La rete neurale impara a identificare i criminali dai loro volti

Subito dopo l'invenzione della fotografia, alcuni criminologi iniziarono a notare degli schemi nelle foto segnaletiche che scattavano ai criminali. I trasgressori, hanno detto, avevano caratteristiche facciali particolari che consentivano loro di essere identificati come trasgressori della legge.

Una delle voci più influenti in questo dibattito era Cesare Lombroso, un criminologo italiano, che credeva che i criminali fossero dei reduci più strettamente legati alle scimmie che ai cittadini rispettosi della legge. Era convinto di poterli identificare da lineamenti scimmieschi come la fronte spiovente, orecchie di dimensioni insolite e varie asimmetrie del viso e braccia lunghe. In effetti, ha misurato molti soggetti nel tentativo di dimostrare la sua opinione sebbene non abbia analizzato statisticamente i suoi dati.

Questa mancanza alla fine ha portato alla sua caduta. Le opinioni di Lombroso furono screditate dal criminologo inglese Charles Goring, che analizzò statisticamente i dati relativi alle anomalie fisiche nei criminali rispetto ai non criminali. Ha concluso che non vi era alcuna differenza statistica.

E lì il dibattito si è fermato fino al 2011, quando un gruppo di psicologi della Cornell University ha dimostrato che le persone in realtà erano abbastanza brave a distinguere i criminali dai non criminali semplicemente guardando le loro foto. Come potrebbe essere se non ci sono caratteristiche statisticamente diverse?

Oggi riceviamo una sorta di risposta, grazie al lavoro di Xiaolin Wu e Xi Zhang della Shanghai Jiao Tong University in Cina. Questi ragazzi hanno utilizzato una varietà di algoritmi di visione artificiale per studiare i volti di criminali e non criminali e poi li hanno testati per scoprire se poteva distinguere.

Il loro metodo è semplice. Scattano foto identificative di 1856 uomini cinesi di età compresa tra i 18 ei 55 anni senza peli sul viso. La metà di questi uomini erano criminali.

Hanno quindi utilizzato il 90 percento di queste immagini per addestrare una rete neurale convoluzionale a riconoscere la differenza e quindi testato la rete neurale sul restante 10 percento delle immagini.

I risultati sono inquietanti. Xiaolin e Xi hanno scoperto che la rete neurale potrebbe identificare correttamente criminali e non criminali con una precisione dell'89,5%. Questi risultati altamente coerenti sono prove della validità dell'inferenza indotta dalla faccia automatizzata sulla criminalità, nonostante la controversia storica che circonda l'argomento, dicono.

Xiaolin e Xi affermano che ci sono tre caratteristiche facciali che la rete neurale usa per fare la sua classificazione. Questi sono: la curvatura del labbro superiore che è in media del 23 per cento più grande per i criminali rispetto ai non criminali; la distanza tra due angoli interni degli occhi, che è inferiore del 6%; e l'angolo tra due linee tracciate dalla punta del naso agli angoli della bocca, che è più piccolo del 20 per cento.

Continuano a tracciare la varianza nei dati da volti criminali e non criminali in uno spazio parametrico semplificato chiamato varietà. E questo processo rivela perché la differenza è stata difficile da definire.

Xiaolin e Xi mostrano che questi set di dati sono concentrici ma che i dati per i volti criminali hanno una varianza molto maggiore. In altre parole, i volti del pubblico rispettoso della legge in generale hanno un grado maggiore di somiglianza rispetto ai volti dei criminali, o i criminali hanno un grado di dissomiglianza maggiore nell'aspetto del viso rispetto alle persone normali, affermano Xiaolin e Xi.

Questo può anche spiegare perché alcuni tipi di test statistici non possono distinguere tra questi set di dati. In effetti, Xiaolin e Xi mostrano che quando combinano volti criminali e non criminali per creare volti normali, sembrano quasi identici.

Sebbene controverso, quel risultato non è del tutto inaspettato. Se gli esseri umani possono individuare i criminali guardando i loro volti, come hanno scoperto gli psicologi nel 2011, non dovrebbe sorprendere che anche le macchine possano farlo.

La preoccupazione, ovviamente, è come gli esseri umani potrebbero usare queste macchine. Non è difficile immaginare come questo processo possa essere applicato a set di dati, ad esempio, foto di passaporti o patenti di guida per un intero paese. Sarebbe quindi possibile individuare quelle persone identificate come trasgressori, indipendentemente dal fatto che abbiano commesso o meno un reato.

È una specie di Rapporto di minoranza scenario in cui i trasgressori potrebbero essere identificati prima di aver commesso un reato.

Naturalmente, questo lavoro deve essere impostato su basi molto più solide. Ha bisogno di essere riprodotto con diverse età, sessi, etnie e così via. E su set di dati molto più grandi. Ciò dovrebbe aiutare a chiarire la complessità dei risultati. Ad esempio, Xiaolin e Xi scoprono che i volti criminali possono essere suddivisi in quattro sottogruppi, ma i volti non criminali solo in tre. Come mai? E come varia questo negli altri gruppi?

E il lavoro solleva questioni importanti. Se il risultato tiene l'acqua, come si spiega? Perché i volti dei criminali dovrebbero avere una varianza molto maggiore rispetto a quelli dei non criminali? E come possiamo individuare questi volti: è un comportamento appreso o un comportamento cablato che si è evoluto?

Tutto questo annuncia una nuova era dell'antropometria, criminale e non. La scorsa settimana, i ricercatori hanno rivelato come avevano addestrato una macchina di apprendimento profondo per giudicare allo stesso modo degli esseri umani se qualcuno fosse degno di fiducia guardando un'istantanea del loro viso. Questo lavoro è un'altra interpretazione dello stesso argomento. E c'è spazio per molte più ricerche man mano che le macchine diventano più capaci. Esaminare ciò che i nostri vestiti o i nostri capelli dicono di noi è un punto di vista ovvio. E presto anche le macchine potranno studiare il movimento. Ciò aumenta la possibilità di studiare come ci muoviamo, come interagiamo e così via.

Rif: arxiv.org/abs/1611.04135 : Inferenza automatizzata sulla criminalità utilizzando le immagini dei volti

nascondere