Los expertos en el reconocimiento de rostros suelen desempeñar un papel fundamental en los casos penales. Una foto de una cámara de seguridad puede significar prisión o libertad para un acusado, y el testimonio de examinadores forenses altamente capacitados informa al jurado si esa imagen realmente representa al acusado. ¿Qué tan buenos son los expertos en reconocimiento facial? ¿Ayudaría la inteligencia artificial?

Un estudio que aparece hoy en el procedimientos de la Academia Nacional de Ciencias ha traído respuestas. En un trabajo que combina la ciencia forense con la psicología y la investigación de la visión por computadora, un equipo de científicos del Instituto Nacional de Estándares y Tecnología (NIST) y tres universidades ha probado la precisión de los identificadores faciales profesionales, proporcionando al menos una revelación que sorprendió incluso a los investigadores:los seres humanos capacitados se desempeñan mejor con una computadora como socio, no otra persona.

"Este es el primer estudio que mide la precisión de la identificación facial para examinadores faciales forenses profesionales, trabajar en circunstancias que se aplican al trabajo de casos del mundo real, ", dijo el ingeniero electrónico del NIST P. Jonathon Phillips." Nuestro objetivo más profundo era encontrar mejores formas de aumentar la precisión de las comparaciones faciales forenses ".

El esfuerzo del equipo comenzó en respuesta a un informe de 2009 del Consejo Nacional de Investigación, "Fortalecimiento de la ciencia forense en los Estados Unidos:un camino a seguir", lo que subrayó la necesidad de medir la precisión de las decisiones de los examinadores forenses.

El estudio NIST es el examen más completo hasta la fecha del desempeño de la identificación facial en un variado grupo de personas. El estudio también examina la mejor tecnología, comparar la precisión de los algoritmos de reconocimiento facial de última generación con los expertos humanos.

¿Su resultado de esta clásica confrontación entre humanos y máquinas? Ninguno de los dos obtiene los mejores resultados por sí solo. La máxima precisión se logró con una colaboración entre los dos.

"Las sociedades confían en la experiencia y la formación de examinadores faciales forenses profesionales, porque se cree que sus juicios son los mejores, "dijo la coautora Alice O'Toole, profesor de ciencia cognitiva en la Universidad de Texas en Dallas. "Sin embargo, aprendimos que para obtener la identificación facial más precisa, deberíamos combinar las fuerzas de los seres humanos y las máquinas ".

Los resultados llegan en un momento oportuno en el desarrollo de la tecnología de reconocimiento facial, que viene avanzando desde hace décadas, pero sólo muy recientemente ha alcanzado una competencia que se acerca a la de los humanos de alto rendimiento.

"Si hubiéramos hecho este estudio hace tres años, el rendimiento del mejor algoritmo informático habría sido comparable al de un estudiante promedio no capacitado, ", Dijo Phillips." Hoy en día, Los algoritmos de última generación funcionan tan bien como un profesional altamente capacitado ".

El estudio en sí involucró a un total de 184 participantes, un gran número para un experimento de este tipo. Ochenta y siete eran examinadores faciales profesionales capacitados, mientras que 13 eran "superreconocidores, "un término que implica una habilidad natural excepcional. Los 84 restantes, los grupos de control, incluían 53 examinadores de huellas dactilares y 31 estudiantes de pregrado, ninguno de los cuales tenía entrenamiento en comparaciones faciales.

Para la prueba, los participantes recibieron 20 pares de imágenes faciales y calificaron la probabilidad de que cada par fuera la misma persona en una escala de siete puntos. El equipo de investigación seleccionó intencionalmente parejas extremadamente desafiantes, utilizando imágenes tomadas con un control limitado de la iluminación, expresión y apariencia. Luego probaron cuatro de los últimos algoritmos de reconocimiento facial computarizado, todos desarrollados entre 2015 y 2017, utilizando los mismos pares de imágenes.

Tres de los algoritmos fueron desarrollados por Rama Chellappa, profesor de ingeniería eléctrica e informática en la Universidad de Maryland, y su equipo, que contribuyó al estudio. Los algoritmos se entrenaron para trabajar en situaciones generales de reconocimiento facial y se aplicaron sin modificaciones a los conjuntos de imágenes.

Uno de los hallazgos no fue sorprendente pero significativo para el sistema judicial:los profesionales capacitados obtuvieron resultados significativamente mejores que los grupos de control no capacitados. Este resultado estableció la capacidad superior de los examinadores capacitados, proporcionando así por primera vez una base científica para su testimonio en la corte.

Los algoritmos también se desempeñaron bien, como podría esperarse de la mejora constante en el rendimiento del algoritmo durante los últimos años.

Lo que levantó las cejas colectivas del equipo fue el desempeño de múltiples examinadores. El equipo descubrió que la combinación de las opiniones de varios examinadores forenses faciales no arrojaba los resultados más precisos.

"Nuestros datos muestran que los mejores resultados provienen de un solo examinador facial que trabaja con un único algoritmo de alto rendimiento, ", Dijo Phillips." Si bien la combinación de dos examinadores humanos mejora la precisión, no es tan bueno como combinar un examinador y el mejor algoritmo ".

La combinación de examinadores e IA no se utiliza actualmente en el trabajo de casos forense del mundo real. Si bien este estudio no probó explícitamente esta fusión de examinadores e IA en un entorno forense tan operativo, Los resultados proporcionan una hoja de ruta para mejorar la precisión de la identificación de rostros en sistemas futuros.

Si bien el proyecto de tres años ha revelado que los humanos y los algoritmos utilizan diferentes enfoques para comparar rostros, plantea una pregunta tentadora a otros científicos:¿cuál es la distinción subyacente entre el enfoque humano y el algorítmico?

"Si la combinación de decisiones de dos fuentes aumenta la precisión, entonces este método demuestra la existencia de diferentes estrategias, ", Dijo Phillips." Pero no explica en qué se diferencian las estrategias ".