Encontrar la identidad de los migrantes desaparecidos usando inteligencia artificial

Cada año, cientos de miles de personas abandonan sus hogares y abandonan su país en busca de una vida mejor o para huir de la violencia. Muchos resultan heridos o muertos en el camino. Muchos otros desaparecen sin que sus seres queridos sepan si están vivos o muertos, o qué les pasó.

Según el proyecto Migrantes desaparecidos de la Organización Internacional para las Migraciones (OIM), hemos perdido el rastro de 45 migrantes en todo el mundo desde 000, incluidos 2014 en el Mediterráneo.

En 2020, la alianza INSA (Instituto Nacional de Ciencias Aplicadas) fue abordada por el equipo forense transregional del Comité Internacional de la Cruz Roja (CICR), cuyo objetivo era mejorar el proceso de identificación de migrantes fallecidos en la zona euromediterránea. . Hay un montón de ahogamientos aquí - 16 desde 000. Hasta donde sabemos, este esfuerzo liderado por el antropólogo José Pablo Baraybar del CICR es el único que enfrenta este problema de manera transversal en la región.

Los equipos del INSA intervinieron así para proponer soluciones a esta imprescindible labor de identificación del CICR, que tiene que hacer frente a un gran número de casos, información dispersa o de mala calidad sobre las personas desaparecidas.

Después de un proyecto piloto dirigido por INSA Lyon, que proporcionó al CICR herramientas para gestionar la información sobre los cuerpos recuperados, la asociación tomó forma. Él integró el Programa de alianzas de la Fundación INSA.

Este programa moviliza a estudiantes y docentes-investigadores en casos concretos para los cuales las ONG, como Handicap International o el CICR, necesitan conocimientos científicos y técnicos. En total, hay 37 estudiantes que, como parte de su curso, han desarrollado siete proyectos que combinan métodos y herramientas específicos de las escuelas de ingeniería con el conocimiento de campo del CICR.

La inteligencia artificial al servicio del humanitarismo

En teoría, el proceso de identificación de personas ahogadas podría iniciarse fácilmente haciendo que los familiares reconocieran a los fallecidos mediante fotografías. Sin embargo, estos documentos no siempre son “mostrables”: o estas fotos son de mala calidad, o los cuerpos están tan dañados y las imágenes tan traumáticas que impiden cualquier reconocimiento formal.

Esta situación nos llevó a explorar la idea de comparar las fotos de personas fallecidas con las fotografías de personas buscadas por sus familiares utilizando tecnologías de reconocimiento facial.

Este enfoque se exploró en particular como parte de la pasantía de fin de estudios de Zacharie Hellouin en 2020. Su proyecto consistió en utilizar y luego evaluar la contribución de los algoritmos y modelos de reconocimiento facial en la identificación de los restos de personas encontradas ahogadas.

En términos concretos, implica adaptar y utilizar modelos de máquina de aprendizaje, una técnica de inteligencia artificial que permite que un programa aprenda, por sí mismo, a reconocer similitudes y diferencias en conjuntos de datos. Al confrontarlo con experiencias repetidas, como el reconocimiento de la identidad de una persona, el programa entrena y mejora sus resultados. Este trabajo permitió validar el interés de esta técnica para el reconocimiento de desaparecidos.

Para implementarlo, comparamos fotos de migrantes vivos con las de migrantes fallecidos con la esperanza de obtener coincidencias positivas. Para ello, hemos establecido un índice de similitud basado en un algoritmo de emparejamiento que permite obtener puntuaciones probables de identidad de la persona en forma de porcentajes.

Todo se ha integrado en una aplicación web destinada a los agentes del CICR y los encargados legalmente de identificar restos mortales, como los institutos forenses. Esta aplicación está en desarrollo y cada uno de los proyectos pretende mejorarla.

Los resultados obtenidos son alentadores. Gracias a este software pudimos desarrollar un prototipo completo de reconocimiento facial aplicado a migrantes desaparecidos. Sin embargo, para poder ofrecer indicadores verdaderamente fiables de similitud entre fotos de personas vivas y muertas, habría que obtener miles y miles de fotos.

Una vez establecidos estos límites, la herramienta desarrollada hoy ofrece a los agentes del CICR la posibilidad de orientar sus búsquedas proporcionando una lista de coincidencias probables, lo que hace que la búsqueda sea ciertamente laboriosa, pero humanamente posible.

Software en constante mejora

Al inicio de este proyecto, en 2020, había que redactar las especificaciones. Los alumnos del INSA y su profesor Charles Dossal tradujeron así a términos técnicos el procesamiento automático o no automático que se debe realizar sobre estas imágenes: extraer el rostro de la decoración (una bolsa, el fondo de un bote, una mesa, etc.), centrar y alinear la imagen, atenuar o eliminar heridas, quitar espuma de la boca y dar un brillo de vida a los ojos.

Dos estudiantes en 4^e año, Adam Hamidallah y Din Triem Phan, luego programaron los algoritmos que habíamos identificado como los más relevantes para resolver estos diferentes problemas. En ocasiones habrá sido necesario copiar partes de piel sana para "curar digitalmente" heridas o insertar ojos de otra cara cuando estos estaban demasiado dañados. Los resultados son alentadores, pero también hemos podido medir que la inteligencia artificial (IA) podría proporcionar respuestas más completas.

Durante el verano de 2021, Zoé Philippon y Jeong Hwan Ko vieron estas terribles imágenes con el objetivo de ver con mayor precisión qué puede aportar la IA a esta misión.

El objetivo de Zoé Philippon era probar los límites de los algoritmos de reconocimiento facial basados ​​en redes neuronales artificiales cuando se aplican a imágenes de rostros de difuntos, principalmente de origen africano. Estos algoritmos son efectivos en imágenes similares a las utilizadas para calibrarlas, aquí rostros de personas vivas, en su mayoría blancos y hombres, con una pequeña proporción de rostros femeninos o africanos.

Por lo tanto, llevó a cabo numerosas pruebas, volvió a entrenar a la IA para que fuera más efectiva con las imágenes de personas desaparecidas. Los resultados parecen indicar que estos algoritmos se beneficiarían de ser entrenados más específicamente en rostros de una población más representativa de los desaparecidos y que el reconocimiento se deteriora significativamente cuando la persona a reconocer está muerta. El acceso a una mayor cantidad de datos podría confirmar estos resultados iniciales muy alentadores.

maquillaje digital

Jeong Hwan Ko ha tratado de mejorar los resultados del "maquillaje digital" mediante el uso de redes neuronales artificiales, también preentrenadas, para rellenar agujeros en las imágenes. Estos métodos han demostrado ser extremadamente efectivos para borrar lesiones, pero para reparar una boca o un ojo era necesario utilizar otras redes neuronales capaces de insertar una parte de una imagen en otra.

Por el momento el programador escoge la imagen a insertar, pero en el futuro probablemente será más eficiente dejar que el algoritmo busque por sí mismo en una gran base de datos, los ojos, la boca o las orejas en buen estado que más se parezcan a las del rostro a identificar. Todavía queda trabajo por hacer y, una vez más, un mayor acceso a los datos sin duda mejoraría la calidad de esta reconstrucción facial.

Hoy, los proyectos continúan. Siempre estamos buscando datos para entrenar aún más los programas de aprendizaje automático. También buscamos patrocinadores corporativos dispuestos a compartir su tecnología, tiempo y apoyo con nosotros.

Finalmente, cabe señalar que estas mismas aplicaciones, desarrolladas para dar respuesta a la crisis de migrantes desaparecidos, también pueden ser utilizadas en otros contextos como desastres, conflictos o cualquier situación que pueda dar lugar a la no identificación de personas fallecidas.

Este artículo fue coautor de samuel kenny, coordinador de la Alianza CICR-INSA.

sami yangui, Docente-Investigador en Informática, INSA Toulouse et Carlos Dossal, Profesor de Matemáticas, INSA Toulouse

Este artículo ha sido publicado de nuevo. La conversación bajo licencia Creative Commons. Lee elarticulo original.

Crédito de la imagen: Shutterstock.com/pabloavanzini