¿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