DeepFace es un sistema de reconocimiento facial de aprendizaje profundo creado por un grupo de investigación en Facebook . Identifica rostros humanos en imágenes digitales. El programa emplea una red neuronal de nueve capas con más de 120 millones de pesos de conexión y fue entrenado en cuatro millones de imágenes cargadas por usuarios de Facebook. [1] [2] El equipo de investigación de Facebook ha declarado que el método DeepFace alcanza una precisión de 97,35% ± 0,25% en el conjunto de datos de Caras etiquetadas en la naturaleza (LFW) donde los seres humanos tienen 97,53%. [3] Esto significa que DeepFace a veces tiene más éxito que los seres humanos.
Lanzamiento comercial
Origen
DeepFace fue producido por una colección de científicos del equipo de investigación de inteligencia artificial de Facebook. El equipo incluye a Yainiv Taigman y un científico investigador de Facebook, Ming Yang. También se les unió Lior Wolf, un miembro de la facultad de la Universidad de Tel Aviv . Yaniv Taigman, llegó a Facebook cuando Facebook adquirió Face.com en 2007.
Facebook comenzó a implementar DeepFace para sus usuarios a principios de 2015 y ha expandido continuamente el uso y el software de DeepFace, [4] . DeepFace, según el director de investigación de inteligencia artificial de Facebook , no tiene la intención de invadir la privacidad individual. En cambio, DeepFace alerta a las personas cuando su rostro aparece en cualquier foto publicada en Facebook. Cuando reciben esta notificación, tienen la opción de quitar su rostro de la foto. [5]
Unión Europea
Cuando se implementó inicialmente la tecnología DeepFace, los usuarios tenían la opción de desactivar DeepFace. Sin embargo, no se les notificó que estaba encendido. [6] Debido a esto, DeepFace no fue lanzado en la Unión Europea . Una ley de privacidad de datos en la UE argumentó que el reconocimiento facial de Facebook no cumplía con las leyes de protección de datos de la UE. Debido a que los usuarios no dan su consentimiento para todos los usos de sus datos biométricos, no cumple. [7]
Eficacia en comparación
Los sistemas DeepFace pueden identificar rostros con un 97% de precisión, casi la misma precisión que un humano en la misma posición. El reconocimiento facial de Facebook es más efectivo que la tecnología del FBI , que tiene un 85% de precisión. [8] La tecnología de Google , FaceNet, tiene más éxito que DeepFace utilizando los mismos conjuntos de datos. FaceNet estableció un récord de precisión, 99,63%. FaceNet de Google incorpora datos de Google Photos . [9]
Usos actuales
Facebook utiliza plantillas de reconocimiento facial individuales para encontrar fotos en las que se encuentra una persona para que pueda revisar, participar o compartir el contenido. DeepFace protege a las personas contra la suplantación de identidad o el robo de identidad. Tomemos, por ejemplo, un caso en el que una persona usó la foto de perfil de alguien como propia. A través de DeepFace, Facebook puede identificar y alertar a la persona cuya información se está utilizando indebidamente. [10] Para garantizar que las personas tengan control sobre su reconocimiento facial, Facebook no comparte plantillas faciales. Además, Facebook eliminará las imágenes de las plantillas de reconocimiento facial si alguien ha eliminado su cuenta o se ha quitado la etiqueta de una foto. Las personas también tienen la capacidad de desactivar su reconocimiento facial en Facebook. Si la función está desactivada, Facebook dejará de reconocer el rostro de esa persona.
Tras el lanzamiento de DeepFace en 2015, sus usos se han mantenido bastante estancados. Debido a que más personas han subido imágenes a Facebook, el algoritmo se ha vuelto más preciso. DeepFace de Facebook es el mayor conjunto de datos de reconocimiento facial que existe actualmente. Debido a esto, algunas personas argumentan que la base de datos de identificación facial de Facebook podría distribuirse a agencias gubernamentales. [11] Sin embargo, estos usos estarían prohibidos por la mayoría de las leyes de privacidad de datos. En respuesta a las preocupaciones sobre la privacidad, Facebook eliminó su función de reconocimiento facial automático, lo que permite a las personas optar por el etiquetado a través de DeepFace. Este cambio se implementó en 2019.
Método
DeepFace comienza utilizando versiones alineadas de varias bases de datos existentes para mejorar los algoritmos y producir una salida normalizada. [12] [13] Sin embargo, estos modelos son insuficientes para producir un reconocimiento facial efectivo en todos los casos. DeepFace utiliza detectores de puntos fiduciales basados en bases de datos existentes para dirigir la alineación de caras. La alineación facial comienza con una alineación en 2D y luego continúa con una alineación y frontalización en 3D. Es decir, el proceso de DeepFace consta de dos pasos. Primero, corrige los ángulos de una imagen para que la cara en la foto mire hacia adelante. Para lograr esto, utiliza un modelo tridimensional de una cara. Luego, el aprendizaje profundo produce una descripción numérica del rostro. Si DeepFace presenta una descripción lo suficientemente similar para dos imágenes, asume que estas dos imágenes comparten una cara. [14]
Alineación 2D
El proceso de DeepFace comienza detectando 6 puntos de referencia en la cara detectada: el centro de los ojos, la punta de la nariz y la ubicación de la boca. Estos puntos se traducen en una imagen deformada para ayudar a detectar la cara. Sin embargo, la transformación 2D no compensa las rotaciones que están fuera de lugar.
Alineación 3D
Para alinear caras, DeepFace utiliza un modelo 3D genérico en el que las imágenes 2D se recortan como versiones 3D. La imagen 3D tiene 67 puntos de referencia. Una vez deformada la imagen, hay 67 puntos de anclaje colocados manualmente en la imagen para que coincidan con los 67 puntos de referencia. Luego se instala una cámara de 3D a 2D que minimiza las pérdidas. Debido a que los puntos detectados en 3D en el contorno de la cara pueden ser inexactos, este paso es importante.
Frontalización
Debido a que las proyecciones en perspectiva completa no se modelan, la cámara instalada es solo una aproximación del rostro real del individuo. Para reducir errores, DeepFace tiene como objetivo deformar las imágenes 2D con distorsiones más pequeñas. Además, la cámara P es capaz de reemplazar partes de la imagen y mezclarlas con sus contrapartes simétricas.
Reacciones
Reacción de la industria
El investigador de inteligencia artificial Ben Goertzel dijo que Facebook había "resuelto de manera bastante convincente el reconocimiento facial" con el proyecto, pero dijo que sería incorrecto concluir que el aprendizaje profundo es la solución completa para la inteligencia artificial.
Neeraj Kumar , investigador de la Universidad de Washington, dijo que DeepFace de Facebook muestra cómo grandes conjuntos de datos externos pueden resultar en un modelo de “mayor capacidad”. Debido al amplio acceso de Facebook a imágenes de individuos, su software de reconocimiento facial puede funcionar comparativamente mejor que otros softwares con conjuntos de datos mucho más pequeños. [15] [16]
Reacción de los medios
Un artículo del Huffington Post calificó la tecnología como "espeluznante", citando preocupaciones sobre la privacidad de los datos , y señaló que algunos gobiernos europeos ya habían exigido a Facebook que eliminara los datos de reconocimiento facial. [17] Según Broadcasting & Cable , tanto Facebook como Google habían sido invitados por el Centro para la Democracia Digital para asistir a una "reunión de partes interesadas" de la Administración Nacional de Telecomunicaciones e Información de 2014 para ayudar a desarrollar una Declaración de Derechos de Privacidad del consumidor , pero ambos declinaron. Broadcasting & Cable también señaló que Facebook no había publicado ningún anuncio de prensa sobre DeepFace, aunque su artículo de investigación se había publicado a principios de mes. Slate dijo que Facebook no estaba publicitando DeepFace porque desconfía de otra ronda de titulares que denuncien lo espeluznante de DeepFace.
Reacción del usuario
Muchas personas temen a la tecnología de reconocimiento facial. [18] [19] La precisión casi perfecta de la tecnología permite a las empresas de redes sociales crear perfiles digitales de millones de estadounidenses. [20] Sin embargo, el miedo de un individuo al reconocimiento facial y otras preocupaciones de privacidad no se corresponde con una disminución en el uso de las redes sociales. En cambio, las actitudes hacia la privacidad y la configuración de privacidad no tienen un gran impacto en la intención de un individuo de usar las aplicaciones de Facebook. [21] [22] [23] Debido a que Facebook es un sitio de redes sociales, los temores individuales sobre la privacidad son superados por el deseo de participar en las redes sociales. [24]
Preocupaciones sobre la privacidad
Demanda BIPA
Los usuarios de Facebook presentaron una demanda colectiva contra Facebook bajo la Ley de Privacidad de la Información Biométrica de Illinois (BIPA). [25] Illinois tiene la legislación de privacidad biométrica más completa, que regula la recopilación de información biométrica por parte de entidades comerciales. [26] La BIPA de Illinois requiere que una corporación que obtenga la información biométrica de una persona obtenga una autorización por escrito, le notifique que se está recopilando su información e indique la duración de la recopilación de la información. La demanda presentada contra DeepFace alega que la recopilación de información de identificación facial de Facebook con el propósito de la herramienta de sugerencia de etiquetas viola BIPA. [27] Debido a que Facebook no da aviso ni consentimiento a las personas cuando usan esta herramienta, los usuarios de Facebook argumentan que viola BIPA. [28] El Noveno Circuito rechazó la moción de Facebook para desestimar el caso y finalmente certificó el caso. Facebook buscó apelar a la certificación de la decisión del Noveno Circuito que finalmente fue otorgada. Facebook afirma que el caso no debería haber sido verificado porque los Demandantes no han alegado ningún daño más allá de la violación de BIPA por parte de Facebook. Facebook eliminó su función de etiquetado de reconocimiento facial automático en 2019, en respuesta a las preocupaciones planteadas en la demanda. [29] Facebook propuso un acuerdo de $ 550 millones para el caso, que fue rechazado. Cuando Facebook aumentó el acuerdo a $ 650 millones, el tribunal lo aceptó. Se ordenó a Facebook que pagara su acuerdo de $ 650 millones a principios de marzo de 2021. 1.6 millones de residentes de Illinois recibirán al menos $ 345 dólares. [30]
Racismo en la tecnología de identificación facial
Los algoritmos de reconocimiento facial no tienen un éxito universal. [31] Si bien los algoritmos son capaces de clasificar rostros con más del 90% de precisión en algunos casos, la precisión es menor cuando los algoritmos están destinados a mujeres, personas de raza negra y jóvenes. [32] Los sistemas identifican falsamente rostros negros y asiáticos de 10 a 100 veces más que con rostros blancos. [33] Debido a que los algoritmos se entrenan principalmente con hombres blancos, los sistemas como DeepFace tienen más dificultades para identificarlos. [34] Los científicos creen que una vez que las bases de datos de reconocimiento facial estén capacitadas para identificar a las personas de color, exponiéndolas a rostros más diversos, tendrán más éxito en la identificación. [35]
En julio de 2020, Facebook anunció que está formando equipos que analizarán el racismo en sus algoritmos. [36] Los equipos de Facebook trabajarán con el equipo de IA responsable de Facebook para estudiar el sesgo en sus sistemas. La implementación de estos programas es reciente y aún no está claro qué reformas se realizarán. [37]
Desafío de 10 años
En 2019, un desafío de Facebook se volvió viral pidiendo a los usuarios que publicaran una foto de hace 10 años y una de 2019. El desafío se denominó "Desafío de 10 años". Más de 5 millones de personas participaron en el desafío, incluidas muchas celebridades. Surgió la preocupación de que el desafío de 10 años de Facebook se diseñó para entrenar la base de datos de reconocimiento facial de Facebook. Kate O'Neill, escritora de Wired , escribió un artículo de opinión que se hacía eco de esta posibilidad. [38] Facebook negó haber jugado un papel en la generación del desafío. [39] En cambio, argumentaron que era un desafío generado por el usuario que permitía a las personas divertirse en línea. Sin embargo, las personas han argumentado que las preocupaciones que subrayan las teorías en torno al desafío de los 10 años se hacen eco de preocupaciones más amplias sobre Facebook y el derecho a la privacidad. [40]
Ver también
- Críticas a Facebook
- Reconocimiento facial
- Ley de privacidad de la información biométrica
Referencias
- ^ "Facebook crea software que coincide con las caras casi tan bien como usted" , Technology Review , Instituto de Tecnología de Massachusetts, 17 de marzo de 2014
- ^ "DeepFace de Facebook muestra serias habilidades de reconocimiento facial" , CBS News , 19 de marzo de 2014
- ^ "DeepFace: cerrar la brecha al rendimiento a nivel humano en la verificación facial" . Investigación de Facebook . Consultado el 25 de julio de 2019 .
- ^ Chowdhry, Amit. "El software DeepFace de Facebook puede coincidir con caras con una precisión del 97,25%" . Forbes . Consultado el 9 de abril de 2021 .
- ^ Chowdhry, Amit. "El software DeepFace de Facebook puede coincidir con caras con una precisión del 97,25%" . Forbes . Consultado el 8 de abril de 2021 .
- ^ "Facebook resuelve disputa de reconocimiento facial" . BBC News . 2020-01-30 . Consultado el 8 de abril de 2021 .
- ^ "Vol 23.1 - Invierno de 2017 | Revista de derecho científico y tecnológico" . www.bu.edu . Consultado el 24 de abril de 2021 .
- ^ "Tecnología de reconocimiento facial: garantizar la transparencia en el uso del gobierno - FBI" . www.fbi.gov . Consultado el 9 de abril de 2021 .
- ^ "Reconocimiento facial: 7 tendencias principales (tecnología, proveedores, mercados, casos de uso y últimas noticias)" . Thales Group . Consultado el 9 de abril de 2021 .
- ^ "¿Qué es la configuración de reconocimiento facial en Facebook y cómo funciona? | Centro de ayuda de Facebook" . www.facebook.com . Consultado el 22 de abril de 2021 .
- ^ Glaser, abril (09/07/2019). "La base de datos Face-ID de Facebook podría ser la más grande del mundo. Sí, debería preocuparnos" . Revista Slate . Consultado el 22 de abril de 2021 .
- ^ Ramachandra, Raghavendra; Busch, Christoph (20 de marzo de 2017). "Métodos de detección de ataques de presentación para sistemas de reconocimiento facial: una encuesta completa" . Encuestas de computación ACM . 50 (1): 8: 1–8: 37. doi : 10.1145 / 3038924 . ISSN 0360-0300 . S2CID 15240764 .
- ^ Arachchilage, Samadhi (2020). "Rostros profundamente aprendidos: una encuesta" . Revista EURASIP sobre procesamiento de imágenes y videos .
- ^ "DeepFace: cerrar la brecha al rendimiento a nivel humano en la verificación facial" . Investigación de Facebook . Consultado el 25 de abril de 2021 .
- ^ "Facebook crea software que se adapta a las caras casi tan bien como usted" . Revisión de tecnología del MIT . Consultado el 22 de abril de 2021 .
- ^ Rubinstein, Ira; Bien, Nathan (2012). "Privacidad por diseño: un análisis contrafactual de incidentes de privacidad de Google y Facebook" . Diario electrónico SSRN . doi : 10.2139 / ssrn.2128146 . ISSN 1556-5068 .
- ^ Gr, Dino; oni (18 de marzo de 2014). "El nuevo programa 'DeepFace' de Facebook es tan espeluznante como suena" . HuffPost . Consultado el 22 de abril de 2021 .
- ^ "Privacidad e identidad en Facebook" , Discurso e identidad en Facebook , Bloomsbury Academic, 2017, doi : 10.5040 / 9781474289153.0014 , ISBN 978-1-4742-8912-2, consultado el 24 de abril de 2021
- ^ Barrett, Lindsey (24 de julio de 2020). "Prohibir las tecnologías de reconocimiento facial para niños y para todos los demás" . Rochester, Nueva York. SSRN 3660118 . Cite journal requiere
|journal=
( ayuda ) - ^ Huang, Michelle Yan. "El reconocimiento facial es casi perfectamente preciso. He aquí por qué eso podría ser un problema" . Business Insider . Consultado el 22 de abril de 2021 .
- ^ Van Der Schyff, Karl; Flowerday, Stephen; Lowry, Paul Benjamin (1 de agosto de 2020). "Comportamiento de privacidad de la información en el uso de aplicaciones de Facebook: una evaluación de vulnerabilidad basada en la personalidad" . Heliyon . 6 (8): e04714. doi : 10.1016 / j.heliyon.2020.e04714 . ISSN 2405-8440 . PMC 7452521 . PMID 32904276 .
- ^ Mathiyalakan, Sathasivam; Heilman, George; Ho, Kevin; Law, Wai (1 de enero de 2018). "Un examen del impacto del género y la cultura en la privacidad y la confianza de Facebook en Guam" . Revista de Tecnología Internacional y Gestión de la Información . 27 (1): 29–56. ISSN 1941-6679 .
- ^ "El reconocimiento facial de Facebook golpea las protestas de privacidad" . La tecnología biométrica en la actualidad . 2011 (7): 1. Julio de 2011. doi : 10.1016 / s0969-4765 (11) 70120-5 . ISSN 0969-4765 .
- ^ Rosenthal, Sonny; Wasenden, Ole-Christian; Gronnevet, Gorm-Andreas; Ling, Rich (1 de noviembre de 2020). "Un modelo tripartito de confianza en Facebook: aceptación de la personalización de la información, preocupación por la privacidad y alfabetización de la privacidad" . Psicología de los medios . 23 (6): 840–864. doi : 10.1080 / 15213269.2019.1648218 . ISSN 1521-3269 . S2CID 201372342 .
- ^ "Poder, omnipresencia y potencial: el nuevo mundo feliz del reconocimiento facial a través de una lente de derecho penal (y más allá)" . nycbar.org . Consultado el 31 de marzo de 2021 .
- ^ "El ascenso y la regulación de la tecnología de reconocimiento facial térmica durante la pandemia de COVID-19" - Búsqueda de Google" . Www.google.com Obtenido. 04/22/2021 .
- ^ Centro, información de privacidad electrónica. "EPIC - Patel v. Facebook" . epic.org . Consultado el 22 de abril de 2021 .
- ^ "Red social o pesadilla social: cómo los tribunales de California pueden prevenir la aterradora incursión de Facebook en la tecnología de reconocimiento facial de inquietantes derechos de privacidad del consumidor para siempre" . vLex . Consultado el 24 de abril de 2021 .
- ^ "Una actualización sobre el reconocimiento facial en Facebook" . Acerca de Facebook . 2019-09-03 . Consultado el 22 de abril de 2021 .
- ^ "Facebook pagará $ 650 millones para resolver una demanda colectiva centrada en la ley de privacidad de Illinois" . TechCrunch . Consultado el 22 de abril de 2021 .
- ^ Becerra-Riera, Fabiola; Morales-González, Annette; Méndez-Vázquez, Heydi (1 de agosto de 2019). "Una encuesta sobre biometría facial blanda para videovigilancia y aplicaciones forenses" . Revisión de inteligencia artificial . 52 (2): 1155-1187. doi : 10.1007 / s10462-019-09689-5 . ISSN 0269-2821 . S2CID 186207594 .
- ^ Buolamwini, Joy; Gebru, Timnit (21 de enero de 2018). "Tonos de género: disparidades de precisión interseccional en la clasificación comercial de género" . Conferencia sobre Equidad, Responsabilidad y Transparencia . PMLR: 77–91.
- ^ "govinfo" . www.govinfo.gov . Consultado el 23 de abril de 2021 .
- ^ "Sesgo hacia adentro, hacia afuera: por qué la legislación que impone requisitos sobre la adquisición de tecnología de reconocimiento facial comercializada debe aprobarse para proteger a las personas de color" . www.americanbar.org . Consultado el 23 de abril de 2021 .
- ^ Kane, Kane; Joven, ámbar; Majchrzak, Ann; Ransbotham, Sam (1 de marzo de 2021). "Evitar un futuro opresivo del aprendizaje automático: una teoría de diseño para asistentes emancipadores" . Sistemas de información de gestión trimestral . 45 (1): 371–396. doi : 10.25300 / MISQ / 2021/1578 . ISSN 0276-7783 .
- ^ Heilweil, Rebecca (22 de julio de 2020). "Facebook está analizando detenidamente los prejuicios raciales en sus algoritmos" . Vox . Consultado el 23 de abril de 2021 .
- ^ Trautman, Lawrence J. (27 de marzo de 2020). "Gobernanza de la crisis de privacidad de Facebook" . Pittsburgh Journal of Technology Law & Policy . 20 (1). doi : 10.5195 / tlp.2020.234 . ISSN 2164-800X .
- ^ "El 'Desafío de 10 años' de Facebook es solo un meme inofensivo, ¿verdad?" . Cableado . ISSN 1059-1028 . Consultado el 22 de abril de 2021 .
- ^ "https://twitter.com/facebook/status/1085675097766031360" . Twitter . Consultado el 22 de abril de 2021 . Enlace externo en
|title=
( ayuda ) - ^ Slobom, Michael (1 de enero de 2020). "Consentimiento, apropiación por manipulación y el desafío de 10 años: cómo un meme de Internet complicó la privacidad de la información biométrica" . Revisión de la ley Mitchell Hamline . 46 (5).
Error de cita: una referencia definida por lista llamada "HufPo2014" no se utiliza en el contenido (consulte la página de ayuda ).
Error de cita: una referencia definida por lista denominada "Forbes2014" no se utiliza en el contenido (consulte la página de ayuda ).
Error de cita: una referencia definida por lista denominada "BC2014" no se utiliza en el contenido (consulte la página de ayuda ).
Error de cita: una referencia definida por lista denominada "Verge2014" no se utiliza en el contenido (consulte la página de ayuda ).
Error de cita: una referencia definida por lista llamada "RiceEE2015" no se utiliza en el contenido (consulte la página de ayuda ).
Error de cita: una referencia definida por lista denominada "Slate2014" no se utiliza en el contenido (consulte la página de ayuda ).
Otras lecturas
- Yaniv Taigman; Ming Yang; Marc'Aurelio Ranzato; Lior Wolf (24 de junio de 2014), "DeepFace: Closing the Gap to Human-Level Performance in Face Verification" , Conferencia sobre Visión por Computador y Reconocimiento de Patrones (CVPR) , Grupo de Investigación de Facebook
- John Bohannon (5 de febrero de 2015), "Facebook pronto podrá identificarte en cualquier foto" , Science (sitio web), Asociación Estadounidense para el Avance de la Ciencia , doi : 10.1126 / science.aaa7804