Reconocimiento facial en línea
La tecnología ha pasado de ser una fuerza de resolución de problemas a ser una entidad impulsada por el ser humano. Si nos remontamos a los años 90, la tecnología se limitaba a los ordenadores, Internet, los correos electrónicos y la telefonía por cable, pero los avances tecnológicos han provocado un cambio radical en su papel como necesidad indispensable en nuestras vidas y en la sociedad. Uno de los avances clave es la llegada de la inteligencia artificial (IA) y el aprendizaje automático (ML), que fueron conceptualizados para reemplazar la intervención humana en tareas mundanas o incluso manejar aplicaciones de misión crítica y contribuir a la salvaguarda. En las secciones siguientes, veremos la expansión de la IA y el ML en varios casos de uso, así como comprenderemos su papel en una de las formas más avanzadas de seguridad biométrica: el reconocimiento facial.
La IA es una tecnología que simula los procesos de inteligencia humana utilizando máquinas para tomar decisiones cognitivas. Desde el reconocimiento de rostros en la pantalla de bloqueo de tu móvil hasta los coches autoconducidos, la IA ha desencadenado un nuevo reino de aprovechamiento de la tecnología.
Reconocimiento facial biométrico
El reconocimiento facial es un sistema construido para identificar a una persona a partir de una imagen o un vídeo. Esta tecnología existe desde hace décadas, pero su uso se ha hecho más notorio, y accesible, en los últimos años, ya que ahora impulsa soluciones innovadoras, como las aplicaciones de fotografía personal y la autenticación secundaria para dispositivos móviles. Para entender estas capacidades emergentes, hablemos primero de cómo funciona el reconocimiento facial.
El reconocimiento facial es útil en muchas aplicaciones y sectores. Hoy en día, vemos que esta tecnología ayuda a las organizaciones de noticias a identificar a las celebridades en su cobertura de eventos importantes, proporcionando autenticación secundaria para aplicaciones móviles, indexando automáticamente archivos de imagen y vídeo para los medios de comunicación y las empresas de entretenimiento, hasta permitir a los grupos humanitarios identificar y rescatar a las víctimas de la trata de personas.
Como afirma el Dr. Matt Wood, “el aprendizaje automático es una herramienta muy valiosa para ayudar a las fuerzas del orden, y aunque nos preocupa que se aplique correctamente, no debemos tirar el horno porque la temperatura podría estar mal ajustada y quemar la pizza”. Sin embargo, es una idea muy razonable que el gobierno intervenga y especifique qué temperatura (o niveles de confianza) quiere que alcancen las fuerzas del orden para ayudarles en su labor de seguridad pública.”
Comentarios
Con la llegada del aprendizaje profundo, y su aplicación a los problemas de visión por ordenador, el estado del arte de la precisión en la detección de rostros dio un salto enorme. Tuvimos que replantearnos por completo nuestro enfoque para poder aprovechar este cambio de paradigma. En comparación con la visión por ordenador tradicional, los modelos aprendidos en el aprendizaje profundo requieren órdenes de magnitud más de memoria, mucho más almacenamiento en disco y más recursos computacionales.
Por muy capaces que sean los teléfonos móviles actuales, el típico teléfono móvil de gama alta no era una plataforma viable para los modelos de visión de aprendizaje profundo. La mayor parte de la industria sorteó este problema ofreciendo soluciones de aprendizaje profundo a través de una API basada en la nube. En una solución basada en la nube, las imágenes se envían a un servidor para su análisis mediante la inferencia de aprendizaje profundo para detectar rostros. Los servicios basados en la nube suelen utilizar potentes GPU de clase de escritorio con grandes cantidades de memoria disponibles. Los modelos de red de gran tamaño, y potencialmente los conjuntos de modelos de gran tamaño, pueden ejecutarse en el lado del servidor, lo que permite a los clientes (que podrían ser teléfonos móviles) aprovechar las arquitecturas de aprendizaje profundo de gran tamaño que serían poco prácticas para ejecutar localmente.
Ventajas e inconvenientes del reconocimiento facial
Visualización del estímulo preferido para los filtros de las capas de la cara, por ejemplo. Mientras que los filtros de las capas tempranas (por ejemplo, Conv5) se activaban al máximo con rasgos simples, los filtros respondían a rasgos que parecen algo así como partes de la cara (por ejemplo, la nariz y los ojos) en las capas de nivel medio (por ejemplo, Conv9) y parecen representar las caras de forma más holística en las capas convolucionales tardías.
Hace más de 20 años, Kanwisher y sus colegas descubrieron un pequeño punto en el lóbulo temporal del cerebro que responde específicamente a las caras. Esta región, a la que denominaron área facial fusiforme, es una de las muchas regiones cerebrales que Kanwisher y otros han encontrado dedicadas a tareas específicas, como la detección de palabras escritas, la percepción de canciones vocales y la comprensión del lenguaje.
Kanwisher afirma que, a medida que ha ido explorando cómo se organiza el cerebro humano, siempre ha sentido curiosidad por las razones de esa organización. ¿Necesita realmente el cerebro una maquinaria especial para el reconocimiento facial y otras funciones? “Las preguntas sobre el por qué son muy difíciles en la ciencia”, dice. Pero con un sofisticado tipo de aprendizaje automático llamado red neuronal profunda, su equipo podría al menos averiguar cómo un sistema diferente realizaría una tarea similar.