IA y tecnología · 2 min de lectura
Expertos y máquinas reconocen caras parecido, pero fallan distinto
Especialistas forenses, superreconocedores y redes neuronales rindieron parecido en promedio, pero cada grupo se equivocó a su manera.
El estudio, en palabras claras
El equipo hizo pruebas de laboratorio con siete superreconocedores y los comparó con controles novatos y datos publicados de especialistas forenses. En otra etapa, reunió a 37 superreconocedores, 16 examinadores forenses, 19 laboratorios, diez redes neuronales y 106 novatos en una prueba internacional de 20 pares de imágenes. Los tres grupos expertos y las redes rindieron mejor que los novatos, y los grupos de expertos tuvieron niveles de precisión parecidos entre sí.
La diferencia apareció al mirar los errores y la confianza. Algunos superreconocedores dieron identificaciones falsas con mucha seguridad, mientras que los especialistas forenses recurrieron más a respuestas inconclusas. Las comparaciones difíciles para las personas tampoco eran las mismas que para las redes. Cuando el equipo combinó, en un cálculo, respuestas independientes de grupos distintos, mejoró una medida de cuán bien se distinguen los pares de la misma persona de los de personas diferentes.
La idea clave
Para confiar en una identificación importa cuánto acierta, pero también cómo se equivoca y con cuánta seguridad lo dice.
Para pensar
Cuando una herramienta sugiere la identidad de una persona, preguntate qué hace además de dar un acierto promedio: cuándo duda y qué tipo de errores comete. Aquí se compararon pruebas de caras, no casos reales de investigación.
El estudio original
Diverse types of expertise in facial recognition
Fuente bajo CC BY 4.0. Adaptación y explicación en español de PaperFlow, con asistencia de IA. El texto se reorganizó para divulgación; no es el artículo íntegro ni implica aval de sus autores.
Una investigación no representa por sí sola el consenso de un área. Contenido educativo: no sustituye asesoramiento profesional. Informar un posible error.