Tags:

Si la inteligencia artificial nos va a facilitar la vida a corto plazo llevando a cabo tareas que hasta ahora realizábamos nosotros (y a veces no demasiado bien), su auge conllevará una serie de “contrapartidas”, como saltarse un buen número de sistemas de seguridad válidos para los humanos, pero muy fáciles de romper por un cerebro con inteligencia artificial. Por ejemplo, las típicas caras pixeladas que vemos en las noticias o que queremos ocultar por diversos motivos en nuestras fotos pueden ser reconocidas por la inteligencia artificial sin demasiados problemas.

Esto es sin duda una cuestión de importancia porque significa que a corto plazo los mecanismos para asegurar el anonimato que funcionan muy bien con humanos no serán válidos para las redes neuronales. De hecho ya no lo son, como veremos en pocos segundos. Lo primero es lo primero: ¿es siempre, para los humanos, una manera segura de mantener el anonimato? Depende mucho de cómo se realice el pixelado, no sería la primera vez que asistimos al uso de esa técnica con resultados bastante pobres.

Así se pixela una cara utilizando un programa como GIMP

¿Hasta qué punto reconoce las caras la inteligencia artificial?

Para entender hasta qué punto la inteligencia artificial es capaz de reconocer caras con alto grado de pixelado, e incluso imágenes que se han ofuscado para ocultar su contenido a las personas, echemos un vistazo a la tabla de imágenes a las que se les aplican diferentes niveles de pixelado y también se ofuscan sus datos.

Por decirlo así, los investigadores de la Universidad de Texas fueron capaces de recuperar imágenes tratadas con la herramienta de desenfoque propietaria de YouTube; el pixelado estándar (también llamado “mosaicing“), presente en Photoshop y otros programas comunes; y también la herramienta P3 que cifra los datos de identificación de fotografías JPEG para que los humanos no pueden ver la imagen global.

tabla-de-imagenes-ofuscadas

De todas estas imágenes que vemos, el test llevado a cabo por los investigadores fue capaz de reconocer las imágenes en al menos un 50% de las ocasiones, y hablamos de un porcentaje “tan bajo” en las muestras con mayor grado de ofuscación de los datos, porque en algunas de las muestras los índices de éxito suben del 75% y llegan hasta el 90% o 95%. Algo que, sin duda, nos debería dejar boquiabiertos.

¿Cómo lo hacen?

El equipo entrenó a las redes neuronales para llevar a cabo el reconocimiento de imágenes alimentándolos con datos de cuatro conjuntos de imágenes bien conocidas para el análisis. Cuantas más palabras, caras u objetos “ve” una red neuronal, mejor detecta los objetivos. Una vez que las redes neuronales consiguen más o menos el 90 por ciento de precisión, o más, en la identificación de los objetos relevantes en los conjuntos de entrenamiento, los investigadores ofuscan las imágenes utilizando las tres herramientas de privacidad y luego entrenan aún más sus redes neuronales para interpretar las imágenes borrosas y pixeladas basadas en el conocimiento de los originales.

Así, cuando la red neuronal ya está entrenada, se le pueden mostrar imágenes ofuscadas nuevas para que aplique lo aprendido anteriormente. Esto también da, sorprendentemente, unos niveles de acierto muy altos, mayores incluso al 90% en ocasiones. Por poner un ejemplo, la máquina no podría reconocer todos los rostros que pasan ante “sus ojos” a toda velocidad dentro de un vagón de metro, pero podría reconocer un rostro en particular que estemos buscando, entre toda la multitud de ese vagón de metro.

En el fondo, el objetivo de esta investigación es asegurarse de que cualquier herramienta de privacidad sea capaz de “engañar” a las máquinas para ser considerada siquiera una opción para nosotros. Como es natural, si un sistema de privacidad es “reventado” en un 30, 40 o 50 por ciento de las ocasiones, está obsoleto.

Vía | Wired

Volvo XC90

Cada detalle ha sido concebido para hacer de la conducción una experiencia más sencilla, más agradable, y menos estresante.

Descúbrelo