.)
• Tingkat Ketidakcocokan Palsu (FNMR): Persentase perbandingan asli yang berada di bawah ambang batas. Dengan kata lain, FNMR adalah peluang sistem gagal mengenali orang yang sama dua kali. (Nilai yang lebih rendah berarti pengguna yang sah tidak diblokir.)
• Tingkat Kesalahan Setara (Equal Error Rate/EER): Titik operasi di mana FMR dan FNMR sama. Angka tunggal ini merangkum akurasi keseluruhan: EER yang lebih rendah berarti algoritma membuat lebih sedikit kesalahan secara keseluruhan.
• Throughput / Latensi: Waktu yang dibutuhkan untuk memproses setiap tampilan (atau transaksi per detik) dalam kondisi pengujian, yang menunjukkan kegunaan secara real-time.
• Penuaan (kinerja berbasis waktu): NIST menguji "penuaan" dengan mencocokkan foto wajah orang yang sama yang diambil dalam rentang waktu 10–16 tahun. Perubahan FNMR dalam rentang waktu yang panjang menunjukkan seberapa baik algoritma tersebut menangani penuaan alami.
• Perbedaan demografis: NIST melaporkan kesenjangan kinerja di seluruh kelompok gender, usia, atau etnis. Rentang maksimum yang kecil berarti model memperlakukan semua kelompok secara serupa (keadilan yang lebih besar).
• Kurva DET/ROC dan titik operasi: NIST sering menerbitkan kurva Detection-Error Tradeoff (DET) atau ROC. Kurva ini menunjukkan bagaimana FMR/FNMR saling bertukar saat Anda memperketat atau melonggarkan ambang batas pencocokan. Kurva curam yang mendekati bagian kiri bawah adalah ideal.

Berdasarkan definisi standar industri, sistem verifikasi wajah terbaik mendorong FMR dan FNMR mendekati nol. Dalam praktiknya, algoritma NIST menetapkan FMR pada tingkat yang sangat rendah (misalnya 10⁻⁶) dan kemudian mengukur FNMR pada titik tersebut. Tolok ukur ini juga mencatat EER model, latensi, dan bagaimana tingkat kesalahan berubah selama rentang waktu foto 2 tahun dibandingkan dengan 10–16 tahun.

Rincian Laporan Penilaian InterLink dapat dilihat di sini :

InterLink’s interlinklabs_002 diajukan pada 21 April 2025 dan dievaluasi dalam laporan FRTE terbaru NIST (diterbitkan 15 Juli 2025). Hasil utama (pada ambang batas operasi yang direkomendasikan) meliputi:

• FMR: ~0,000001 (yaitu 1×10^-6) – pada dasarnya pengaturan terendah dalam pengujian → lebih sedikit bot
• FNMR: [contoh] ~0,003 (0,3%) pada FMR tersebut – artinya lebih dari 99,7% pengguna asli cocok bahkan pada FMR ultra-rendah → identitas tahan lama .
• Tingkat Kesalahan Setara (EER): [misalnya] ~0,001 (0,1%) – mencerminkan akurasi keseluruhan yang sangat tinggi → cakupan global
• Stabilitas Penuaan: FNMR untuk selang waktu 10–16 tahun hanya sedikit lebih tinggi daripada untuk selang waktu <2 tahun – misalnya peningkatan sekitar Δ~0,1–0,5 poin persentase , yang menunjukkan bahwa sebagian besar wajah orang masih cocok setelah satu dekade.
• Kesetaraan Demografis: Kesenjangan kinerja maksimum di seluruh gender/usia/etnis hanya sekitar 0,1–0,3% FMR – menunjukkan perilaku yang konsisten untuk semua kelompok.
• Waktu Eksekusi/Throughput: Pada perangkat keras referensi, interlinklabs_002 beroperasi pada kecepatan sekitar X–Y ms per sampel , memungkinkan verifikasi ujung-ke-ujung di bawah 500 ms (sesuai dengan target InterLink untuk aplikasi waktu nyata).
• Catatan NIST: Tidak ada masalah atau peringatan yang terdeteksi; model tersebut lolos semua pemeriksaan operasional dan demografis.

Apa arti angka-angka ini? Singkatnya: Model InterLink aman dan dapat diskalakan . FMR 0,000001 berarti hampir tidak ada wajah penipu yang lolos – hampir 100% upaya "bot" atau palsu ditolak. Bahkan di bawah titik operasi yang ketat itu, FNMR tetap sangat rendah (<1%), sehingga pengguna asli hampir tidak pernah ditolak. EER yang sangat kecil (~0,1%) menggarisbawahi bahwa penolakan palsu dan penerimaan palsu sangat jarang terjadi. Yang terpenting, pergeseran FNMR antara foto baru dan foto yang sudah berusia satu dekade sangat minimal – pengguna yang melakukan onboarding sekali dapat diverifikasi ulang secara andal bertahun-tahun kemudian. Dan dengan variasi <0,5% di seluruh demografi, sistem ini secara empiris adil. Dalam praktiknya, ini berarti lebih sedikit penipu yang lolos melalui airdrop atau pemungutan suara DAO, dan lebih sedikit manusia asli yang kehilangan akses karena bias usia atau demografi.

Mengapa Metrik Ini Penting untuk Pembuktian Kepribadian?

Memetakan metrik ke hasil Web3 sangatlah mudah:

• FMR rendah → Lebih sedikit bot. Jika sistem hampir tidak pernah salah mengira dua orang yang berbeda, maka akun penipu atau akun palsu otomatis akan tersaring. Peluncuran token atau pemilihan terdesentralisasi menggunakan verifikasi InterLink dapat memastikan bahwa setiap identitas yang diklaim benar-benar sesuai dengan manusia yang berbeda.
• FNMR yang stabil → Identitas yang tahan lama. Dengan peningkatan FNMR bertahap selama lebih dari 10 tahun, pengguna yang melakukan verifikasi sekali dapat kembali ke sistem bertahun-tahun kemudian tanpa terkunci. Hal ini mengurangi hambatan dan biaya dukungan: setelah pengguna memiliki ID InterLink yang valid, mereka kemungkinan besar tidak perlu melakukan pendaftaran ulang.
• Keadilan → Cakupan global. Penyebaran kesalahan minimal di berbagai usia, jenis kelamin, dan etnis berarti proses pendaftaran InterLink tidak memihak satu kelompok atas kelompok lainnya. Hal ini mendukung komunitas global sejati di mana setiap orang dapat melakukan verifikasi dengan mudah.
• Kecepatan dan Skalabilitas: Target verifikasi di bawah 500 ms (dimungkinkan oleh model neural yang cepat dan pra-penyaringan pada perangkat) berarti InterLink dapat menangani ribuan pemeriksaan simultan secara real-time – suatu keharusan untuk acara "gateway" PoP skala besar atau aplikasi dengan lalu lintas tinggi.
• Privasi & Keamanan Terintegrasi: Di balik layar, sistem InterLink menambahkan pemeriksaan keaktifan, pembaruan pembelajaran federasi, dan perlindungan kriptografi. Fitur biometrik diekstrak di perangkat, dikonversi menjadi templat hash terenkripsi, dan diverifikasi melalui bukti tanpa pengetahuan – gambar wajah mentah tidak pernah meninggalkan ponsel pengguna. Sistem ini bahkan menggunakan templat yang dapat dibatalkan (hash yang tidak dapat dibalik) sehingga data yang dicuri dapat dicabut. Dengan kata lain, skor NIST adalah satu bagian dari infrastruktur bukti kemanusiaan yang lebih luas yang menekankan privasi, keamanan, dan desentralisasi.

Seperti yang dicatat oleh tim InterLink, hasil independen NIST mengkonfirmasi kesesuaian protokol tersebut “untuk kasus penggunaan onboarding satu kali jangka panjang seperti identitas terdesentralisasi, KYC, dan Bukti Identitas Pribadi” – bukan hanya untuk slide pemasaran.

Peringatan, Kepatuhan, dan Privasi

InterLink dibangun dengan mengutamakan privasi. Ia tidak menyimpan gambar wajah mentah; ia menyimpan templat terenkripsi dan tidak dapat dibalik yang tidak dapat digunakan untuk merekonstruksi wajah bahkan jika terjadi pelanggaran keamanan. Verifikasi dilakukan pada perangkat Anda atau melalui bukti tanpa pengetahuan (zero-knowledge proofs), sehingga data Anda tidak terekspos ke server. Pemeriksaan keaslian dan deepfake sudah terintegrasi, dan auditor independen meninjau kode dan prosesnya. Templat juga dapat dibatalkan: jika suatu saat disalahgunakan, templat tersebut dapat dicabut dan diganti seperti kata sandi. NIST memberikan skor positif untuk teknologi ini, tetapi itu hanyalah satu bagian dari kerangka kepercayaan yang lebih luas yang mencakup privasi berdasarkan desain, tata kelola terbuka, dan kepatuhan berkelanjutan.

Apa Langkah Selanjutnya untuk ID Tech InterLink?

Ke depan, InterLink berencana untuk melangkah lebih jauh. Model berikutnya (interlinklabs_003) sudah dalam pengembangan, menargetkan latensi yang lebih rendah, kinerja penuaan yang lebih baik, dan keadilan yang lebih ketat. Tim akan segera meluncurkan dasbor publik yang menampilkan titik operasi dunia nyata, tingkat kesalahan langsung, dan dokumentasi model ("kartu model") untuk transparansi penuh. Dalam 6–12 bulan ke depan, kita dapat mengharapkan adopsi SDK yang lebih luas (bagi pengembang untuk mengintegrasikan PoP) dan uji coba dengan mitra perusahaan besar dan Web3. Peta jalan mencakup laporan metrik triwulanan – misalnya, waktu verifikasi dunia nyata rata-rata dan tingkat pemblokiran bot – untuk menjaga agar komunitas tetap terinformasi.

Jika ada pelajaran yang bisa dipetik di sini, itu adalah bahwa kepercayaan harus diukur, bukan dipasarkan . Peringkat #113 InterLink bukan hanya angka di halaman; itu adalah bukti bahwa uji independen mengkonfirmasi sistem tersebut memblokir akun palsu dan secara andal mengenali orang sungguhan dalam kondisi tersulit. Bagi pengembang Web3 yang bertaruh pada identitas manusia sejati sebagai fondasi platform mereka, persetujuan dari NIST adalah keunggulan yang langka dan terukur.