Man in face recognition concept
Elnur Amikishiyev
23 junio, 2020
Arturo Moncada
Ciencia

PROS Y CONTRAS DEL RECONOCIMIENTO FACIAL

SALTO AL FUTURO

El reconocimiento facial es un software que utiliza datos biométricos para identificar a una persona en una imagen digital a través de un análisis de sus características físicas particulares.

Funciona con imágenes y videos; busca puntos nodales y de referencia en el rostro humano, como la nariz, la boca, la mandíbula y los ojos, información que transforma en una fórmula matemática que se compara a las existentes en una base de datos para poder así encontrar una que coincida.

Según diversos estudios este sistema beneficia a sectores como el de salud, bancos, adquisición de productos y servicios, telefonía celular, entre otros, pero a pesar de que hemos aceptado el reconocimiento facial con cierta normalidad las implicaciones de esta tecnología son, por decir lo menos, inquietantes.

Y es que aun cuando en materia de seguridad el reconocimiento facial mejora los protocolos de vigilancia y orden público no hay duda de que registra igualmente fallas que ya provocaron distintas violaciones a los derechos civiles: su falta de precisión genera polémicas porque puede llevar a la discriminación o identificación errónea de personas.

Sesgo racial

Una investigación del Media Lab del MIT (Massachusetts Institute of Technology) el año pasado expuso cómo la tecnología de reconocimiento facial tiene “preferencias” raciales y de género porque los sistemas están parcializados por las bases de datos que contienen y las condiciones en las que se generan los algoritmos.

Para demostrar esto la investigadora Joy Buolamwini estableció una base de datos de mil 270 caras usando rostros de políticos. Estas se seleccionaron según el ranking de paridad de género en Estados Unidos, básicamente según el número de mujeres en oficios públicos.

Buolamwini probó la precisión de los sistemas de Microsoft, IBM y una empresa china, Megvii. Durante el experimento los softwares identificaron con mayor precisión a los hombres que a las mujeres y fueron además mucho más precisos con las personas con piel más clara.

Investigaciones como esta excusan a los sistemas informáticos, pero evidencian la necesidad de “alimentar” las bases de datos con imágenes más diversas para evitar sesgos por raza y género.

Recientemente en una discusión virtual en el Foro de mujeres para la economía y la sociedad, Timnit Gebru, líder del equipo ético de inteligencia artificial de Google, explicó la razón por la cual cree que el reconocimiento facial es demasiado peligroso para usarse con fines policiales en momentos en que el mundo protesta contra el racismo y la violencia policial: “Colaboré en el MIT Media Lab con Joy Buolamwini, quien en su análisis encontró disparidades muy altas en las tasas de error en los sistemas de identificación facial, especialmente entre hombres de piel más clara y mujeres de piel más oscura. Y me di cuenta de que incluso el reconocimiento facial perfecto puede ser mal utilizado”.

Gebru señaló que siendo una mujer negra que vive en Estados Unidos y ha enfrentado serias consecuencias de racismo, se encuentra al tanto de que el reconocimiento facial se utiliza en perjuicio de la comunidad negra.

Como ejemplo recordó las protestas que se suscitaron en Baltimore por la muerte en 2015 de Freddie Gray, un hombre negro de 25 años arrestado por la policía y quien murió una semana después en custodia por las lesiones policiacas. Su muerte desencadenó saqueos, violencia e incertidumbre política y la policía utilizó el reconocimiento facial para identificar a los manifestantes al vincular imágenes a perfiles de redes sociales. Ante ello grupos de libertades civiles afirmaron que el reconocimiento facial contribuye a la erosión de la privacidad, refuerza los prejuicios contra las personas negras y es propenso al mal uso.

Hace unas semanas compañías como Microsoft, Amazon y Google informaron que no venderán sus sistemas de reconocimiento facial a la policía por estar en contra de que se usen para “la vigilancia masiva”, “la caracterización racial” y cualquier “violación de los derechos y libertades humanos”.

Beneficios

No obstante existen ejemplos de éxito de esta tecnología, como fue la identificación del culpable de un tiroteo en junio de 2018 contra la redacción del periódico Capital Gazette en Maryland, Estados Unidos, que dejó cinco muertos y que la policía afirmó hubiese sido difícil identificarlo sin la ayuda de la autenticación biométrica.

Por otra parte, cada vez más aeropuertos implementan el sistema Biometric Exit, un tipo de autenticación biométrica para viajeros que permite a la gente abordar el avión usando únicamente un sistema de reconocimiento facial.

En el sector salud esta tecnología tiene el potencial de mejorar significativamente la experiencia de los pacientes. Hace que el proceso de registrarse e identificarse sea más fácil y rápido; y permite evitar la duplicación de historiales médicos.

Otro sector que registra un gran impacto es el retail. Esta tecnología puede revolucionar la manera en que la gente adquiere productos y servicios. Aunque existe un gran debate sobre cómo las compañías usan la información de los consumidores con fines comerciales.

Son las distintas caras del reconocimiento facial.

RECUADRO

¿Cómo funciona?

Todos los sistemas de reconocimiento facial capturan una imagen bidimensional o tridimensional de la cara de una persona y luego comparan la información clave de esa imagen con una base de datos de imágenes conocidas. En el caso de las fuerzas policiales esa base de datos puede ser recopilada de fotografías de identificación policial o licencias y pasaporte. Aun ahora la mayoría de los sistemas de reconocimiento facial dependen de imágenes en 2D, porque una gran cantidad de cámaras no tienen la capacidad de capturar información de profundidad —como la longitud de la nariz o la profundidad de la cavidad ocular—. Este sistema geométrico puede presentar problemas debido a variaciones en el ángulo y en la iluminación y actualmente se puede atenuar en parte al trasladar la imagen 2D a un modelo 3D con cámaras que detecten profundidad.