Cómo funciona el reconocimiento facial

Pocas innovaciones han salido tan rápido de los entornos de investigación para convertirse en parte de la vida cotidiana como el reconocimiento facial. La práctica de desbloquear el teléfono simplemente mirando la pantalla, embarcar en vuelos sin presentar documentos impresos o recibir sugerencias automáticas de etiquetado en fotografías se ha vuelto tan común que casi nadie percibe la complejidad involucrada.

Comprender lo que ocurre entre el momento en que la cámara captura luz y el instante en que el sistema afirma que un rostro pertenece a una persona específica ayuda a revelar dos dimensiones complementarias, el extraordinario avance técnico alcanzado en pocos años y el riesgo silencioso que acompaña este progreso.

El proceso comienza con la detección. Antes de identificar quién está frente al sensor, el software solo necesita reconocer que hay un rostro en la escena. Durante mucho tiempo, el método dominante fue el clasificador en cascada de Viola y Jones, que examinaba la imagen en busca de patrones previsibles de contraste, como la zona de los ojos normalmente más oscura que las mejillas. Con el tiempo, las redes neuronales convolucionales asumieron esta tarea y hoy pueden localizar rostros bajo iluminación desfavorable, ángulos inclinados, gafas, coberturas parciales y movimiento rápido. El resultado de esta etapa inicial es simple, un rectángulo con coordenadas que marca dónde está el rostro.

Luego ocurre la alineación geométrica, una fase poco comentada y esencial para la precisión final. El modelo marca puntos anatómicos de referencia, conocidos como landmarks, distribuidos en las comisuras de los ojos, la punta de la nariz, el contorno de los labios y la línea de la mandíbula. Con estas anclas, aplica rotaciones, recortes y ajustes de escala para que cada rostro analizado ocupe una posición estandarizada dentro de un marco de dimensiones fijas. Sin esta corrección, una cabeza ligeramente inclinada produciría una descripción matemática incompatible con la misma persona fotografiada de frente, lo que llevaría al sistema a fallar por un motivo trivial.

Después de la normalización, llega la etapa que sustenta la revolución reciente, la extracción de características. Una red profunda entrenada con millones de retratos convierte el recorte en un vector numérico con cientos de dimensiones, llamado embedding. Este conjunto de valores no almacena ojos, nariz o boca de forma legible, sino una firma estadística abstracta que resume lo que diferencia a un individuo de otro.

Arquitecturas como FaceNet y funciones de costo como ArcFace fueron desarrolladas para acercar en el espacio vectorial imágenes de la misma persona y alejar las de desconocidos, haciendo la representación resistente a barba, envejecimiento, maquillaje y variaciones de peso. Un detalle poco intuitivo explica la escalabilidad de estas plataformas, registrar a alguien nuevo no requiere reentrenamiento. Basta calcular su vector una sola vez y almacenarlo, ya que la red aprendió a medir similitud en lugar de memorizar identidades específicas.

La identificación propiamente dicha se reduce a cálculos simples. El programa mide la distancia entre dos vectores, generalmente mediante similitud de coseno, y compara el valor obtenido con un umbral calibrado previamente.

En verificaciones uno a uno, como en el desbloqueo de dispositivos, basta comparar el rostro presentado con el patrón almacenado localmente en el aparato. En la modalidad uno a muchos, utilizada en investigaciones policiales y controles de acceso corporativos, la firma recién capturada se compara con bases que reúnen millones de registros, devolviendo una lista ordenada de candidatos probables.

Ajustar este umbral es una decisión política disfrazada de parámetro técnico, ya que aflojarlo aumenta las falsas alarmas y endurecerlo demasiado permite que personas que deberían ser identificadas pasen desapercibidas.

Los avances más recientes se concentran en confiabilidad y resistencia al fraude. Sensores de profundidad proyectan miles de puntos infrarrojos sobre la piel y construyen una malla tridimensional, impidiendo el antiguo truco de sostener una fotografía impresa frente a la cámara.

Rutinas de prueba de vida analizan microtexturas cutáneas, reflejos en la córnea, pulso estimado por variación cromática y respuestas involuntarias a estímulos luminosos. Evaluaciones independientes realizadas por el instituto estadounidense NIST registraron una caída significativa en las tasas de error entre 2014 y 2020, con los mejores algoritmos fallando en proporciones mucho menores. En condiciones controladas, la precisión ya supera la de examinadores humanos entrenados.

Es precisamente en este punto donde el encanto debería dar paso a la preocupación. Las contraseñas filtradas pueden cambiarse rápidamente, las tarjetas clonadas pueden cancelarse por teléfono, pero nadie puede solicitar un nuevo rostro. La biometría facial funciona como una credencial permanente, expuesta continuamente en espacios públicos, transmitida en videoconferencias y publicada voluntariamente en redes sociales. Cuando un repositorio de embeddings es comprometido, y episodios así ocurren con frecuencia preocupante, el daño no desaparece.

Investigaciones académicas muestran que vectores considerados irreversibles permiten reconstruir aproximaciones visuales del rostro original, derribando la idea de que almacenar solo números sería inofensivo.

La escala agrava el problema. Empresas extraen miles de millones de imágenes de perfiles públicos para crear catálogos vendidos a corporaciones y gobiernos, sin autorización de las personas retratadas. Cámaras urbanas integradas a estos acervos dejan de registrar escenas y comienzan a registrar personas, permitiendo reconstruir desplazamientos, compañías frecuentes, afiliación sindical, práctica religiosa, tratamiento médico y presencia en manifestaciones.

A esto se suma la disparidad de desempeño documentada por el propio NIST en 2019, con tasas de error mucho mayores para mujeres y tonos de piel más oscuros, y el resultado aparece en las noticias, detenciones equivocadas de inocentes señalados por una coincidencia estadística tratada como prueba definitiva. Nada impide que grabaciones antiguas sean reprocesadas años después por modelos más potentes, convirtiendo material archivado sin propósito definido en una fuente interminable de vigilancia retroactiva sobre personas que nunca fueron sospechosas.

Existe también una frontera más delicada, en la cual proveedores prometen inferir emoción, orientación afectiva, propensión criminal o estado mental a partir de la geometría del rostro. Tales promesas carecen de fundamento científico sólido y recuperan, bajo apariencia algorítmica, la antigua frenología del siglo diecinueve.

El peligro no reside solo en errores aislados, sino en la autoridad que adquieren los juicios automatizados cuando ningún ciudadano puede auditar los criterios aplicados ni cuestionar la conclusión.

Nada de esto condena el reconocimiento facial al abandono, solo exige que el debate avance más allá del encanto y alcance reglas claras. Preguntar quién administra la base de datos, cuánto tiempo permanecen almacenados los vectores, qué finalidad fue declarada, si hubo consentimiento explícito y quién responde por posibles errores deja de ser formalismo jurídico y se convierte en protección práctica. La legislación brasileña ofrece instrumentos en este sentido, y corresponde a cada usuario exigir transparencia antes de acercar el rostro a otro lector.

Al fin y al cabo, lo que la cámara registra no desaparece y la memoria de las máquinas dura mucho más que la nuestra.