¿Llevas puesta la mascarilla? Un software de reconocimiento está listo para chequear si las personas cumplen con el correcto uso
Nuevos algoritmos pueden ayudar a determinar si las personas están siguiendo la pauta de salud pública. Esta práctica plantea algunos interrogantes sobre la privacidad y la protección de datos.
El software de Tryolabs tiene dos componentes principales: los algoritmos de “postura” descifran diferentes partes del cuerpo antes de que los algoritmos de “clasificación” decidan si la región facial incluye una mascarilla.
Nota del editor: las reglamentaciones de salud pública sobre el uso de mascarillas, barbijos o tapabocas pueden variar según la región de la que se trate.
La vergüenza pública por no usar mascarilla comenzó tan pronto como la pandemia de la COVID-19. En febrero, algunas provincias y municipalidades de China declararon obligatorio el uso de mascarillas en público. Luego, siguieron las noticias de residentes y policías castigando a aquellos que no cumplían, una tendencia que hoy se ve globalmente.
Cuando Akash Takyar escuchó esas primeras historias que salían a cuentagotas desde China, se sorprendió de cómo se estaban manejando las cosas y se preguntó si su empresa de software —LeewayHertz— podía ofrecer una solución más pacífica. Takyar reconoció cuán importante es usar mascarilla para ralentizar la propagación del SARS-CoV-2, el virus que causa el COVID-19. Pero, en vez de dejar que los miembros del público se vigilen unos a otros, quiso desarrollar un programa de computación que pudiera observar las imágenes y detectar si las personas estaban usando mascarilla.
Su empresa, con sede en San Francisco, es una de las muchas que hoy abren el camino al reconocimiento de mascarillas como una forma de que las personas cumplan, por el bien común. Hasta ahora, las mascarillas han desconcertado a los software tradicionales de reconocimiento facial, pero estas nuevas herramientas de aprendizaje automático podrían ser usadas, posiblemente, en espacios públicos y privados para medir el cumplimiento y, evidentemente, sacar ese peso de los hombros de los individuos.
El software de Tryolabs identifica si las caras visibles están descubiertas o si están usando máscaras mientras pasan por un circuito cerrado de cámaras de televisión (CCTV, por su sigla en inglés) cerca de Temple Bar en Dublín, Irlanda. Imágenes CCTV recopiladas por EarthCam; análisis cortesía de Tryolabs.
Hasta el día de hoy, 34 estados y el Distrito de Columbia (Estados Unidos) han ordenado a sus ciudadanos usar mascarillas en espacios públicos, tanto al aire libre como en el interior.
Pero el cumplimiento puede variar dependiendo de una gran cantidad de factores, desde políticas personales a la posibilidad individual de adquirir las mascarillas. Por lo general, las personas que no cumplen las órdenes, aun pudiendo adquirir la mascarilla, logran eludir las consecuencias de ese incumplimiento. Solo unos pocos informes— de Nevada, Louisiana e Indiana— muestran que las fuerzas policiales han ido un paso más y han arrestado a las personas que estaban sin mascarilla en el interior de negocios privados.
Para los negocios que tienen trabajadores que regresan a sus labores en el interior del mismo, el incumplimiento podría hacer que otras personas en el establecimiento se infecten. En última instancia, podría ser una gran pérdida para un negocio si hay un brote porque alguien fue asintomático y no usó mascarilla, señala Takyar.
Sin embargo, “la información facial es tan preciada como las huellas dactilares”, indica Deborah Raji, compañera en el instituto AI Now de la Universidad de Nueva York. Y aquellos que tienen reparos sobre el reconocimiento facial se preguntan si el software de reconocimiento de mascarillas, por más bien intencionado que sea, tendría un lugar en la sociedad de hoy en día.
Examinar las imágenes CCTV con reconocimiento de mascarilla podría dar una idea de cuántas personas están cumpliendo con las pautas sanitarias en un área particular, como en el vecindario Little Italy en la Ciudad de Nueva York. Imágenes CCTV recopiladas por EarthCam; análisis cortesía de Tryolabs.
Cómo escanear una cara con mascarilla
El software de reconocimiento facial de hoy estudia los rasgos alrededor del ojo, la nariz, la boca y las orejas para identificar a un individuo cuya imagen fue facilitada por él mismo o se encontraba en una base de datos criminal. El uso de mascarilla obstruye este reconocimiento— una cuestión que muchos sistemas ya han detectado y otros han solucionado. Por ejemplo, FaceID de Apple, que usa reconocimiento facial para que sus usuarios puedan desbloquear sus iPhone, recientemente lanzó una actualización del sistema que puede, esencialmente, detectar cuando una persona está usando una mascarilla. La actualización reconoce rápidamente una boca y una nariz cubiertas, y solicita al usuario que ingrese su contraseña en vez de hacerlo sacar aquello que cubre su cara.
Los desarrolladores dicen que, en teoría, el software de reconocimiento de mascarilla esquiva las cuestiones de privacidad porque los programas no identifican a las personas. Dicho software está entrenado en dos conjuntos de imágenes: una para enseñarle al algoritmo cómo reconocer una cara (“detección facial”) y la segunda para dilucidar cómo reconocer una mascarilla en una cara (“reconocimiento de mascarilla”). El algoritmo de aprendizaje automático de ninguna manera identifica las caras como para relacionarlas con una persona específica, dado que no usa un conjunto de datos de entrenamiento— una serie de ejemplos utilizada para entrenar dichos programas— con caras identificadas con identidades.
Los algoritmos de “postura” hacen dibujos simples de las partes del cuerpo y sus posiciones con líneas de color. Una vez que la cabeza fue localizada, el software recorta una imagen de la potencial cara.
Los algoritmos de “clasificación” deciden si la imagen recortada de la cara contiene una mascarilla. Este proceso se repite muchas veces durante una secuencia de video y, cada vez, se agrega un nuevo punto bajo la cara que cuadra en el panel lateral. Los puntos son de color verde, rojo o amarillo, e indican “mascarilla”, “sin mascarilla”, “no puede decidirse”, respectivamente. El programa dirá “desconocido” si la cara no se ve claramente (por ejemplo, si la persona no está mirando a cámara) o si el uso de mascarilla es incierto.
Las empresas que han desarrollado el software de reconocimiento de mascarilla dicen que, en última instancia, quieren que esta tecnología se use de amplias maneras que ayuden a las personas a establecer políticas o a aumentar las campañas de concientización.
“Si podemos registrar la cantidad [de personas que están cumpliendo con la orden de usar mascarilla], se pueden crear políticas y monitorear si se necesitan hacer más campañas para impulsar aún más el uso de mascarilla”, señala Alan Descoins, director tecnológico de Tryolabs, una empresa con sede en Montevideo, Uruguay, que ha desarrollado el software de reconocimiento de mascarilla. “O si las personas comienzan a aburrirse del COVID, y dejan de usar las mascarillas, entonces habrá que publicitar más para que tomen conciencia”.
Por ejemplo, el algoritmo de LeewayHertz podría usarse en tiempo real e integrado con cámaras de televisión de circuito cerrado (CCTV). De un particular cuadro en un video, aísla las imágenes y las organiza en dos categorías, aquellos que usan mascarillas y los que no. Actualmente, este software de reconocimiento se está usando en “modo incógnito” en múltiples escenarios en Estados Unidos y Europa. Los restaurantes y los hoteles lo usan para asegurarse de que el personal cumpla con la norma de usar mascarillas. Taykar cuenta que un aeropuerto en la Costa Este de Estados Unidos también está probando esta tecnología in situ.
Estas empresas privadas podrían controlar esta información y cómo se implementa. Por ejemplo, los grandes almacenes podrían usarlo para repartir mascarillas entre los clientes que no cumplen con la norma, o una empresa podría despedir a un empleado que se rehúse a cumplir con la normativa de usar mascarilla en su lugar de trabajo.
Aunque Taykar encuentra una fuerte razón para usar el software de reconocimiento de mascarilla en espacios privados, el uso público podría ser el más tenso: “Si estás en Times Square y no hay distanciamiento social, ¿qué haces con esa información? ¿Pondrías la foto en la cartelera de la calle?”.
Los vacíos en las buenas intenciones
James Lewis observa cómo el reconocimiento de mascarilla puede ser útil para mantener el cumplimiento de la norma durante la pandemia. No obstante, como director del Programa de Políticas Tecnológicas para el Centro de Estudios Internacionales y Estratégicos en Washington, D.C., está más preocupado por la falta de normativa que regula cómo la información obtenida se usa.
Hoy por hoy, Estados Unidos no posee una ley federal que regule la privacidad de los datos. En cambio, el país se ampara en un grupo de regulaciones relacionadas con los sectores específicos, como la salud, las operaciones financieras y el marketing. Asimismo, las empresas y las entidades que recopilan nuestros datos privados no tienen que decirnos qué hacen con ellos.
La situación ha hecho que muchas personas desconfíen. Tres meses antes de que la COVID-19 llegara a Estados Unidos, una encuesta del Centro de investigaciones Pew halló que los estadounidenses generalmente se sienten “preocupados y confundidos y... [sobre] la falta de control respecto de su información personal”.
Los críticos del reconocimiento de mascarillas también creen que esta nueva tecnología podría ser propensa a algunos de los mismos obstáculos a los que se enfrenta el reconocimiento facial. Muchas de las bases de datos de entrenamiento utilizadas en el reconocimiento facial están dominadas por individuos de piel clara. En 2019, Joy Buolamwini, investigadora del Laboratorio de medios del Instituto de tecnología de Massachusetts, y Deborah Raji, del Instituto AI Now, investigaron la precisión de las bases de datos disponibles comercialmente que son utilizadas por las principales empresas tecnológicas. Cuando revisaron el desempeño de los sistemas de reconocimiento usando un algoritmo entrenado con las bases de datos estándar y luego usando un nuevo grupo de caras con un equilibrio racial y étnico mayor, las investigadoras hallaron que el algoritmo era 70 por ciento menos preciso para identificar caras nuevas.
Un aspecto más para considerar del aprendizaje automático es que nadie sabe realmente qué usa el algoritmo para tomar su decisión. Por ejemplo, digamos que quieres entrenar un algoritmo para que reconozca una vaca. “Crees que estás mostrándole al modelo un montón de ejemplos de vaca, pero no te das cuenta de que, para elaborar la etiqueta vaca, [el algoritmo] podría estar mirando los campos verdes que hay tras ellas”, explica Raji.
Es posible que, si aplicamos este principio al reconocimiento facial o de mascarilla, los modelos de aprendizaje automático elijan otras características de “fondo”, como raza y género, que podrían provocar errores sobre si alguien está usando una mascarilla. “Hay otras cuestiones que influencian la decisión [del algoritmo]”, indica Raji— y, recién ahora, los investigadores del aprendizaje automático se están amigando con esta limitación.
También cree que hacer que las personas usen mascarillas puede no necesitar un arreglo tecnológico. Para ella, el reconocimiento de mascarilla se siente como “teatro de tecnología”, incorporando software— y provocando el debate sobre la privacidad— para abordar una cuestión mientras se esquiva completamente el problema subyacente.
Existe una mejor manera para que las personas cumplan con la norma de usar mascarillas en vez de utilizar los sistema de reconocimiento que podrían infringir las libertades civiles, menciona Aaron Peskin, supervisor de la ciudad de San Francisco que lideró un proyecto en 2019 para prohibir el uso del reconocimiento facial por las fuerzas policiales.
“Caminar por la calle con ese nivel de invasión no construye una sociedad saludable”, le dijo Peskin a National Geographic. Observó que la policía de la Ciudad de
Nueva York estaba estacionada en Washington Square Park y entregaba mascarillas a los transeúntes.
Esta semana, en Portland, Oregon, se ha aprobado una ley que prohíbe el uso público y privado del reconocimiento facial, y se convirtió en la primera ciudad en donde usar la tecnología es ilegal. Pero Oregon también tiene una orden de usar mascarilla a nivel estatal, y Héctor Domínguez, Coordinador de datos abiertos de una ciudad inteligente para Portland, cree que el reconocimiento de mascarillas es distinto al facial en lo que respecta a los riesgos a la privacidad.
“Estamos en medio de una crisis. Necesitamos comenzar a generar más conciencia sobre la privacidad”, en lo respecta a cómo se usa o se comparte la información, menciona. Aunque la prohibición al reconocimiento facial en Portland no afectaría el uso de los sistemas de reconocimiento de mascarillas, a Domíguez le preocupa que los sistemas de reconocimiento de mascarillas capturen más: “Las mascarillas no van a frenar el reconocimiento facial”, dice.
En última instancia, el obstáculo del reconocimiento de mascarillas es que podría establecer un precedente peligroso para lo que sucederá cuando la pandemia finalice, explican sus críticos.
“Hay una predisposición para suavizar la norma cuando se trata de algo relacionado con la COVID”, señala Lewis de CSIS. “La cuestión es, cuando todo esto termine, ¿regresaremos a lo anterior?”.
