Así funciona el reconocimiento facial

Cuando miramos a otra persona, reconocer su cara parece una tarea extremadamente sencilla; los humanos podemos encontrarnos con alguien después de muchos años y, en apenas unos segundos, identificarlo. Nuestro cerebro es capaz de fijarse en la forma de los ojos, la nariz, la boca, la estructura de la cara y otros detalles para determinar quién tenemos delante. Sin embargo, para una inteligencia artificial reconocer una cara no es algo tan intuitivo.

Una máquina no «ve» un rostro exactamente de la misma manera que lo hace una persona. Lo que recibe inicialmente es información visual representada mediante píxeles y, a través de diferentes técnicas, debe encontrar patrones que permitan determinar si existe un rostro y, posteriormente, si ese rostro coincide con una identidad conocida. El reconocimiento facial es uno de los ejemplos más interesantes de cómo la inteligencia artificial puede convertir una imagen aparentemente sencilla en una enorme cantidad de información matemática. Detrás de una acción tan cotidiana como desbloquear un teléfono mediante la cara existe un proceso en el que intervienen cámaras, procesamiento de imágenes, redes neuronales y sistemas capaces de comparar características faciales.

Pero ¿cómo sabe realmente una IA que está viendo una cara? ¿Cómo consigue diferenciar a dos personas parecidas? ¿Puede reconocer a alguien aunque cambie de peinado o lleve gafas? Y, sobre todo, ¿la IA reconoce realmente nuestro rostro o simplemente encuentra patrones matemáticos que se parecen a otros que ya conoce?

La IA tiene que encontrar una cara antes de identificarla

Antes de identificar a una persona, una inteligencia artificial tiene que resolver un problema mucho más básico: encontrar dónde está la cara. Imaginemos una fotografía de una calle llena de personas. Para nosotros es fácil localizar los rostros entre todos los elementos de la escena, pero, para un ordenador, la imagen es inicialmente una matriz de datos formada por píxeles. El sistema tiene que analizar esos datos y determinar qué regiones podrían contener un rostro. Este proceso se conoce como detección facial, y es diferente del reconocimiento facial.

La detección responde principalmente a la pregunta: «¿hay una cara aquí?». El reconocimiento, por su parte, intenta responder a otra mucho más compleja: «¿de quién es esta cara?». Esta diferencia es importante porque una cámara puede detectar correctamente diez rostros en una fotografía sin tener necesariamente información suficiente para identificar a las diez personas. Los sistemas modernos de visión artificial utilizan modelos de aprendizaje automático entrenados con grandes cantidades de imágenes para aprender qué características suelen estar presentes en un rostro. No necesitan que alguien programe manualmente una regla para cada posible cara, es el propio sistema quién aprende patrones estadísticos a partir de ejemplos. Por eso puede detectar rostros con diferentes edades, tonos de piel, expresiones, posiciones o condiciones de iluminación, aunque su precisión puede variar dependiendo de las circunstancias.

La forma en la que una IA interpreta un rostro humano

Una de las ideas más interesantes para entender el reconocimiento facial es que una inteligencia artificial no interpreta necesariamente una cara como lo hacemos nosotros. Ya hemos hablado un poco de ello al principio: cuando una persona mira un rostro, puede pensar en conceptos como «ojos verdes», «nariz grande», «sonrisa» o «cara alargada». Un sistema de reconocimiento facial trabaja con representaciones numéricas de características visuales. Una imagen puede transformarse mediante una red neuronal en una representación matemática conocida habitualmente como «embedding facial».

Podemos imaginarlo, simplificando mucho, como una especie de huella matemática del rostro. El sistema transforma diferentes características de una cara en una representación numérica que permite compararla con otras representaciones. Dos fotografías de la misma persona deberían producir representaciones relativamente cercanas, aunque las imágenes no sean idénticas. Por ejemplo, una persona puede aparecer en una fotografía con gafas y en otra sin ellas o puede estar sonriendo en una imagen y tener una expresión neutra en otra. El objetivo del sistema es encontrar características suficientemente estables como para determinar que ambas imágenes corresponden a la misma persona. La clave está precisamente en que la IA no necesita que los píxeles sean iguales, necesita encontrar patrones que permitan establecer una relación entre ellos.

Para la IA, no existe una única característica que permita identificar a una persona de manera fiable en cualquier situación. Un sistema puede analizar multitud de patrones relacionados con la geometría y la apariencia del rostro. Entre ellos pueden aparecer relaciones espaciales entre los ojos, la nariz y la boca, la estructura general de la cara, la forma de determinadas regiones y otros patrones visuales aprendidos por el modelo. Lo interesante es que estos sistemas no tienen por qué utilizar exactamente las mismas características que utilizamos nosotros para describir una persona.

Una red neuronal profunda puede aprender representaciones muy complejas que resultan difíciles de traducir a una explicación humana sencilla. Esto ocurre porque las redes neuronales están formadas por numerosas capas que transforman progresivamente la información de entrada. Las primeras capas pueden detectar patrones visuales relativamente sencillos, pero a medida que la información atraviesa diferentes capas, el modelo puede construir representaciones cada vez más complejas. Finalmente, el sistema obtiene una representación que puede utilizar para comparar rostros. Por eso sería incorrecto imaginar que una IA tiene una lista interna sencilla; el funcionamiento real de los modelos modernos es considerablemente más complejo.

Tipos de sistema de reconocimiento facial y diferencias

No todos los sistemas de reconocimiento facial realizan exactamente la misma tarea. En una situación de verificación 1:1, el sistema intenta comprobar si dos rostros pertenecen a la misma persona. Este sistema respondería a una pregunta como: «¿La persona que aparece ahora delante de la cámara es la misma que la registrada?» En cambio, en una situación de identificación 1:N, el sistema compara un rostro con un conjunto de posibles identidades para intentar determinar a quién corresponde.

Así, en lugar de contestar la pregunta «¿es esta persona?», se plantea más bien una pregunta tipo: «¿A qué persona podría corresponder este rostro?» La segunda tarea puede ser mucho más compleja porque el sistema tiene que realizar comparaciones contra múltiples referencias y establecer qué coincidencia resulta suficientemente fuerte. Esta diferencia también ayuda a comprender por qué una tecnología puede funcionar correctamente en un escenario controlado y tener resultados diferentes en otro con condiciones mucho más complicadas.

¿Qué ocurre si dos personas se parecen mucho?

Vamos ahora con la que es probablemente una de las preguntas más curiosas: si dos personas se parecen mucho, ¿cómo puede una inteligencia artificial diferenciarlas? La respuesta está, básicamente, en la cantidad de información que puede utilizar el modelo. El sistema no necesita encontrar una única característica espectacularmente diferente, sino que puede combinar multitud de pequeñas diferencias que, en conjunto, producen representaciones matemáticas distintas.

Imaginemos dos hermanos que tienen una estructura facial muy parecida; para una persona pueden parecer casi idénticos, especialmente a primera vista, pero un sistema de reconocimiento facial puede analizar patrones muy detallados y producir embeddings diferentes para cada uno. Sin embargo, cuanto más similares sean dos rostros, más delicada puede resultar la comparación. Esto demuestra que el reconocimiento facial no debe interpretarse como una capacidad absoluta; el sistema trabaja con probabilidades, similitudes y umbrales de decisión, no existe necesariamente una frontera perfecta entre «esta es definitivamente la misma persona» y «esta persona es completamente diferente».

Tipos de errores que la IA puede cometer

Igualmente, una IA puede cometer errores al reconocer una cara. Podemos distinguir, simplificando, dos tipos de errores especialmente importantes: el primero ocurre cuando el sistema considera que dos personas son la misma cuando en realidad no lo son, lo que puede denominarse un “falso positivo». El segundo ocurre cuando el sistema no reconoce como iguales dos imágenes que sí pertenecen a la misma persona, en este caso hablamos de un “falso negativo”. La importancia de cada error depende del contexto.

En un dispositivo personal, un sistema puede utilizar mecanismos adicionales para reducir el riesgo de que otra persona desbloquee el teléfono. En cambio, un sistema utilizado en un contexto de seguridad, control de acceso o identificación puede tener consecuencias mucho más importantes. Por eso no basta con decir que una tecnología de reconocimiento facial tiene «un alto porcentaje de precisión», hay que conocer cómo se ha medido esa precisión, con qué población, bajo qué condiciones y qué tipo de error se está evaluando.

Utilizar una expresión como “reconocer” puede dar pie a confusión

Cuando decimos que una IA «reconoce» una cara estamos utilizando una expresión humana para describir un proceso matemático. La IA no necesariamente sabe quién eres en el sentido en que una persona puede conocerte, es decir, no tiene una experiencia personal de tu identidad. Lo que hace es analizar una entrada visual, transformarla en una representación matemática y compararla con referencias disponibles.

Si el sistema tiene asociada esa representación con una identidad concreta, puede devolver un resultado como «coincide con esta persona», pero si nunca ha tenido acceso a una referencia relacionada con tu rostro, no puede simplemente deducir tu nombre por arte de magia. Esta diferencia es importante porque ayuda a separar la percepción humana de la clasificación automática. La IA no necesita comprender qué significa ser una persona para realizar una comparación facial, basta solamente con encontrar patrones matemáticos suficientemente útiles para la tarea para la que ha sido diseñada.

La evolución de la IA y el reconocimiento facial

La tecnología continúa evolucionando y es probable que los sistemas de visión artificial sean capaces de trabajar con imágenes cada vez más complejas. La tendencia apunta hacia modelos más precisos, mejores capacidades de análisis y una integración más profunda con dispositivos y servicios digitales. También será importante el desarrollo de tecnologías capaces de proteger la privacidad. En el futuro, una de las preguntas más relevantes no será solamente «¿puede la IA reconocer una cara?», sino también «¿cómo podemos utilizar esa capacidad sin recopilar más información de la necesaria?».

La privacidad puede convertirse en uno de los grandes factores que determinen cómo se adopta el reconocimiento facial. Además, los avances en generación de imágenes y vídeos mediante IA hacen que distinguir entre contenido auténtico y contenido manipulado sea cada vez más importante. Un sistema de reconocimiento facial no puede analizarse de manera aislada del resto de tecnologías de visión artificial y generación de contenido.

Conclusión: la IA no mira una cara, analiza patrones

Reconocer una cara parece una tarea sencilla porque nuestro cerebro la realiza continuamente sin que tengamos que pensar en el proceso. Para una inteligencia artificial, sin embargo, reconocer un rostro implica transformar una imagen en información matemática, detectar patrones, generar una representación y compararla con otras referencias. Primero puede localizar una cara dentro de una imagen, después, una red neuronal puede transformar sus características visuales en una representación numérica, como un embedding facial. Finalmente, el sistema puede comparar esa representación con otra para determinar si existe una coincidencia suficientemente alta.

Lo sorprendente es que todo este proceso puede producirse en una fracción de segundo. Pero también conviene recordar que reconocer una cara no significa comprender a una persona. La IA no tiene que saber quién eres, qué estás pensando o qué significa tu identidad; para realizar su tarea solo necesita encontrar patrones que permitan establecer una coincidencia matemática. Y precisamente ahí está una de las partes más fascinantes de la inteligencia artificial: puede realizar tareas que para nosotros parecen intuitivas utilizando procesos matemáticos que funcionan de una manera completamente diferente a nuestra percepción humana.

El reconocimiento facial es solamente un ejemplo. Detrás de una fotografía, una cámara o un vídeo puede existir una enorme cantidad de información que una IA es capaz de analizar, comparar y transformar en decisiones. La próxima vez que un dispositivo reconozca tu cara en menos de un segundo, recuerda que para conseguirlo no está «mirándote» como lo haría otra persona, está convirtiendo tu rostro en datos y buscando patrones que le permitan determinar si la información que acaba de recibir coincide con lo que ya conoce.