2019-07-01T22:33:34+00:0001/07/2019|Etiquetas: , , , |

Prohibir el reconocimiento facial reduce la seguridad (Contributed)

Kevin Freiburger
26 de junio de 2019

La tecnología de reconocimiento facial no siempre ha sido viable para el sector público. La precisión de los algoritmos de reconocimiento facial no era fiable y algunos presentaban interpretaciones sesgadas. Los propios sistemas requerían una supervisión significativa de TI para operar.

Sin embargo, esa situación ha cambiado. La tecnología de reconocimiento facial de hoy en día es mucho más rápida, más precisa y más fácil de operar, y esto se debe, en gran medida, al machine learning (aprendizaje de máquina). Machine Learning permite que el software de reconocimiento aprenda solo, reduciendo los sesgos que pudiera presentar y aumentando su precisión. Google, Microsoft y Amazon ayudaron a democratizar esta tecnología de aprendizaje de máquina con herramientas e infraestructuras que los creadores de software de reconocimiento facial usaron para mejorar sus programas de identificación. De hecho, Amazon y Microsoft han dado un paso más allá para construir sus propios sistemas de reconocimiento facial –disponibles para compra–, lo que incluye a las agencias gubernamentales.

Mientras que Microsoft ha dejado de vender tecnología de reconocimiento facial a instituciones gubernamentales, Amazon sigue haciéndolo. Durante su reunión anual de accionistas en mayo, Amazon afirmó que continuará vendiendo software de reconocimiento facial a instituciones gubernamentales que «cumplen la ley». Justificación de Amazon: No se prohíbe completamente una tecnología porque tiene el potencial de ser mal utilizada.

Pero no todos están de acuerdo. Ahora que las agencias gubernamentales utilizan la tecnología de reconocimiento facial –fácilmente disponible–, las organizaciones de vigilancia y los ciudadanos preocupados están trabajando para combatir cualquier amenaza derivada del uso de esta tecnología, tanto en cuanto a la privacidad de los ciudadanos como en relación a los derechos humanos básicos.

La ciudad de San Francisco ha subido el nivel de esta disputa. A principios de mayo, los líderes de la ciudad decidieron prohibir la utilización de la tecnología de vigilancia por parte de la policía y de otras agencias gubernamentales. Del mismo modo que los aparatos tecnológicos, como las cámaras corporales y los lectores de peaje, la «tecnología de vigilancia» incluye todas las iteraciones de software de reconocimiento facial y cualquier información que se origine de esas iteraciones. Eso significa que, si bien la tecnología de vigilancia masiva se encuentra en el epicentro de la prohibición, cualquier otra tecnología que cree o use datos biométricos también estará prohibida.

Los líderes de la ciudad de San Francisco –considerada un centro de innovación tecnológica– sintieron la responsabilidad de evitar el mal uso de la tecnología de reconocimiento facial. La prohibición ha logrado reducir los temores del surgimiento de un estado de vigilancia, pero también ha estancado el progreso de las aplicaciones seguras y útiles que usan esa tecnología.

ES UN ERROR PROHIBIR EL RECONOCIMIENTO FACIAL DE MANERA GENERALIZADA

Negarse a reconocer los beneficios de la tecnología de reconocimiento facial es perjudicial para las agencias gubernamentales. En lugar de negar totalmente su valor, las entidades gubernamentales deben reconocer la utilidad de esa tecnología y crear reglamentaciones que eviten su uso indebido.

Las aplicaciones de esta tecnología en los departamentos de vehículos de automoción (DMWs, según sus siglas en inglés) son un ejemplo de tecnología de reconocimiento facial con valor agregado. Muchas de estas agencias ya utilizan esa tecnología, pero no para capturar imágenes de vigilancia masiva, sino para reducir el robo de identidad (logrando buenos resultados) y evitar el uso de documentos de identidad fraudulentos emitidos por el gobierno.

Usando un software de reconocimiento facial, un DMV identificó 173 transacciones fraudulentas, 53 de las cuales fueron transacciones en las que la identidad de un residente fue robada y otra persona estaba tratando de obtener un documento de ID emitido por el gobierno utilizando la información robada de la víctima. Estas estadísticas fueron reunidas en un único año dentro del estado de San Francisco. Prohibir la tecnología mientras continúa produciendo resultados benéficos a favor del público es dar un paso atrás.

ACLARAR LOS ERRORES ES LA CLAVE PARA EVITAR OTRAS PROHIBICIONES

El reconocimiento facial solía ser una caja negra para los gobiernos y otras entidades que aplicaban esa tecnología: los usuarios necesitaban un resultado, pero no estaban específicamente interesados en saber cómo se había creado el resultado. Sin embargo, después de que surgieron las noticias de la prohibición en San Francisco, los usuarios y otros ciudadanos se interesaron por los detalles, y eso es algo positivo. El deseo de obtener información en torno a la tecnología apoya y alienta este debate, y eso puede conducir una aceptación más amplia. La educación continua es la única manera de que tanto las agencias gubernamentales como los ciudadanos se sientan cómodos con la tecnología de reconocimiento facial y apoyen el fin de la prohibición.

Hay conceptos muy erróneos acerca de cómo funciona la tecnología de reconocimiento facial. Un ejemplo de ello es la idea de que la tecnología es un sistema binario preparado para identificar a los sospechosos y delincuentes. La realidad es muy diferente. La tecnología de reconocimiento facial provee una probabilidad de coincidencia. Las agencias que usan este sistema normalmente lo implementan en conjunto con otras herramientas de investigación que filtran los falsos positivos después de que un usuario capacitado hace una investigación.

La tecnología de reconocimiento facial no es una solución de coincidencia perfecta y los algoritmos pueden estar en situación de vulnerabilidad con relación a los sesgos. La tecnología seguirá mejorando con el tiempo en la medida en que cada vez se usan más datos. Los proveedores de tecnología están perfeccionando los algoritmos de software con machine learning (aprendizaje de máquina), utilizando conjuntos de datos más grandes y diversos para optimizar la precisión de la variabilidad entre razas, regiones geográficas y géneros. Mientras tanto, las agencias gubernamentales pueden usar esta tecnología de manera segura como una herramienta para guiar sus investigaciones. Sin embargo, dicha tecnología nunca debe considerarse un elemento absoluto para la toma de decisiones.

Las agencias gubernamentales y los ciudadanos deben ser informados de estos hechos. El público debe entender que la tecnología de reconocimiento facial no es una varita mágica que todo lo sabe, sino simplemente una herramienta más para ayudar a proteger las ciudades y prevenir el crimen. La difusión de información al público acerca de esta tecnología y advertir sobre los conceptos erróneos es algo vital y debe facilitar las conversaciones entre las agencias gubernamentales y el pueblo, buscando que los líderes puedan dar respuestas y reducir preocupaciones.

DEJEMOS QUE LA TECNOLOGÍA MADURE

Prohibiciones similares a la de San Francisco están ganando terreno en Oakland, California y Somerville, Massachusetts. Antes de que cualquier nueva prohibición entre en vigencia, los líderes del sector público deben tomar las riendas de la situación y respaldar las regulaciones que reconocen los beneficios y evitan el uso indebido de la tecnología de reconocimiento facial. No modernizarse a lo largo del tiempo y prohibir las tecnologías emergentes antes de que alcancen su madurez plena es un retroceso para el sector público y, en última instancia, deja de beneficiar al pueblo que debe proteger.

La tecnología de reconocimiento facial es muy precisa y cada año que pasa incorpora más precisión todavía. Muchas entidades estatales de gobierno en los EE.UU. usan esta tecnología para proteger a sus ciudadanos del robo de identidad y los fraudes. Algunas agencias incluso utilizan el producto de reconocimiento facial de Amazon para encontrar a niños(as) desaparecido(as) y explotados(as).

Los algoritmos todavía están aprendiendo y continuarán mejorando su precisión con el fin de reducir los sesgos en el futuro. Es fundamental que entendamos la tecnología subyacente y el valor que aporta antes hacer juicios apresurados, y antes de que los legisladores del gobierno implementen prohibiciones totales.

 

Acerca de Kevin Freiburger

Es el Director de Programas de Identidad en Valid, una compañía de tecnología que provee soluciones de identidad a gobiernos nacionales, estatales y locales. Con más de 15 años de experiencia y orientada al consumidor en el sector de la identificación, Kevin lidera la estrategia detrás de la cartera de productos de Valid y construye y alinea a los equipos para ejecutarla. También implementa los productos en grandes proyectos empresariales a través de equipos de entrega.

Este artículo también se puede leer visitando GovTech. (Solo en ingles)