¿Puede una red neural reconocer rostros? Sí, por supuesto. Con el entrenamiento suficiente, es probable que no se le escape ni un solo detalle, alcanzando escalofriantes niveles de precisión. Sin embargo, cuando le pedimos a esa misma red neural que comparta su opinión sobre lo que ve… la historia cambia. ImageNet Roulette es un proyecto basado en una red neural que fue entrenada usando el dataset «Personas» de la base de datos ImageNet, y con la ayuda de 2.500 etiquetas adicionales, trata de clasificar a la gente.
Para bien o para mal, una de las primeras cosas que hemos hecho con redes neurales (o neuronales, si así lo prefieres) es procesar rostros de personas. Desde las etiquetas en Facebook hasta el reconocimiento en tiempo real utilizado por las autoridades chinas, no parece haber límites. Incluso dejamos que las inteligencias artificiales inventen rostros casi sin supervisión, en una especie de fusión digital fuera de control.
Entonces… estas redes pueden identificar y crear rostros, ¿pero pueden clasificarlos? No me refiero a detalles superficiales como tamaño y color, sino a características más «humanas», por así decirlo. Siempre hay alguien con cara de «doctor», «conductor de TV», «policía», y otras etiquetas que no dudamos en colocar sobre los demás. ¿Podría una red neural hacer lo mismo? ImageNet Roulette explora la respuesta a esa pregunta.
Los creadores de ImageNet Roulette presentaron a este proyecto como «una provocación» diseñada para analizar la forma en la que un ser humano es clasificado por plataformas de aprendizaje artificial. La fuente de entrenamiento para esta «ruleta» es el dataset de «Personas» en la base de datos de ImageNet. A ella se suman un total de 2.500 etiquetas derivadas de WordNet, y el resto es dejar que la red saque sus conclusiones.
Por lo general, ImageNet es un dataset aplicado al reconocimiento de objetos. Sin embargo, como anticipo a la investigación del proyecto «Excavating AI» de Trevor Paglen y Kate Crawford, decidieron limitar el entrenamiento a la sección Personas de ImageNet, con sus 2.833 subcategorías incluidas. ImageNet Roulette adopta un framework abierto Caffe de aprendizaje profundo. Cuando el usuario carga una imagen, en primer lugar trata de detectar la presencia de un rostro, y si lo encuentra, es transferido a Caffe para su clasificación. La última fase se basa en devolver la imagen original, acompañada por las etiquetas asignadas.
Los creadores advierten que las etiquetas pueden llegar a ser ofensivas o misóginas, ya que dicho contenido es parte de la base WordNet. La buena noticia es que ImageNet Roulette no guarda ninguna imagen, por lo tanto, podrás cargar una foto tuya y ver su interpretación sin riesgos. ¡Haz la prueba!
Sitio oficial: Haz clic aquí
