“Il Governo dovrebbe limitare rigidamente l’uso delle tecnologie di riconoscimento facciale, anche se impiegate a protezione della sicurezza pubblica?”. È una delle dieci domande presentate in una ricerca svolta nel dicembre scorso dal Center for Data Innovation e pubblicata a inizio gennaio. Tra i tanti spunti emersi dalle risposte fornite da 3.151 americani che hanno preso parte alla ricerca, ve ne proponiamo tre.

Innanzitutto, va sottolineato il fatto che solamente il 18% degli americani ha risposto “yes” (optando per “strongly agree” o “somewhat agree”) alla domanda iniziale proposta. Considerando che anche le altre risposte hanno registrato posizioni coerenti e di apertura all’uso del facial recognition,  in generale possiamo affermare che un‘ampia maggioranza degli intervistati non è preoccupata o infastidita dall’impiego di queste tecnologie.

In secondo luogo, si registra una tendenza all’uniformità di pensiero su questa tematica: è infatti in deciso aumento il numero di cittadini favorevoli all’uso di queste tecnologie. Il risultato di un’indagine del settembre scorso (effettuata da Brookings Institution) ha registrato un aumento del 35% di opinioni a favore della necessità, da parte del Governo, di regolamentare rigidamente il facial recognition. Secondo Daniel Castro, direttore del Centre for Data Innovation, questa pressante esigenza manifestata dai cittadini potrebbe essere correlata alla maggior familiarità che hanno con queste tecnologie, utilizzate sempre più frequentemente (ad esempio per sbloccare il proprio smartphone).

Terzo e forse più interessante elemento di analisi. L’atteggiamento di apertura al facial recognition è fortemente connesso alle performance attese. Alla domanda “La polizia, per il riconoscimento di sospetti, può usare la tecnologia di facial recognition in grado di garantire una precision di X?“ gli intervistati si sono distinti. Se l’accuratezza (la X) è del 100% (risultato utopico, visto che pochissime sono le tecnologie perfette), si è dichiarato favorevole il 41%, mentre solo il 23% degli intervistati è favorevole se la precision scende al 90%, e la percentuale di favorevoli cala ulteriormente al 17% se la qualità di riconoscimento corrisponde all’80%.

E proprio nella qualità di riconoscimento sta il vero problema.

Allo stato attuale, infatti, mentre le tecnologie di analisi delle immagini funzionano molto bene in alcuni contesti (come, ad esempio, nei varchi di controllo degli aeroporti dove il controllo del passaporto, basato sul facial recognition, ci obbliga a fermarci e a guardare dentro la telecamera mentre ci viene scattata la foto), in altre situazioni le loro performance sono decisamente migliorabili.

Per approfondire, qualche nota emersa da una ricerca sul machine vision pubblicata lo scorso dicembre https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1006613, che evidenzia limiti e prospettive tramite il racconto di alcuni esperimenti concreti.

Si tratta di utilizzare algoritmi basati su DCNN (deep convolutional neural network), ovvero i migliori algoritmi di riconoscimento facciale, per comprenderne le performance e confrontarle con la capacità umana in condizioni non tradizionali.

Non è intenzione di chi scrive annoiarvi con dettagli tecnici sugli elementi emersi, ma un cenno ad alcuni test può essere utile quando si parla di precision. Immaginate di considerare cinque immagini di oggetti e cinque immagini di animali; e di modificare l’aspetto del contenuto come appare nell’immagine seguente.

Quindi invocare gli algoritmi DCNN ed ottenere le prime tre più probabili corrispondenze.

La lontra con il manto modificato in stile contachilometri viene identificata (in ordine di priorità) come apriscatole (risultato migliore con precision 12%), chitarra elettrica e gancio.

L’aereo pitturato con la pelliccia di lontra è visto come un’accetta (risultato migliore con precision 26%), un artiglio e un uncino.

Per i più interessati alla materia, suggeriamo di analizzare anche gli altri risultati del test emersi dalla ricerca, come ad esempio quelli che puntavano a riconoscere statuette di vetro raffiguranti degli animali.

Le corrispondenze individuate correttamente sono evidenziate su sfondo blu (immagine di apertura.

È certo che questi algoritmi possono migliorare anche significativamente le proprie prestazioni, ad esempio dando il giusto peso anche al tipo di materia e alla forma dell’oggetto da indentificare). Anche in condizioni di forte stress: quando occorre ad esempio procedere all’identificazione (in tempo reale) tramite il facial recognition di sospettati e ricercati analizzando decine di persone (abbigliate con sciarpa, cappello, ombrello, ecc.) che sfrecciano velocemente davanti ad una telecamera in una piovosa serata invernale londinese (vedasi il recente articolo da noi pubblicato).

Allo stesso tempo, come sostengono molti esperti (e pure chi vi scrive), il legislatore deve intervenire rapidamente e introdurre norme specifiche per regolamentare l’uso di tecnologie del riconoscimento facciale. A prescindere dall’opinione del cittadino medio.