Un software juzga a las personas según sus rasgos faciales
La inteligencia artificial resucita la frenología pero lo llama Inferencia automatizada de la criminalidad usando imágenes faciales
 |
| Esther Eggers, Reformatorio para mujeres de Long Bay, 1919 |
No se tienen pruebas de que Marco Valerio Levino,
un general romano del siglo III a.C., dijese aquello de "cuando tengas
dudas entre dos presuntos criminales, elige al más feo", pero la
Universidad de Cornell, en EEUU, hoy le daría la razón. En 2011 publicaron un estudio que
defendía que las personas feas tienen más probabilidades de ir a la
cárcel que las guapas. Y ahora, unos investigadores chinos dicen ser
capaces de predecir la personalidad de las mujeres con tan solo mirar su
fotografía.
La historia salió a la luz en noviembre,
pero este es el segundo capítulo. Los científicos de la Universidad de
Jiao Tong, en Shangái, mezclaron inteligencia artificial con machine learning
y le añadieron un poco de imaginación. El resultado fue un estudio en
el que defendieron que las máquinas eran capaces de predecir a un futuro
criminal basándose en sus rasgos faciales. Lo llamaron Inferencia automatizada de la Criminalidad usando Imágenes Faciales. Luego fue publicado en arXiv,
un portal de la Universidad de Cornell que actúa como filtro preliminar
de los trabajos que luego serán aceptados de forma oficial por la
escuela.
El nuevo estudio se titula Inferencia automatizada en las impresiones sociopsicológicas del atractivo femenino. También lo han subido a arXiv, y también han utilizado machine learning
para desarrollarlo. Los tres investigadores han recopilado la foto de
3.954 mujeres en Baidu (el Google chino) y las han dividido en positivas
y negativas.
 |
| Las imágenes, divididas en positivas (S+) y negativas (S-) |
Las fotos "positivas" están asociadas a las
búsquedas que contienen palabras como "guapa", "elegante", "tierna",
"linda", "dulce" y "cuidada"; mientras que las negativas se relacionan
con "pretenciosa", "pomposa", "indiferente" y "coqueta". Para estar
seguros de haber elegido los conceptos correctos, los investigadores
preguntaron a 22 universitarios chinos si estaban de acuerdo con las
etiquetas.
Los dos grupos de imágenes se usaron después para entrenar a una red neuronal convolucional.
Estas redes se diferencian de las redes neuronales sencillas en que
están especializadas en tratamiento de imágenes y procesamiento del
lenguaje, lo que permite a los investigadores codificarlas de manera
diferente. La red diferenció entonces 2.000 imágenes como positivas y
1.954 como negativas. "Las dos clases de imágenes reflejan las
preferencias estéticas y los juicios de valor que prevalecen entre los
varones en la China contemporánea", sostienen.
A mayor maquillaje menos naturalidad
"La red neuronal es precisa infiriendo percepciones sociopsicológicas
de las mujeres atractivas chinas. Esto es bastante importante dado el
hecho de que incluso los observadores humanos tuvieron dificultades
racionalizando sus percepciones sociopsicológicas de las caras de
prueba", continúan. Los 22 universitarios situaron en la categoría
negativa a las mujeres que consideraban "poco naturales" y los
investigadores analizaron el contraste de las fotografías y la
saturación en busca de altos niveles de maquillaje. Y acertaron.
Las fotografías en la categoría positiva tenían de media un 13,84%
menos de contraste y casi un 5% menos de saturación del color que las
imágenes de la categoría negativa. La red neuronal detectó lo mismo que
los hombres y las juzgó de la misma forma que ellos: cuanto más
maquillaje, menos natural. Pero los investigadores no pueden explicar
qué relación hay entre llevar más maquillaje y ser peor persona. Como la
frenología no pudo hacerlo a comienzos del siglo XIX.
 |
| Las imágenes, divididas en positivas (S+) y negativas (S-) |
La frenología dos siglos después
Sabemos que el machine learning puede conseguir que una máquina identifique caras pixeladas, que una IA gane al mejor jugador de Go del mundo o al de StarCraft.
Pero los investigadores de la universidad de Jiao Tong no exploran una
idea nueva: la frenología ya intentó predecir conductas delictivas y
criminales con los rasgos faciales. Fue desterrada poco más tarde por no
contar con base científica suficiente, ya que asumía que las
variaciones del cráneo humano eran la llave que explicaba los trastornos
psíquicos o las enfermedades mentales.
El primer
estudio de los chinos en noviembre estaba más cerca de esta
pseudociencia que del campo científico. La investigación fue bastante
controvertida ya que hubo quien aseguró que carecían de base científica,
como el periodista de Quartz, Dave Gershgon. Sin embargo, sí hubo otros que la apoyaron, como Sam Biddle en The Intercept.
Los investigadores enseñaron al sistema 1.856 fotografías de chinos y
chinas entre 18 y 55 años, encontrándose según ellos con "algunas
características estructurales discriminatorias" que eran determinantes para predecir la criminalidad,
como "la curvatura de los labios, la distancia entre los ojos y el
ángulo entre la boca y nariz". Para que funcionase, los sujetos de
pruebas no podían tener barba ni cicatrices ni ningún otro tipo de marca
en sus rostros. 965 fotos correspondían a criminales, y utilizando una
red neuronal similar a la del segundo estudio, consiguieron que el
algoritmo identificase con éxito al 89,51% de los sujetos.
 |
| Inferencia Automatizada de la Criminalidad usando Imágenes Faciales |