ArieI Halpern: IA para detecção facial melhora reconhecimento de tons de pele
24/5/2022 –
Escala com mais tons reduz falhas na classificação de peles mais escuras e torna mais inclusiva a tecnologia de reconhecimento facial.
A notícia de que o Google, da Alphabet, está dando um passo à frente desenvolvendo um novo recurso na tecnologia de reconhecimento facial pode ser comemorado. Em parceria com a Universidade de Harvard, a gigante de tecnologia está adotando uma escala com dez tons de pele para melhorar o sistema de inteligência artificial (IA) e corrigir problemas de viés em seus aplicativos e outros produtos.
A nova escala, Monk Skin Tone Scale (MST), desenvolvida pelo departamento de sociologia da Universidade de Harvard, substitui as escalas do Fitzpatrick Skin Type, padrão usado até agora para categorizar tons de pele. A ampliação da paleta possibilitará refinar as pesquisas reduzindo falhas na classificação, especialmente de peles mais escuras, tornando a tecnologia mais inclusiva.
As escalas de classificação de tons de pele são usadas em sistemas de check-in, como senha de acesso, para melhorar a experiência de compra, assim como em aplicações mais complexas como sensores de frequência cardíaca em smartwatches, sistemas de inteligência artificial, incluindo reconhecimento facial, aplicativos desenvolvidos para detecção de câncer de pele, sistemas de visão usados em carros autônomos e até filtros para imagens.
O uso de uma escala reduzida reflete na seleção de informações usadas para treinar os algoritmos. Como os conjuntos de dados disponíveis ainda têm grande predominância de pessoas brancas do gênero masculino, o resultado traz vieses para tipos de pele mais escuros e gera erros na classificação por tom de pele e gênero.
Isso porque a tecnologia de reconhecimento facial funciona de forma similar ao cérebro. Quando se vê alguém, são enviados sinais dos padrões faciais da pessoa para o cérebro e ele os combina ou compara com os padrões já registrados em na memória para fazer a identificação. O software de biometria facial faz o mesmo processo, detecta o padrão do rosto e compara com os registrados na base de dados. Para aprender a analisar e identificar, são usados padrões. Para isso, os computadores dividem a face nos chamados pontos nodais, como a distância entre os olhos, a largura do nariz e a profundidade ocular, entre outras características. Esta análise é refinada com a tecnologia de deep learning, uma vertente da IA, na qual a cada vez que faz uma comparação, ela repete o processo de aprendizado registrando mais dados e estabelecendo novas conexões, tornando o processo de identificação ainda mais preciso.
Excesso de possibilidades também causa inconsistência
Por outro lado, o excesso de possibilidades também pode levar a resultados inconsistentes. Assim, a quantidade de dez tons de pele da escala MST foi definida com base em pesquisas para chegar a um número considerando critérios de diversidade e facilidade no gerenciamento da aplicação para avaliar e treinar sistemas de IA.
Para chegar à quantidade ideal de tons de pele da escala, a equipe de Harvard usou ferramentas de arte digital e entrevistou um universo de 3 mil pessoas nos Estados Unidos. Segundo a pesquisa, para a maioria das pessoas era possível encontrar seu tom de pele em uma escala com dez pontos e aumentar as opções não alterava o resultado.
Criar uma nova escala de tons de pele é apenas um primeiro passo, o próximo desafio é integrá-la aos aplicativos e sistemas usados. Esse processo envolve também aspectos culturais e políticos. Os diferentes traços e tons predominantes em cada país podem exigir, por exemplo, um ajuste com base em cada região geográfica.
A adoção de uma escala mais ampla e inclusiva para classificar tons de pele é um importante avanço, mas ainda há questões sensíveis em torno do uso de IA. Abordar a equidade do tom de pele na tecnologia é sem dúvida um grande avanço, que mais do que aspectos técnicos, envolve questões sociais e por isso demandam a participação de especialistas em segmentos diversos. A Escala MST certamente irá melhorar a inclusão na tecnologia, com maior equidade no uso de produtos variados.