La Visión por Computadora y el Sesgo en la Detección de Tonos de Piel
La visión por computadora, una rama de la inteligencia artificial que permite a las máquinas «ver» e interpretar imágenes y vídeos, ha sido objeto de críticas por su sesgo en la detección de tonos de piel. Tradicionalmente, se ha utilizado la escala Fitzpatrick para medir este sesgo, una herramienta que clasifica los tonos de piel en seis categorías basadas en su respuesta al sol. Sin embargo, esta escala ha sido criticada por ser unidimensional y no representar adecuadamente la diversidad de tonos de piel existentes.
Sony Desarrolla Herramienta para Mejorar la Detección de Tonos de Piel
En respuesta a esta problemática, Sony ha desarrollado una nueva herramienta que expande la escala de tono de piel a dos dimensiones, midiendo tanto el color (de claro a oscuro) como el matiz (de rojo a amarillo). Esta innovación se inspiró en el trabajo de la artista brasileña Angélica Dass, cuyo proyecto fotográfico «Humanae» muestra una gran variedad de tonos de piel entre personas de antecedentes similares. Sony ofrece esta herramienta gratuitamente en línea.
El matiz del tono de piel es un factor importante que hasta ahora había sido ignorado. En la industria cosmética, por ejemplo, la selección del tono base no solo se realiza por su claridad u oscuridad, sino también por su calidez o frialdad. Alice Xiang, jefa global de ética de IA en Sony, subraya la importancia del matiz en el tono de piel y cómo su inclusión puede mejorar la precisión y equidad en los sistemas de visión por computadora.
El Desafío de Medir el Sesgo en la Visión por Computadora
Sin embargo, medir el sesgo en la visión por computadora sigue siendo un desafío debido a la falta de un estándar comúnmente aceptado. Esto dificulta la comparación entre sistemas y la identificación de áreas de mejora. En este contexto, Meta ha desarrollado FACET (Fairness in Computer Vision Evaluation), una herramienta diseñada para medir la equidad en los modelos de visión por computadora. FACET puede usarse en tareas comunes como clasificación, detección y segmentación.
Laura Gustafson, investigadora de IA en Meta, afirma que FACET es la primera evaluación de equidad que incluye muchas tareas diferentes de visión por computadora y que incorpora un rango más amplio de métricas de equidad que otras herramientas de sesgo. Este avance representa un paso importante hacia la creación de sistemas de visión por computadora más justos y precisos, capaces de representar adecuadamente la diversidad humana.
Sarah es además de experta en marketing digital, creadora de contenido con amplia experiencia en el campo. Graduada en Sociología por la Universidad de Barcelona y con un Postgrado en Marketing Digital en Inesdi, Sarah ha logrado destacarse como Directora de Marketing Digital.
Su profundo conocimiento de las tendencias digitales y su habilidad para identificar oportunidades de crecimiento han sido fundamentales para el éxito de numerosas campañas. Además, imparte clases y conferencias en prestigiosas escuelas de negocio, universidades y eventos, compartiendo sus conocimientos y experiencias con otros profesionales y estudiantes.
