¿Cuál es el uso del
reconocimiento facial del hombre, pero también por de las sociedades? Es eficaz, pero también tiene sus límites. Y sobre todo,
¿pone en riesgo nuestra libertad?
Las herramientas de
reconocimiento facial eficaces son usadas por los gigantes de Internet. Pero
también por los fabricantes de smartphones, en particular para el desbloqueo, y
para el reconocimiento de las personas en los edificios.
Hacia
la democratización del reconocimiento facial
Primero,
la cámara frontal va a tomar una foto cuando acerques tu cara. La cámara
frontal va a buscar tu rostro en la imagen.

Figura 1: Búsqueda
de rostros y análisis por medio de un smartphone
https://stock.adobe.com/search?k=phone%20features
Una vez la
posición
del rostro encontrada, se rescatan los diferentes atributos:
●
Forma del rostro
●
Posición y
forma de las orejas
●
Distancia entre los ojos
●
Posición de
los ojos
●
Forma de la nariz
●
Posición de la
boca
●
Forma de la boca/labios, etc.
Los
valores de los atributos permiten así crear un patrón. Ya que el objetivo de su
teléfono es comprobar que eres su propietario, va a proceder a una
autentificación. Es decir, que va a comparar el esquema que acaba de calcular
con el que le has dado al grabar tu rostro la primera vez. Dependiendo del
nivel de seguridad, el teléfono tendrá una tasa de reconocimiento más o menos
elevada. En cuanto a la identificación, nos encontramos en un marco donde se
busca determinar quién es la persona que acabamos de ver.

Figura 2: Identificación de rostros en terreno libre
https://www.shutterstock.com/fr/g/varuna
Por ejemplo, si se busca un
niño su rostro podría ser integrado en una base de datos de niños buscados.
Cada vez que una persona pasa por delante de las cámaras de una estación
equipada con un sistema de reconocimiento facial, su rostro se fotografía.
Luego éste va a ser analizado para determinar si el rostro fotografiado es el
de una persona en búsqueda o no. Un fragmento de la foto va a ser comparado con
los de la base de datos de los niños buscados. Si un esquema es lo
suficientemente cercano al del rostro, se mandará una alerta a un operador (hay
una correspondencia y entonces la identificación de un niño raptado). Sin
embargo, el operador humano debe despejar dudas y confirmar que el sistema de
reconocimiento no se ha equivocado.

Figura 3: Identificación y segundo control por el ojo humano.
Identification
et deuxième contrôle par l’œil humain
¿Hay
que preocuparse de poder ser identificado y perseguido en el mundo entero?
Hay obviamente
límites… y fallos
Que no cunda el pánico, tu identidad secreta no será divulgada. No es tanto
por proteger tu intimidad, sino más bien porque, al contrario de lo que te
venden las películas o en los videojuegos, no es tan simple reconocer un rostro
en un entorno libre.
Cuando a un sistema se le enseñas que las orejas de una persona
miden 4 cm de largo y 2,5 cm de ancho, es con una imagen sacada de frente, a
una distancia específica. Si la persona gira la cabeza 30°, las orejas ya no
tienen el mismo tamaño. Igualmente, hay que controlar la luz y el plano de
fondo en el lugar donde se toma la foto. Si hay una sombra más considerable en
el lugar de la nariz, se tuerce la forma de la nariz. Pero cuando se quiere
usar un sistema para controlar un espacio “libre”, no se controla ni la luz, ni
el alumbrado, ni el plano de fondo. Tampoco se controla el ángulo del rostro en
el momento de la adquisición. Ni mucho menos la distancia en la que la gente va
a encontrarse en el momento de la adquisición de la imagen. En pocas palabras,
no se dominan muchos / numerosos elementos. Y estos pueden tener un impacto en
el aspecto de la persona.
Cuando los GAFAM
se involucran
Los GAFAM -Google,
Amazon, Facebook, Apple, Microsoft-, las
empresas líderes del mundo numérico, han desarrollado algoritmos propietarios
para hacer reconocimiento facial. Hallamos el Deepface (asociación de
deep-learning y de face) en Facebook. O también Face Net para Google, que se
utiliza en Google Foto.
Estos algoritmos se basan en diversos métodos de aprendizaje para
determinar una imagen “normalizada” de tu rostro. Para esto, se necesitan
varias fotos con una expresión rígida, y sin pose (si no se tuerce el
aprendizaje). Los algoritmos van a extraer datos de las diferentes fotos que se
les proporciona. Las tratarán de manera estadística para saber identificarte
cada vez mejor.
Como para todo sistema discente, cuantos más datos de entrada tienen, más
pueden ajustar su precisión. Las fotos que cuelgas en Internet o en las redes
sociales serán entonces buenos datos de entrada. Pero tranquilo, los resultados
de reconocimiento de más del 98% de los algoritmos más recientes están por
matizar con las obligaciones sobre los tipos de fotos y su variabilidad. Estos
elementos se aplican a menor escala con la identificación por huella digital.
La evolución
tecnológica provoca la evolución social
El reconocimiento facial
es un elemento potente que permite aumentar la seguridad de los lugares y
aparatos. Las herramientas de reconocimiento facial asociadas a las de la
inteligencia artificial provocarán grandes giros en materia de evolución de la
tecnología y de nuestra relación con la vida en sociedad, con la seguridad y
con la intimidad. Esta evolución genera, de hecho, nuevas preguntas desde un
punto de vista legislativo y ético.
Pero el reconocimiento
facial también puede ayudar a personas que sufren de una enfermedad rara como
la prosopagnosia, caracterizada por la imposibilidad de reconocer un rostro
ya conocido. Grandes progresos están por
llegar en el área de la ayuda a la persona con aplicaciones variadas que, afortunadamente,
no se limitan a la seguridad.
Inspirándose de las
investigaciones del Dr Paul Ekman, una eminencia en materia de ciencia
comportamental - inspiró al protagonista de la serie Lie to me-, podrías, en teoría, (insisto en el carácter
teórico) leer las mentiras y emociones en los rostros. Pero esto no está a la
vuelta de la esquina…
Fuentes :
1. https://www.thalesgroup.com/fr/europe/france/dis/gouvernement/biometrie/reconnaissance-faciale
2. https://research.fb.com/wp-content/uploads/2016/11/deepface-closing-the-gap-to-human-level-performance-in-face-verification.pdf
3. https://www.cv-foundation.org/openaccess/content_cvpr_2015/papers/Schroff_FaceNet_A_Unified_2015_CVPR_paper.pdf
4. https://www.rand.org/pubs/documented_briefings/DB396.html
Comentarios : (0)
Sin comentarios