Un equipo de científicos estadounidenses ha creado esta tecnología gracias a técnicas de deep learning.

Por Pablo G. Bejerano para Think Big. La inteligencia artificial llega cada vez más lejos. Uno de los campos donde más se está investigando en los últimos años en el aprendizaje automático y una rama de esta especialidad es el deep learning, que trata de ir más allá en el tratamiento de los datos. Son estas técnicas las que están detrás de un algoritmo capaz de identificar a las personas que hay tras un rostro pixelado. La privacidad, tal y como estaba concebida hasta ahora en lo referente a las imágenes, estaría a punto de dar un vuelco.

Y es que para las personas sigue siendo imposible adivinar quién hay tras una cara pixelada, pero las máquinas ya pueden hacerlo. Lo han demostrado investigadores de la Universidad de Texas, en Austin, y de la Universidad de Cornell (en el estado de Nueva York). No han sido los primeros en hacerlo, pero su método es tan sencillo y tan accesible a cualquiera con ciertos conocimientos de programación que sitúa esta tecnología al alcance de muchos.

El algoritmo que han desarrollado estos científicos obtiene unos resultados sobresalientes. Mientras que una persona tiene un 0,19% de posibilidades de acertar cuando se enfrenta a unas caras pixeladas, el software identifica a las personas más de la mitad de las veces. Y si se le deja probar en cinco ocasiones el nivel de acierto se sitúa en más de un 80%.

El software no solo identifica las caras pixeladas sino que también puede bucear en los rostros que aparecen borrosos y salvar el cifrado P3, del que se dice que es un método seguro para ocultar imágenes.

Caras pixeladas

Para probar su algoritmo los científicos miraron hacia YouTube. La plataforma de vídeos tiene una herramienta para transformar las caras en una mancha borrosa, así que los investigadores tomaron una base de datos pública de rostros y los emborronaron con el software de YouTube. A continuación nutrieron su algoritmo con ambos tipos de imágenes, las normales y las modificadas.

De esta forma el algoritmo aprende cuáles son las correlaciones entre las fotografías intactas y las que exhiben patrones borrosos. Cuando después se le mostraron imágenes diferentes de las mismas personas que estaban en esa base de datos, el sistema pudo identificarlas con una precisión del 57%. Al cabo de cinco intentos la precisión aumentaba hasta un 85%.

La mayor dificultad a la hora de crear una herramienta que identifique rostros detrás de caras pixeladas quizá sea contar con una base de datos que se pueda entrenar. Sin embargo, hay muchas fotografías disponibles públicamente para llevar a cabo esta tarea. A partir de ahí se pueden aplicar técnicas de aprendizaje de patrones para comparar las imágenes y detectar los cambios.