(CNN Business) – Ya se sabe que las mascarillas detienen la propagación del coronavirus. Aparentemente, también pueden hacer que sea mucho más difícil que los software de reconocimiento facial te identifiquen.
Este es el hallazgo clave de un nuevo informe publicado el lunes por investigadores federales del Instituto Nacional de Estándares y Tecnología (NIST, por sus siglas en inglés), una rama del Departamento de Comercio de Estados Unidos que dentro de sus funciones tiene la de medir la precisión de los algoritmos de reconocimiento facial que las empresas y los investigadores remiten al laboratorio.
Cuando se les encargó emparejar una foto de una persona que llevaba una máscara facial añadida digitalmente con una foto diferente de la persona en la que no la llevaba, los algoritmos de reconocimiento facial más precisos no lograron hacer una coincidencia correcta entre el 5% y el 50% de las veces, según el informe. En general, la mayoría de los algoritmos que se probaron tenían tasas de fallo de entre el 20% y el 50%, dijo a CNN Business Mei Ngan, científica informática del NIST y autora del informe.
Los problemas de identificación tienen sentido, ya que los sistemas de reconocimiento facial generalmente funcionan comparando mediciones entre diferentes rasgos faciales en una imagen con los de otra. Bloquear parte de la cara significa que hay menos información para que el software use para hacer una coincidencia.
La situación pone de relieve un desafío único en el que la industria tecnológica ya está trabajando a medida que la pandemia continúa. Si bien esta tecnología es controvertida –de hecho varias compañías han repensado recientemente si deben proporcionársela a las fuerzas del orden público–, se utiliza en una gran variedad de productos y servicios, desde usar tu cara para desbloquear el teléfono inteligente hasta pasar por un punto de control de seguridad.
Para su informe, los investigadores crearon nueve formas diferentes de máscaras de color negro y azul claro para dar cuenta de las formas de los tapabocas en el mundo real y las usaron para ocultar parte de la cara de una persona en una foto. Luego compararon una foto enmascarada digitalmente de cada persona con otra foto sin enmascarar de la misma persona. También llevaron a cabo una prueba de los algoritmos en ambos conjuntos de fotos sin máscaras virtuales.
En total probaron 89 algoritmos en más de 6 millones de fotos de un millón de personas diferentes. Las imágenes provenían de dos fuentes: de las solicitudes de beneficios de inmigración de Estados Unidos, que se utilizaron como imágenes sin máscara, y de fotos de viajeros cruzando la frontera para ingresar al país, a las que se les incorporó la mascarilla.
NIST descubrió que los mejores de estos algoritmos –que se enviaron al laboratorio antes de mediados de marzo– fallaron solo el 0,3% del tiempo cuando se hicieron las pruebas en estos mismos conjuntos de fotos sin las máscaras digitales. Con las mascarillas, sin embargo, las tasas de error subieron al 5% entre estos mismos algoritmos.
Una deficiencia obvia del informe es que NIST no probó los algoritmos en imágenes de personas que estaban usando mascarillas en la vida real. Ngan dijo que se usó la herramienta de mascarillas digitales debido a limitaciones de tiempo y recursos. Por el lado positivo, esto le permitió a los investigadores hacerse rápidamente una idea del efecto de las máscaras en los algoritmos, pero las mascarillas reales se ajustan de manera distinta a diferentes personas. Todavía se desconoce cómo la textura o los patrones pueden afectar la precisión del software de reconocimiento facial.
“Eso es algo que queremos observar”, dijo Ngan.
Algunas compañías han dicho que su tecnología de reconocimiento facial puede funcionar con máscaras, y Ngan dijo que escuchó de desarrolladores que están trabajando en algoritmos destinados a hacer que sea posible, tal vez entrenando un algoritmo con muchas imágenes de personas con máscaras reales o apuntando a la región de la cara por encima de la mitad de la nariz.
Ese es el enfoque para Marios Savvides, profesor de la Universidad Carnegie Mellon que estudia la identificación biométrica. Savvides dijo que una persona que usa una máscara puede ser esencialmente invisible para un sistema de reconocimiento facial, ya que ni siquiera detecta una cara en primer lugar. Él piensa que la región de la cara que incluye los ojos y las cejas tiende a cambiar menos con el tiempo, lo que hace que sea una buena parte de la cara cuando se trata de identificar a una persona cuya boca y nariz están ocultas.
El informe NIST es el primero de varios que el laboratorio planea emitir sobre cómo los algoritmos de reconocimiento facial identifican caras enmascaradas. En el otoño, dijo Ngan, el NIST espera publicar un informe sobre la precisión de los algoritmos que se crearon específicamente con la intención de detectar a las personas con mascarillas.