El software de reconocimiento facial de Facebook es ahora tan preciso como el cerebro humano, pero ¿ahora qué?

Marcadores de reconocimiento facial

El proyecto de investigación de reconocimiento facial de Facebook, DeepFace (sí, de verdad), ahora es casi tan preciso como el cerebro humano. DeepFace puede mirar dos fotos e independientemente de la iluminación o el ángulo, puede decir con un 97,25% de precisión si las fotos contienen la misma cara. Los humanos pueden realizar la misma tarea con un 97,53% de precisión. DeepFace es actualmente solo un proyecto de investigación, pero es probable que en el futuro se use para ayudar con el reconocimiento facial en el sitio web de Facebook. También sería irresponsable si no mencionáramos el verdadero poder del reconocimiento facial, que seguramente Facebook está investigando: rastrear tu rostro en toda la web y en la vida real, mientras te mueves de tienda en tienda, produciendo algunos datos de seguimiento del comportamiento lucrativos de hecho.

El software DeepFace, desarrollado por el grupo de investigación de Facebook AI en Menlo Park, California, está respaldado por una red neuronal avanzada de aprendizaje profundo. Una red neuronal, como ya sabrá, es una pieza de software que simula una aproximación (muy básica) de cómo funcionan las neuronas reales. El aprendizaje profundo es uno de los muchos métodos para realizar el aprendizaje automático; Básicamente, analiza una gran cantidad de datos (por ejemplo, rostros humanos) e intenta desarrollar una abstracción de alto nivel (de un rostro humano) buscando patrones recurrentes (mejillas, cejas, etc.). En este caso, DeepFace consiste en un grupo de neuronas de nueve capas de profundidad, y luego un proceso de aprendizaje que ve la creación de 120 millones de conexiones (sinapsis) entre esas neuronas, basado en un corpus de cuatro millones de fotos de caras. (Más información sobre los esfuerzos de Facebook en el aprendizaje profundo.)

Una vez que se completa el proceso de aprendizaje, cada imagen que ingresa al sistema pasa a través de las sinapsis de una manera diferente, produciendo una huella digital única en la parte inferior de las nueve capas de neuronas. Por ejemplo, una neurona podría simplemente preguntar '¿la cara tiene una ceja poblada?' - si es así, se sigue una sinapsis, si no, se toma otra ruta. Esta es una descripción muy simplista de DeepFace y las redes neuronales de aprendizaje profundo, pero es de esperar que entiendas la idea.



Sylvester Stallone, pasando por DeepFace

Sylvester Stallone, pasando por el algoritmo orientado hacia adelante de DeepFace. Observe cómo la ligera inclinación / ángulo en (a) se corrige en (g). (d) es la cara prospectiva 'promedio' que se utiliza para la transformación. Ignore (h), no está relacionado.

De todos modos, dejando de lado las complejidades del aprendizaje automático, la prueba está mucho en comer: DeepFace, al comparar dos fotos diferentes del rostro de la misma persona, puede verificar una coincidencia con un 97,25% de precisión. Los seres humanos, que realizaron la misma prueba de verificación en el mismo conjunto de fotos, obtuvieron una puntuación ligeramente superior al 97,53%. DeepFace no se ve afectado por la iluminación variada entre las dos fotos, y las fotos desde ángulos extraños se transforman automáticamente (utilizando un modelo 3D de una cara 'promedio' que mira hacia adelante) para que todas las comparaciones se realicen con una foto estandarizada que mira hacia adelante . El artículo de investigación indica que el rendimiento, uno de los factores más importantes cuando se habla de la utilidad de un algoritmo de aprendizaje automático / visión por computadora, es excelente, 'cerrando la gran mayoría de (la) brecha de rendimiento'.

El reconocimiento facial de Facebook falla

Facebook intenta convencernos de que verificación (hacer coincidir dos imágenes de la misma cara) no es lo mismo que reconocimiento (mirando una nueva foto y relacionándola con el nombre de un usuario existente) ... pero eso es mentira. DeepFace claramente podría usarse para rastrear todas las fotos en Internet y vincularlas a su perfil de Facebook (asumiendo que su perfil contiene fotos de su cara, de todos modos). Facebook.com ya tiene un algoritmo de reconocimiento facial que analiza las fotos cargadas y le indica con etiquetas si se hace una coincidencia. No conozco la precisión del sistema actual, pero en mi experiencia, solo funciona realmente con fotos orientadas hacia adelante y puede producir muchas coincidencias falsas. Suponiendo que el equipo de DeepFace pueda continuar mejorando la precisión (y no hay razón para que no lo hagan), Facebook puede encontrarse en posesión de un software muy poderoso. (Trabajo de investigación: 'DeepFace: Cerrar la brecha del desempeño a nivel humano en la verificación facial“)

Lo que elige hacer con ese software, por supuesto, sigue siendo un misterio. Obviamente, eventualmente se usará para apuntalar la solución de reconocimiento facial existente en Facebook.com, asegurando que cada foto tuya en la red social esté conectada a tu cuenta (incluso si no muestran una etiqueta visible). A partir de ahí, es difícil imaginar que Zuckerberg y compañía mantendrán DeepFace exclusivamente confinado a Facebook.com: hay demasiado dinero que ganar escaneando el resto de la web pública en busca de coincidencias. Otra posibilidad sería diversificarse hacia el seguimiento facial en el mundo real: existen aplicaciones obvias en seguridad y CCTV, pero también en entornos comerciales, donde el seguimiento de los hábitos de compra del mundo real de alguien podría ser muy lucrativo. Como hemos comentado antes, Facebook (como Google) se vuelve exponencialmente más poderoso y valioso (tanto para usted como para sus accionistas) cuanto más sepa sobre usted.

Copyright © Todos Los Derechos Reservados | 2007es.com