Por mucho que cueste creerlo, muchos de los rostros que vemos hoy día en Internet o en la calle, y que suelen usarse como recurso publicitario en banners, carteles, o productos alimenticios, son caras generadas por inteligencia artificial. La tecnología está tan avanzada en este campo que, a veces es tremendamente complejo saber si una cara es real o ha sido generada a través de machine learning.

Dos investigadores expertos han publicado un estudio sobre las caras generadas mediante inteligencia artificial. En su estudio, muchos de los participantes no fueron capaces de reconocer cuál de ellas era verdaderamente real.

Diferenciar un rostro humano de uno generado por IA es cada vez más difícil

Sophie Nightingale, del Departamento de Psicología de la Universidad de Lancaster, y Hany Farid, del Departamento de Ingeniería Eléctrica y Ciencias de la Computación en California, realizaron una investigación que involucraba rostros de fotografías reales e imágenes generadas por inteligencia artificial. En su investigación, concluyeron que a día de hoy, 'nadie puede notar la diferencia'.

En Genbeta

La historia de cómo un deepfake consiguió dañar la reputación de una empresa de refrescos en España: así son los nuevos ciberdelitos

Para realizar el estudio, contaron con la ayuda de 315 participantes que tuvieron que determinar si los rostros presentados eran reales o no. En una de las partes del estudio, las caras 'falsas' fueron identificadas en tan solo un 48,2% de las veces. En otra de las pruebas, antes de ponerse manos a la obra, los participantes obtuvieron cierto conocimiento y ayuda sobre los puntos clave para identificar los rostros. Si bien aquí acertaron un 59% de las veces, no hubo mayor mejora en los resultados.

Imágenes utilizadas en el estudio

Otra de las pruebas realizadas trataba sobre puntuar del 1 al 7 cómo de fidedigna era la cara mostrada. Los participantes seleccionaron como más 'fidedignas' aquellas caras generadas por IA. Si bien mostraban más confianza sobre los rostros que sonreían, cabe resaltar que el 65,5% de las caras reales el 58,8% de las falsas sonreían.

Una técnica para mostrar el rostro más fidedigno

Las caras generadas por IA fueron creadas a través de Red Generativa Antagónica (GAN). En esta técnica, dos redes neuronales se enfrentan la una con la otra para ir mostrando ejemplos hasta que la red va entrenándose por sí sola y así poder generar un contenido cada vez mejor. Se empieza con un array aleatorio de píxeles y poco a poco va aprendiendo sobre cómo generar un rostro. Un discriminador, elemento utilizado en el campo de la computación distribuida, se encarga de aprender a detectar la cara, y si éste la detecta, penaliza a la red que genera el rostro. Así hasta que poco a poco acaba siendo indistinguible para el discriminador, y por tanto, para el ser humano.

Los participantes tuvieron que identificar un total de 400 imágenes reales y 400 imágenes generadas por IA de personas de distinta raza y género. Es curioso saber que, en el estudio, las caras blancas masculinas eran las que se clasificaban con menor precisión.

Los autores mencionaban en el estudio que, aquellos que se dedican a crear este tipo de tecnologías deberían considerar si los beneficios superan los riesgos. Actualmente existen grandes esfuerzos por mejorar la detección de deepfakes y similares, como la C2PA (Coalition for Content Provenance and Authenticity) avalada por tecnológicas como Adobe, Arm o Microsoft. Diferenciar un rostro artificial de uno real comienza a ser realmente difícil para muchos, suponiendo un problema grave, sobre todo para la proliferación de fake news. Es por ello que deben de existir sistemas de detección cada vez más precisos y complejos.

En todo el mundo, más de 400.000 personas han muerto como consecuencia del nuevo coronavirus desencadenante de la COVID-19. En el país con más muertes tanto absolutas como relativas a la población, Estados Unidos, las estadísticas revelan que más de 100.000 personas han pedido la vida.

La enorme dimensión de esta tragedia puede llegar a desafiar nuestra comprensión, hacer que nos quedemos simplemente una cifra.

Eso es justo lo que pretende evitar la web creada por el desarrollador estadounidense Matt Korostoff, 100,000 Faces, poniendo rostro a las miles y miles de víctimas que esta crisis sanitaria se ha llevado por delante.

Los rostros inexistentes que ponen cara a la tragedia provocada por la pandemia

"Al ver que el número de muertos aumenta cada día, con el tiempo nos adormecemos ante él. Incluso si entendemos intelectualmente que cada uno de esos números representa a una persona real, es casi imposible comprender plenamente el número de víctimas humanas de la COVID-19", explica Korostoff.

De hecho, reflexiona este profesional del software, incluso sería difícil de ver un monumento que nombra a los muertos en su totalidad, como los creados después de la guerra de Vietnam y el 11S. "Muchos han muerto solos en sus casas, sin haber sido examinados. Los registros de muertes del Gobierno proporcionan datos incompletos y los resultados de las pruebas de laboratorio son correctamente anónimos para el público".

En Genbeta

Una ventana al mundo: esta web te muestra las vistas de otras personas a lo largo del planeta

"¿Cómo podemos llorar la muerte de personas cuyos rostros nunca veremos y cuyos nombres nunca aprenderemos? ¿Cómo podemos comprender la magnitud de la misma?", se pregunta. Y su respuesta ha sido esta web, 100,000 Faces.

Una página sencilla, con fondo blanco, que a medida que el usuario se desplaza a través de ella va mostrando rostros generador automáticamente por ordenador contándolos uno a uno. Su generación automática, además, ha tenido en cuenta la edad, la raza y el género de los fallecidos en Estados Unidos, para que la representación de las más de 100.000 víctimas resulte todavía más precisa.

Las fotos usadas para generar todas las caras que muestra el sitio han sido obtenidas de generated.photos, un repositorio con fotos completamente generadas por inteligencia artificial, y como explica el creador, algunas de ellas fueron envejecidas digitalmente mediante FaceApp.

La modificación de rostros de forma virtual está a la orden del día, y la infinidad de noticias sobre deepfakes que nos llegan día tras día lo atestiguan. Como propuesta para intentar poner solución a este problema, Adobe ha trabajado junto a la UC (University of California) Berkeley sobre la detección de manipulaciones en rostros a través de Photoshop.

Esta propuesta que, por el momento, no entra en sus planes comerciales, es según ellos uno de los compromisos morales de la compañía, que asegura estar trabajando en formas para detectar cuando una imagen, video, audio o documento ha sido manipulado. Según Adobe, el contenido falso es un problema, y la inteligencia artificial puede ayudar a detectarlo.

Una potente herramienta que no solo detecta cambios, sino que los revierte

Desde el blog de Adobe cuentan que su propio equipo, junto a colaboradores en la UC Berkeley, ha logrado desarrollar un método para detectar modificaciones en las fotografías. El principal objetivo es el de crear una solución capaz de identificar rostros modificados con mayor precisión que un ser humano, de descodificar estos mismos cambios y de revertirlos por sí misma, sin edición por parte del propio usuario de Photoshop.

Para ello, se han centrado en la herramienta "Licuar" de Photoshop, que se utiliza frecuentemente en el mundo de la fotografía y el modelaje para hacer modificaciones profundas en los rostros, ya que con esta herramienta podemos cambiar el aspecto de una cara casi al completo.

"Comenzamos mostrando pares de imágenes (un original y una alteración) a las personas que sabían que una de las caras estaba alterada. Para que este enfoque sea útil, debería ser capaz de desempeñarse significativamente mejor que el ojo humano en la identificación de caras editadas".

¿El proceso? Entrenar a una inteligencia artificial que comparaba miles de imágenes de internet sin modificar con imágenes modificadas de forma sintética con esta herramienta. Del mismo modo, intervino un artista en la modificación de imágenes, para añadir el componente humano a dichas modificaciones. El algoritmo resultante fue capaz de reconocer las imágenes modificadas un 99% de las veces, mientras que los sujetos de prueba humanos apenas sobrepasaron el 50% de tasa de acierto. Yendo más allá, esta IA es capaz incluso de revertir las imágenes a su estado original, tras analizar los aspectos que han sido modificados.

En Xataka

Con los deepfakes tendremos un problema con la verdad: ni los vídeos servirán como pruebas

Desde Adobe cuentan que seguimos estando lejos de un botón mágico que revierta todos los cambios en una imagen modificada, pero que su herramienta es un buen punto para marcar este camino, y concienciar sobre lo sencillo que es manipular una imagen y que el humano que la ve no se de cuenta de dicha manipulación.

Sin ir más lejos, recientemente surgió una polémica con un vídeo de Nancy Pelosi, presidenta de la Cámara de Representantes en Estados Unidos, en el que aparentemente aparecía ebria, y que resultó ser falso. Del mismo modo, hace unos días te contábamos cómo un video con un deepfake de Mark Zuckerberg empezó a difundirse por la red no se eliminó de las redes sociales, ya que Facebook no tiene una política que estipule que la información que se publica en en la red deba ser verdad.

Estos casos ponen sobre la mesa la necesidad de herramientas precisas y rápidas que detecten el contenido falso, uno de los principales propósitos que parece transmitir Adobe, y en el que basarán herramientas futuras.

Vía | The Verge

La presencia de la inteligencia artificial parece acrecentarse año tras año, un suceso que no extraña si ponemos la mira en los últimos logros que ha ido dejando, como pudieran ser herramientas capaces de generar imágenes realistas a partir de dibujos a mano alzada, o las recientes GAN, redes neuronales con la capacidad de crear rostros de personas que no existen.

Ian Goodfellow es uno de los padres de dichas redes, habiendo trabajado previamente en el equipo de OpenAI, y siguiendo su itinerario laboral en Google como una de las cabezas en el equipo de aprendizaje automático. Tras su etapa en la Gran G, Goodfellow decide dar el salto al equipo de Apple, para incoporarse como Director de aprendizaje automático en el equipo de proyectos especiales.

En Genbeta

Qué son y cómo funcionan las GAN, esas redes neuronales capaces de crear rostros de personas que no existen

Apple y su nueva obsesión con la inteligencia artificial

Ya en abril de 2018, Apple daba un duro golpe al equipo con sede en Mountain View, "robándoles" a John Giannandrea, el jefe de inteligencia artificial de Google. La nueva incorporación, como muestra en su perfil de Linkedin, es Ian Goodfellow, estadounidense de 34 años y antiguo miembro en el equipo de Google Brain.

Goodfellow es más que conocido por ser uno de los padres de las _Generative Adversary Networks_ (GAN), el resultado de combinar dos sistemas de inteligencia artificial para crear rostros que ni siquiera existían previamente.

Las GAN son capaces de crear, desde cero, rostros completamente nuevos, haciendo competir a dos redes neuronales (una generadora y otra discriminadora). Más allá de la curiosidad y el morbo que pueda ocasionar el tener una herramienta capaz de crear rostros, el potencial de las GAN va mucho más allá, siendo capaces de intervenir en procesos de creación 3D, optimización de software, detectar _fake news_ (importante ahora que Apple ha hecho público su nuevo servicio de noticias.

Queda patente pues (por si no era suficiente con el fichaje de Giannandrea), el interés de Google en los procesos de aprendizaje automático, y el valor que llegan a adquirir piezas como Ian Goodfellow en un mercado que llega a pagar más de un millón de dólares al año a sus investigadores. 2019 nos depara mayor presencia de la inteligencia artificial, y la inversión que están realizando en ella empresas como Apple no hace más que dibujar un futuro en el su incorporación a la vida cotidiana se hará patente.

Vía | CNCB

A estas alturas quedan pocas dudas de que Facebook es, por lejos, el servicio más usado para compartir fotos en el mundo. Todos los días sus usuarios suben decenas de millones de fotos (83 millones para ser exactos), y etiquetan en ellas a cientos de millones de “amigos”. Es obvio que la red social de Zuckerberg quiere mejorar todavía más la experiencia de sus usuarios en este apartado, y por eso han mejorado y ampliado el reconocimiento de rostros que hasta ahora ofrecía Facebook.

La idea es que, gracias a esta funcionalidad, sea más fácil etiquetar a todos nuestros amigos en las fotos. Por eso, Facebook hace el “trabajo pesado” por nosotros e identifica a los rostros que parecen ser los mismos, para que los etiquetemos a todos de una sola vez.

Además, mientras antes sólo se existía detección de rostros (identificar si es que hay alguna persona por etiquetar en la foto), ahora podemos hablar de reconocimiento de rostros en toda regla, ya que Facebook también se encarga de hacernos sugerencias sobre quiénes aparecen en las fotos.

De todos modos, según indican los mismos empleados de Facebook, las sugerencias son extremadamente conservadoras en este momento, y sólo aparecen cuando el resultado entregado por el algoritmo es “altamente confiable”. Por eso, puede ser que no veamos muchas sugerencias de etiquetas por ahora, hasta que los algoritmos se perfeccionen más.

Y en el caso de que el reconocimiento de rostros de Facebook nos incomode, se ha añadido una opción de privacidad para impedir que a nuestros amigos les aparezcan sugerencias con nuestro nombre. Además, el reconocimiento de rostros sólo sugiere etiquetar a personas que sean amigos nuestros en Facebook.

Pero aun así, por más opciones de privacidad que ofrezcan, en lo personal me preocupa ver la cantidad de información sobre la población que almacena Facebook. Simplemente es preocupante que una misma compañía posea toda esa información de tantas personas de forma centralizada, y que además se esté convirtiendo casi en una imposición social el poseer cuenta en aquel sitio (a diferencia de lo que ocurre con otro tipo de servicios, donde podemos elegir más libremente el proveedor).

Vía | All Facebook, ReadWriteWeb

Los chicos de Picollator se ponen en contacto con nosotros para ponernos los dientes largos. Y no es porque nos vayan regalar pases para ir al dentista sino para mostrarnos de lo que es capaz su motor de búsquedas de rostros, superando incluso a la capacidad humana, como afirman en su blog.

Su potencia llega hasta tal punto de poder reconocer rostros de las personas dentro de las fotografías digitales, pero aún más a través de ilustraciones o dibujos, pudiendo llegar a procesar obras de arte, encontrando en ellos los rostros de personas incluso si estas obras o retratos son antiguas.

Desde su blog nos hacen referencia al vídeo que os ponemos a continuación, donde vemos como partiendo de un retrato dibujado en 40 minutos, el motor de Picollator es capaz de procesar la fotografía tomada con el móvil a dicho retrato y buscando rostros similares.

Por lo visto, el retratista se quedó impresionado con el resultado.

Enlace | Picollator

Hablemos ahora de Facesaerch, un buscador de rostros en las imágenes basado en Google Images, y no me he equivocado de nombre, ya que su nombre es ese, Facesaerch.

Y como buscador de rostros, simplemente tenemos que introducir el nombre del rostro de la persona que estamos buscando, y Facesaerch, basado en el motor de Google Images, filtra todas esas imágenes, mostrando únicamente aquellas imágenes que disponen de un rostro.

Los resultados de navegación son visuales, casi al estilo de Cover Flow, donde podemos movernos entre las imágenes, las cuales cada una de ellas nos llevarán a la fuente original desde donde Google Images las ha tomado.

Interesante sin duda a la par de elegante con ese fondo negro y estructura simplificada.

Vía | KillerStartups Enlace | Facesaerch

De la mano de Recogmission LLC. nos encontramos con un nuevo motor de búsquedas lanzado recientemente y que nos permite, a partir de una misma imagen de un rostro que le indiquemos mediante una dirección web o la subamos de nuestro sistema local, la búsqueda de los recursos online que disponen de la misma imagen o de imágenes similares.

Se trata de un nuevo motor de búsquedas que busca imágenes en Internet, detectando en las mismas los rostros de las personas, reconociéndolas y clasificándolas de manera alfabética. De esta manera, cuando uno usuario realiza una búsqueda, su algoritmo buscará dentro de las imágenes indexadas y además buscar imágenes parecidas.

Claro que las imágenes que indiquemos deben cumplir con unos requisitos para que el motor de búsquedas funcione adecuadamente:

• Tener la cara despejada de pelos
• No disponer de gafas en la imagen
• Debe de ser un primer plano
• Debe de mirar de frente
• El tamaño óptimo deberá ser de 1200х900 pixels
• Y la cara deberá de ocupar al menos 240x240 píxels

Sin duda un recurso interesante para conocer los sitios que disponen de la misma imagen e incluso localizar imágenes parecidas, entre otros usos.

Gracias Irina Yakhneeva por el aviso

Enlace | Picollator

Muchas veces soñamos con ponernos en la piel de personajes de series o películas conocidas, formar parte de la aristocracia o incluso ser un deportista de élite. Pues bien, eso es posible gracias, al menos a nivel virtual, a FaceInHole.

FaceInHole viene a ser el equivalente a las aplicaciones que solemos tener en los móviles en donde solemos aplicar escenarios a las fotografías que realizamos, pero a la inversa, es decir, elegimos escenarios, disponibles en una serie de categorías, y añadimos las fotos de los rostros, encajándolas. Para ello, una vez subamos o tomemos las capturas de los rostros a través de la webcam, disponemos de una serie de utilidades de ajustes, entre rotaciones, zoom y ajustes de tono, color y brillo, que nos permite integrar dichos rostros dentro de esos escenarios.

Los escenarios los podemos marcar como favoritos mientras que los montajes creados los podemos guardar con sus respectivos nombres, a lo que nos facilitarán sus direcciones y hasta los códigos para su integración en nuestros sitios web. Además, podemos sugerir nuevos escenarios.

Sin duda, un buen rato para divertirse.

Vía | Go2Web20.net Enlace | FaceInHole.com

Vamos a divertirnos un ratito. HairMixer, como el propio nombre indica, es simplemente un mezclador de rostros. El funcionamiento es muy sencillo, ya que tenemos dos fotografías, cada una de ellas podrá corresponder a la foto de celebridad, una foto nuestra o cualquier otra imagen que podamos encontrar en internet.

Ya sólo queda definir en cada una de ellas un área en concreto, escogiendo de una fotografía parte de la cara que queremos añadir en otra fotografía. Seleccionaremos uno de los dos botones, dependiendo si queremos seleccionar el área de la primera imagen que será la que reemplace en la selección de la segunda o viceversa.

Como resultado podemos obtener ésto:

Increible, ¿verdad? Pues además podemos enviarlo por correo electrónico y crear una camiseta como ésta:

Vía | FeedMyApp Enlace | HairMixer