Red neuronal aprende a identificar delincuentes por sus rostros

Poco después de la invención de la fotografía, algunos criminólogos comenzaron a notar patrones en las fotografías policiales que tomaban de los criminales. Los delincuentes, dijeron, tenían rasgos faciales particulares que permitían identificarlos como infractores de la ley.

Una de las voces más influyentes en este debate fue Cesare Lombroso, un criminólogo italiano, quien creía que los criminales eran retrógrados más estrechamente relacionados con los simios que con ciudadanos respetuosos de la ley. Estaba convencido de que podía identificarlos por las características de los simios, como una frente inclinada, orejas de tamaño inusual y varias asimetrías en la cara y los brazos largos. De hecho, midió muchos sujetos en un esfuerzo por probar su punto de vista, aunque no analizó sus datos estadísticamente.

Esta deficiencia finalmente lo llevó a su caída. Las opiniones de Lombroso fueron desacreditadas por el criminólogo inglés Charles Goring, quien analizó estadísticamente los datos relacionados con las anomalías físicas en los delincuentes frente a los no delincuentes. Concluyó que no había diferencia estadística.

Y ahí quedó el debate hasta 2011, cuando un grupo de psicólogos de la Universidad de Cornell demostró que las personas eran bastante buenas para distinguir a los delincuentes de los no delincuentes con solo mirar fotos de ellos. ¿Cómo podría ser eso si no hay características estadísticamente diferentes?

Hoy, recibimos una especie de respuesta, gracias al trabajo de Xiaolin Wu y Xi Zhang de la Universidad Jiao Tong de Shanghai en China. Estos muchachos han utilizado una variedad de algoritmos de visión artificial para estudiar rostros de delincuentes y no delincuentes y luego lo probaron para descubrir si podía notar la diferencia.

Su método es sencillo. Toman fotos de identificación de 1856 hombres chinos de entre 18 y 55 años sin vello facial. La mitad de estos hombres eran delincuentes.

Luego usaron el 90 por ciento de estas imágenes para entrenar una red neuronal convolucional para reconocer la diferencia y luego probaron la red neuronal en el 10 por ciento restante de las imágenes.

Los resultados son inquietantes. Xiaolin y Xi descubrieron que la red neuronal podía identificar correctamente a delincuentes y no delincuentes con una precisión del 89,5 por ciento. Estos resultados altamente consistentes son evidencias de la validez de la inferencia automática inducida por el rostro sobre la criminalidad, a pesar de la controversia histórica que rodea el tema, dicen.

Xiaolin y Xi dicen que hay tres características faciales que utiliza la red neuronal para hacer su clasificación. Estos son: la curvatura del labio superior, que es en promedio un 23 por ciento más grande para los delincuentes que para los no delincuentes; la distancia entre dos esquinas internas de los ojos, que es un 6 por ciento más corta; y el ángulo entre dos líneas dibujadas desde la punta de la nariz hasta las comisuras de la boca, que es un 20 por ciento más pequeño.

Continúan trazando la variación en los datos de rostros criminales y no criminales en un espacio de parámetros simplificado llamado variedad. Y este proceso revela por qué la diferencia ha sido difícil de precisar.

Xiaolin y Xi muestran que estos conjuntos de datos son concéntricos pero que los datos de rostros de delincuentes tienen una variación mucho mayor. En otras palabras, los rostros del público general que cumple la ley tienen un mayor grado de semejanza en comparación con los rostros de los delincuentes, o los delincuentes tienen un mayor grado de disimilitud en la apariencia facial que las personas normales, dicen Xiaolin y Xi.

Esto también puede explicar por qué ciertos tipos de pruebas estadísticas no pueden distinguir entre estos conjuntos de datos. De hecho, Xiaolin y Xi muestran que cuando combinan rostros criminales y no criminales para crear rostros promedio, se ven casi idénticos.

Aunque controvertido, ese resultado no es del todo inesperado. Si los humanos pueden detectar a los delincuentes mirándoles la cara, como descubrieron los psicólogos en 2011, no debería sorprender que las máquinas también puedan hacerlo.

La preocupación, por supuesto, es cómo los humanos podrían usar estas máquinas. No es difícil imaginar cómo se podría aplicar este proceso a conjuntos de datos de, por ejemplo, fotos de pasaportes o licencias de conducir para todo un país. Entonces sería posible identificar a aquellas personas identificadas como infractores de la ley, hayan cometido o no un delito.

eso es un tipo de Informe de minorías escenario en el que los infractores de la ley podrían ser identificados antes de que hayan cometido un delito.

Por supuesto, este trabajo debe asentarse sobre una base mucho más sólida. Necesita ser reproducido con diferentes edades, sexos, etnias, etc. Y en conjuntos de datos mucho más grandes. Eso debería ayudar a desmenuzar las complejidades de los hallazgos. Por ejemplo, Xiaolin y Xi encuentran que los rostros criminales se pueden subdividir en cuatro subgrupos, pero los rostros no criminales en solo tres. ¿Cómo? ¿Y cómo varía esto en otros grupos?

Y el trabajo plantea cuestiones importantes. Si el resultado se sostiene, ¿cómo se explica? ¿Por qué los rostros de los delincuentes tienen una variación mucho mayor que los de los no delincuentes? ¿Y cómo podemos detectar estos rostros? ¿Es un comportamiento aprendido o un comportamiento programado que ha evolucionado?

Todo esto presagia una nueva era de antropometría, criminal o no. La semana pasada, los investigadores revelaron cómo habían entrenado una máquina de aprendizaje profundo para juzgar, de la misma manera que los humanos, si alguien era confiable al mirar una instantánea de su rostro. Este trabajo es otra versión del mismo tema. Y hay espacio para mucha más investigación a medida que las máquinas se vuelven más capaces. Examinar lo que nuestra ropa o cabello dicen sobre nosotros es un ángulo obvio. Y las máquinas pronto también podrán estudiar el movimiento. Eso plantea la posibilidad de estudiar cómo nos movemos, cómo interactuamos, etc.

Ref: arxiv.org/abs/1611.04135 : Inferencia automatizada sobre criminalidad usando imágenes de rostros

esconder