Una muestra de algoritmos comerciales de reconocimiento facial parece sugerir que los sistemas biométricos faciales actualmente dependen demasiado de ciertos atributos para diferenciar con la misma facilidad entre diferentes personas que comparten categorías de raza y género.

Investigadores biométricos de Maryland Test Facility (MdTF) y la Dirección de Ciencia y Tecnología del Departamento de Seguridad Nacional de EE. UU. han publicado un artículo que explora el problema con cinco algoritmos comerciales de reconocimiento facial sin nombre, con un algoritmo comercial de reconocimiento de iris como control.

La prueba fue realizada por John Howard, Yevgeniy Sirotin y Jerry Tipton, de MdTF, y Arun Vemury, de S&T.

Su artículo sobre "Cuantificar el grado en que las características de raza y género determinan la identidad en algoritmos comerciales de reconocimiento facial", sugiere que esos algoritmos de reconocimiento facial que buscan grandes bases de datos de imágenes homogéneas tienden a dar como resultado un tratamiento dispar basado en la raza y el género. La investigación se basa en el trabajo anterior del científico, que mostró que las imágenes de personas del mismo grupo demográfico tienden a tener una puntuación más similar entre sí que cuando se las compara con personas de un grupo demográfico diferente, un fenómeno que ellos llaman "amplia homogeneidad".

El análisis de los componentes principales utilizados por los algoritmos biométricos muestra que la mayoría de las variaciones entre los vectores o la apariencia facial no están relacionadas con la raza o el género, aunque alrededor del 10 por ciento sí. Esto significa que debería ser posible que los algoritmos eviten de manera más consistente ofrecer diferenciales de precisión injustos.

“Además, la separación entre las distribuciones de puntajes emparejados y no emparejados reconstruidos exclusivamente con PC (componentes principales) que no agrupan a los individuos por raza y género se redujo solo modestamente, lo que sugiere que los CFRA (algoritmos comerciales de reconocimiento facial) pueden mantener un rendimiento aceptable incluso cuando se ignora la cara características asociadas con la raza y el género”, escriben los autores del informe.

Los componentes sin un agrupamiento significativo basado en datos demográficos representan el 62 por ciento de la variación total de la puntuación para los algoritmos de reconocimiento facial.

Los investigadores también citan investigaciones recientes que sugieren que los atributos demográficos pueden eliminarse de las imágenes y seguir siendo efectivos para hacer coincidir con algoritmos de reconocimiento facial.

La revisión humana puede ayudar, sugieren los investigadores, pero en última instancia, la tecnología debe seguir evolucionando.

“El desarrollo de CFRA con ceguera demográfica que ignoren explícitamente las características faciales asociadas con la raza y el género ayudará a mantener la equidad a medida que aumente el uso de esta tecnología”, dice el informe. "Creemos que el desarrollo de dichos algoritmos y la demostración de equidad, incluida la reducción de la agrupación demográfica, debería ser un foco de atención para las empresas que venden tecnología de reconocimiento facial".

El director ejecutivo de ID4Africa, el Dr. Joseph Atick, ha pedido a Facebook que utilice sus recursos para ayudar a resolver cualquier duda sobre si se pueden desarrollar algoritmos de reconocimiento facial para cumplir con altos estándares de precisión sin una diferencia significativa en el rendimiento con sujetos basados ​​en la raza y el género.

Fuente: Ventas de Seguridad