Uno de los integrantes del comando yihadista que atentó en Barcelona el pasado dia 17 de Agosto
Franz Joseph Gall (1758-1828) fue un anatomista y fisiólogo alemán que desarrolló una teoría que vino en llamarse frenología y que estudiaba la forma del cráneo para tratar de adivinar y predecir a través de estas formas los comportamientos humanos. La frenología fue amplíamente desacreditada al descubrirse que el grosor del cráneo varía de unos individuos a otros de manera que la idea de que los comportamientos individuales pudieran estar relacionados con determinadas regiones cerebrales y proyectadas en la morfología del cráneo fue refutada inmediatamente.
Un poco más tarde Cesare Lombroso que era médico y criminólogo (un precursor de lo que hoy entendemos como criminología) desarrolló una teoría basada en la frenología. Para Lombroso la delincuencia era innata y podía deducirse y predecirse a través de rasgos faciales como asimetrías craneales, determinadas formas de mandíbula, orejas, arcos superciliares, etc.). Sin embargo, en sus obras se mencionan también como factores criminógenos el clima, la orografía, el grado de civilización, la densidad de población, la alimentación, el alcoholismo, la instrucción, la posición económica y hasta la religión
Las teorías de Lombroso aparecieron con la fotografía y tuvieron difusión gracias a ella pero fueron también refutadas estadísticamente pero no solamente por ellas sino sobre todo por la debilidad de su método de investigación (basado en la observación) y sobre todo por la decadencia de las teorías eugenésicas de Galton descubridor del fenómeno de la regresión a la media), al menos de su concepto de la eugenesia negativa. Durante cien años al menos las ideas sobre la raza y la decadencia genética de algunas etnias fueron desdeñadas por la ciencia y más teniendo en cuenta las ideas criminales que surgieron de ellas y que justificaron genocidios reglados como el del III Reich. Aun hoy hablar de las razas o de ciertos comportamientos ligados a ellas son un tabú científico. La idea políticamente correcta es pensar que no existen diferencias sustanciales entre unos grupos humanos y otros. La idea fuerza es la que suscribiera Richard Lewontin:
“Existen mas diferencias genéticas entre individuos de un mismo grupo que entre un grupo y otro”.
Se cree que Abraham Lincoln padecía alguna forma de sindrome de Marfan
Lombroso creía que los criminales representaban “regresiones” a estadíos simiescos, algo así como si se tratara de personas a medio hacer y estaba convencido de que podía identificarlas con rasgos parecidos a los de un mono, como la frente inclinada, las orejas de tamaño inusual y las diversas asimetrías de la cara y los brazos largos. Algo parecido a un sindrome de Marfan.
El debate descansó hasta 2011, fecha en la que un grupo de psicólogos de la Universidad de Cornell mostró que la gente era bastante buena para distinguir criminales de no criminales con sólo mirar fotos de ellos. ¿Cómo podría ser eso si no hay características estadísticamente diferentes?
Mas tarde unos investigadores sobre visión artificial chinos Xiaolin Wu y Xi Zhang de la Universidad Jiao Tong de Shanghai en China utilizaron gran una variedad de algoritmos de visión artificial para estudiar las caras de criminales y no criminales y luego lo probaron para averiguar si podían distinguir la diferencia.
Su método es sencillo. Toman fotos de identificación de 1856 hombres chinos entre las edades de 18 y 55 sin vello facial. La mitad de estos hombres eran delincuentes.
Luego utilizaron el 90 por ciento de estas imágenes para entrenar una red neuronal de identificación de rostros para reconocer la diferencia y luego probaron la red neural en el 10 por ciento restante de las imágenes.
Los resultados son inquietantes. Xiaolin y Xi encontraron que el programa de inteligencia artificial podía identificar correctamente criminales y no criminales con una precisión de 89.5 por ciento. “Estos resultados altamente consistentes son evidencias para la validez de la inferencia automatizada inducida por la cara sobre la criminalidad, a pesar de la controversia histórica que rodea el tema”, dicen.
Xiaolin y Xi dicen que hay tres rasgos faciales que utiliza el programa para hacer su clasificación. Estos son: la curvatura del labio superior, que es en promedio un 23 por ciento mayor para los delincuentes que para los no criminales; La distancia entre dos esquinas interiores de los ojos, que es 6 por ciento más corta; Y el ángulo entre dos líneas trazadas desde la punta de la nariz hasta las esquinas de la boca, que es 20 por ciento más pequeña.
Ellos van a trazar la varianza en los datos de las caras criminales y no criminales en un espacio de parámetro simplificado llamado un colector. Y este proceso revela por qué la diferencia ha sido difícil de determinar.
Xiaolin y Xi muestran que estos conjuntos de datos son concéntricos, pero que los datos para las caras criminales tiene una varianza mucho mayor. “En otras palabras, los rostros del público general no criminal tienen un mayor grado de similitud con los rostros de los criminales, pero los criminales tienen un mayor grado de disimilitud en la apariencia facial que las personas normales”, dicen Xiaolin y Xi.
Esto también puede explicar por qué ciertos tipos de pruebas estadísticas no pueden distinguir entre estos conjuntos de datos. De hecho, Xiaolin y Xi muestran que cuando combinan caras criminales y no criminales para crear caras “promedio”, parecen casi idénticas.
Aunque controvertido, ese resultado no es totalmente inesperado. Si los seres humanos pueden detectar a los criminales mirando sus rostros, como los psicólogos encontraron en 2011, no debería sorprendernos que las máquinas también puedan hacerlo.
La preocupación, por supuesto, es cómo los seres humanos podrían utilizar estas máquinas. No es difícil imaginar cómo este proceso podría aplicarse a conjuntos de datos de, por ejemplo, pasaporte o fotos de licencia de conducir para todo un país. Sería entonces posible seleccionar a las personas identificadas como infractores de la ley, hayan cometido o no un delito.
Esa es una especie de escenario de película de ciencia ficción como “Minority report” en el que los delincuentes pueden ser identificados antes de que hubieran cometido un crimen.
Por supuesto, este trabajo debe ser establecido en una base mucho más fuerte.Tiene que ser reproducido con diferentes edades, sexos, etnias, etc. Y en conjuntos de datos mucho más grandes. Eso debería ayudar a distanciar las complejidades de los hallazgos. Por ejemplo, Xiaolin y Xi encuentran que las caras criminales pueden subdividirse en cuatro subgrupos, pero las caras no criminales en sólo tres. ¿Cómo? ¿Y cómo varía esto en otros grupos?
Y el trabajo plantea preguntas importantes. ¿Por qué las caras de los delincuentes tienen una varianza mucho mayor que la de los no criminales? ¿Y cómo somos capaces de detectar estas caras – es el comportamiento aprendido o el comportamiento cableado que ha evolucionado?
Todo esto anuncia una nueva era de antropometría, criminal o no. La semana pasada, los investigadores revelaron cómo habían entrenado una máquina de aprendizaje profundo para juzgar de la misma manera que los humanos si alguien era confiable mirando una instantánea de su cara . Este trabajo es otra toma sobre el mismo tema. Y hay espacio para mucha más investigación, ya que las máquinas se vuelven más capaces. Examinar lo que nuestra ropa o el cabello dicen de nosotros es un punto de vista obvio e intuitivo. Y pronto las máquinas también podrán estudiar el movimiento. Eso plantea la posibilidad de estudiar cómo nos movemos, cómo interactuamos, y así sucesivamente.
Este articulo ha sido extraido en parte de esta web de la revista del MIT
Una lectura relacionada para explicar esta disonancias entre varianzas podeís encontrarla en la Falacia de Lewontin que en mi opinión trata de esta misma disonancia.
Mi resumen seria este: podemos diferenciar un rostro peligroso de uno normal, del mismo modo que podemos identificar una raza concreta, se trata de una habilidad innata que evolucionó con nuestra especie, una habilidad que desaparece en el síndrome de Williams. Que en nuestro grupo haya más diferencias que entre grupos es solo un ejemplo de como la estadística no recoge esas pequeñas variaciones que como aleteos de una mariposa aquí pueden formar un tornado allá.
