Agencias / MonitorSur, Ciudad de México.- A fines de junio de 2018, Microsoft anunció en su blog la realización mejoras importantes en la tecnología de reconocimiento facial, en particular con la capacidad de explorar el género de las personas por medio del matiz de la piel. El interés por dar un giro a las actualizaciones del software respondía a las recientes preocupaciones por falta de precisión al momento de reconocer el color de la piel clara y piel oscura.
Con la actualización la compañía mencionó que reduce la tasa de error entre hombres y mujeres de piel más oscura, hasta 20 veces, en el caso de solo las mujeres la tasa de error se contrajo en 9 veces. El trabajo de la empresa ha logrado estrechar la diferencia para precisar datos demográficos sobre el color de piel entre distintos géneros, y tonalidades del mismo género.
Las tasas de errores han desafiado a la industria, la tecnología de la Inteligencia Artificial (IA), ha de ser tan buena como los datos empleados en la obtención de resultados, si el software de reconocimiento facial logra buen rendimiento en todas las personas, el conjunto de datos debe representar la diversidad de tonalidades existentes de la piel, e incluyen factores como peinado, joyería y gafas. Aunque nada especifica aún en casos de quemaduras, maquillaje, tatuajes o adornos visibles en el rostro.
El desarrollo de la tecnología de reconocimiento facial de Microsoft está disponible para Face API por medio de su programa de servicios Azure mejorando el sistema que llamaron “clasificador de género”, centrándose en tonos de piel. El equipo de trabajo de Face API realizó tres modificaciones: 1- ampliación y revisión de datos de entrenamiento y referencia; 2- nueva recopilación de datos para mejorar los datos existentes al enfocarse en el color de piel, género y edad, y 3- mejoras al clasificador optimizando resultados de precisión.
Investigadora senior del laboratorio de investigación de Microsoft, Ece Kamar, en Redmond, Washington, se centró en las herramientas de IA al identificar los puntos ciegos del entrenamiento, tales en la diversidad de piel oscura en las mujeres para que las tasas de error reduzcan su margen, constituyéndose en un gran desafío técnico: “Recopilar más datos que capten la diversidad de nuestro mundo y tener cuidado con la forma de medir el desempeño son pasos importantes hacia la mitigación de estos problemas”, expresó.
Desafío más matizado, manifestó la investigadora, es saber cómo y cuándo entrar al sistema de IA, el mismo refleja y amplifica los prejuicios sociales no por falta de datos o algoritmos insuficientes en el reconocimiento facial, sino porque las sociedades humanas son parciales. Los avances, en este campo de la tecnología, deben responder sobre qué valores sociales el sistema reflejará nuestra sociedad, y si dichos valores son los que queremos reflejar de nosotros en el sistema.
