La visión por ordenador estaba muy lejos de ser lo suficientemente buena como para usarla en la mayoría de aplicaciones reales, y no estaba claro cómo mejorarla.
Sin embargo, no me pasé todos los años de universidad centrado exclusivamente en algoritmos. Participé de forma pacífica en las protestas que acabarían convirtiéndose en los disturbios de la Ley de Justicia Penal en el Reino Unido, fui a un montón de festivales rave al aire libre y acabé en muchas fiestas donde gran parte de los asistentes estaban drogados hasta arriba. Por suerte nada de esto está registrado, al margen de unas cuantas fotos enterradas en cajones de amigos. Los adolescentes de hoy no tendrán tanta suerte gracias a la explosión de imágenes digitales y los avances en visión por ordenador que han ocurrido desde mi trabajo de fin de carrera.
He dedicado mi carrera profesional a construir software que dé sentido a las imágenes, pero cada proyecto estaba altamente personalizado y era más arte que ciencia. Si quisiera detectar ojos rojos en las fotos, por ejemplo programaría reglas para buscar dos manchas del matiz exacto de rojo en posiciones que pudieran ser los ojos. Hace un par de años encontré una técnica que cambió mi mundo por completo. Alex Krizhevsky y su equipo ganaron el prestigioso concurso Imagenet de reconocimiento de imágenes con una red neuronal convolucional profunda. Su enfoque tenía una tasa de error del 15%. El método del segundo mejor concursante tuvo una tasa de error del 26%.
Más importante aún, la misma técnica resultó ser útil para todo tipo de problemas que requieren el uso de ordenadores para dar sentido a imágenes, desde estimar en qué tipo de ambiente se tomó una foto hasta el reconocimiento de rostros. Hasta ese momento yo solía tardar meses en construir un clasificador para un solo tipo de objeto. Hoy día cualquier ingeniero competente con un poco de formación puede hacer lo mismo en solo unos cuantos días. Los algoritmos de análisis de imagen solían ser como un exclusivo huevo de Fabergé artesanal, pero hoy día son componentes baratos y fáciles de comprar, fabricados en cadenas de producción.
Estos avances tienen enormes implicaciones en nuestra privacidad, puesto que hoy día documentamos nuestras vidas con un gran número de fotos. Sólo en Facebook ya hay más de 200.000 millones de fotos. Hasta ahora esto no ha tenido un gran impacto en la vida privada porque no existía una buena forma de buscar y analizar las fotos, pero los avances en el reconocimiento de imágenes están cambiando la situación. Hoy día es posible no sólo encontrar ojos rojos de forma fiable, sino también averiguar lo que está haciendo el sujeto. Es fácil crear un algoritmo para detectar objetos comunes, ya sean bicis o pipas de fumar. Imagínate que todas tus fotos fueran procesadas en un perfil de datos para los anunciantes o los representantes de la ley, y que mostraran lo mucho o poco que te vas de fiesta, con quién estás y a qué manifestaciones has ido.
Podrías pensar que todo esto es ciencia ficción, pero el alcalde de Peoria (EEUU) logró justificar una redada en el apartamento de un crítico citando una foto de Twitter que parecía representar cocaína. Los departamentos de policía de todo EEUU supervisan los vídeos de YouTube que los pandilleros suben de sí mismos amenazando a sus rivales y posando con armas de fuego. Hoy día esto se hace de forma manual, pero podría ir mucho más allá con el uso de software de reconocimiento de objetos fácil de usar.
Todos nos hemos acostumbrado a subir fotos y vídeos con la certeza de que la falta de claridad nos da privacidad, pero a medida que la extracción de imágenes se convierte en algo más fácil, las mismas fotos y vídeos podrían acabar en nuestra contra. He podido superar mis errores de juventud, pero podría haber sido muy distinto si todos los caseros, directores de empresa potenciales y burócratas con los que he tratado desde entonces pudieran haber accedido a las pruebas fotográficas de mis errores con sólo pulsar un botón.
Pete Warden es director de tecnología y cofundador de Jetpac.