Il face recognition è forse l’applicazione di machine learning che più è entrata nelle vite di tutti noi, e che sta rivoluzionando industrie totalmente distanti fra loro.

Dalla cyber-sicurezza alla medicina, dal marketing alla sicurezza alla guida, il face recognition si sta diffondendo nell’infrastruttura tecnologia odierna svelando importanti informazioni sui noi stessi.

Con questo approfondimento scaverò dietro alle applicazioni più importanti del face recognition, la sua tecnologia, le implicazioni sulla società, e infine 3 case study di come è stata utilizzata per generare ROI.

Iscriviti all’unico canale Youtube sul futuro del business con dati e intelligenza artificiale:

La tecnologia dietro al face recognition

Il face recognition nasce con l’evolversi del deep-learning e, in particolare, di una categoria di algoritmi chiamata
Convolutional Neural Network (CNN).

I CNN hanno permesso l’evoluzione del riconoscimento e classificazione di immagini e video, e l’analisi facciale non è altro che una sua applicazione commerciale.

Il tutto nasce da un problema molto importante nel mondo dell’informatica: per quanto i computer siano bravi a elaborare numeri di grandi dimensioni, non sono altrettanto capaci di eseguire operazioni “banali” per un umano, come distinguere l’immagine di un gatto da un cane.

Il numero “2” è sempre un 2.

È facile insegnare a un computer cosa sia il valore 2 e attribuirgli le sue proprietà matematiche attraverso la programmazione classica.

Un “cane” rimane sempre un cane, pur avendo migliaia di caratteristiche diverse. Ma non esistono due cani esattamente uguali tra loro, e anche facendo delle foto a uno stesso cane non ne avremmo mai due con gli stessi identici pixel.

Insomma, con la programmazione classica è impossibile insegnare a una macchina come riconoscere un cane in una immagine.

Tuttavia, attraverso i cnn e il machine learning, è possibile spiegare a una macchina come distinguere:

• Un cane da una persona
• Una persona da un’altra persona
• Uno uomo da una donna
• Una persona malata rispetto ad una sana (se la malattia presenta segni sulla pelle, ovviamente)
• Le emozioni che esprime una persona

E così via.

Per spiegarla semplicemente, i CNN applicano una serie di filtri alle immagini usate per addestrare il modello statistico.

Attraverso questi filtri (layer) è possibile mettere in evidenza determinate caratteristiche di una foto, in modo da marcare le differenze sostanziali che permetteno una distinzione accurata.

Applicazioni del face recognition nel business

Come dicevo a inizio articolo il face recognition è tra le applicazioni di machine learning più diffuse in assoluto.

Lo stato della tecnologia e la sua ricchezza di utilizzi ne ha permesso una diffusione davvero capillare, sia nel mondo business che nel settore governativo.

Di seguito alcune delle centinaia di casi di utilizzo del face recognition che, probabilmente, girano già attorno alla tua vita:

1. Sblocco dello smartphone

I possessori di iPhone, grazie al FaceID, sanno già quanto usino il facial recognition quotidianamente, tante volte al giorno.

Nel caso dello sblocco dello smartphone, è necessario che l’algoritmo di face recognition abbia passato standard e test di accuratezza (e quindi sicurezza) molto elevati.

Grazie a questa tecnologia, il volto sta diventando la nuova impronta digitale per riconoscere le persone in modo totalmente univoco.

2. Telecamere anti furto

Soprattutto per i grandi retailer, i furti nei negozi fisici sono una piaga che costa miliardi di dollari all’anno.

Grazie ai video delle telecamere di sorveglianza è possibile analizzare e aggiungere il volto dei ladri in un database; così facendo si può riconoscere quando questi entrano in un negozio per limitare i danni.

Per approfondire il discorso analytics e retail, ho scritto un articolo a riguardo.

3. Emotion recognition

L’emotion recognition è la possibilità di capire emozioni, livelli di attenzione e stati d’animo dal volto delle persone.

Questa è un’applicazione che sta prendendo sempre più piede nel mondo del business, e l’ho affrontata in un intero approfondimento.

I casi d’uso passano dall’analisi delle reazioni delle persone per testare le campagne di advertising, fino all’utilizzo della tecnologia all’interno delle auto per capire lucidità, distrazione e sonnolenza del guidatore e agire di conseguenza.

4. Diagnosi di alcune malattie

Come in questo studio della National Human Genome Research Institute (NHGRI), il face recognition viene usato con successo per diagnosticare una rara malattia genetica chiamata sindrome DiGeorge.

Addestrando l’algoritmo con le foto di 100 volontari è stato possibile raggiungere un’accuratezza del 96.6%.

5. Trovare persone scomparse

Come con le targhe di auto rubate, alcune autorità e agenzie di investigazione private hanno utilizzato il face recognition per individuare persone scomparse in mezzo a una folla, in macchina o nei luoghi pubblici.

Il tutto, chiaramente, sta nell’avere abbastanza immagini del soggetto scomparso e una copertura di telecamere sufficiente per poterlo rintracciare.

6. Identificare persone sui social media

La stessa identica cosa dell’esempio precedente funziona anche con i social media.

Uno use case classico potrebbe essere la gestione della reputazione di persone famose, specialmente con l’esplosione di forme di contenuto virali come i meme.

La possibilità di poter individuare e monitorare foto e video che girano per i social e difendere la reputazione di personaggi pubblici è senza dubbio di estrema utilità.

7. Webinar ed eventi

Grazie al face recognition è possibile avere informazini molto importanti sull’audience di un evento:

• Età
• Distribuzione del gender
• Emotion
• Attenzione
• Oggetti particolari (etc..)

Ad esempio, se si tratta di un evento per il lancio di un prodotto, potrebbe essere molto interessante scoprire che c’è una forte reazione positiva tra le ragazze nella fascia 15-20 anni, e una forte reazione negativa per gli uomini dai 50 ai 60.

Bias, privacy, GDPR e face recogntion

Prima di passare a dei case study pratici ci tenevo a parlare anche di governance (tra i top trend dell’AI) riguardo al face recognition.

Chiaramente “giocare” con i volti di persone reali deve essere una pratica controllata, e spero che il problema venga preso sempre più seriamente in considerazione, specialmente da paesi come la Cina o le grandi aziende tech.

I problemi del face recognition si dividono sostanzialmente in tre categorie:

1. Bias

È stato dimostrato più volte che gli algoritmi di facial recognition “discriminano” le persone che non sono bianche, specialmente le donne di colore.

Il problema non sono gli algoritmi a essere “razzisti”, ma i dati con cui sono stati addestrati.

Per mancanza di un dataset bilanciato (stesso numero di volti tra diverse etnie: occidentale, orientale, indiana, etc..) gli algoritmi hanno imparato molto bene a riconoscere le facce di persone bianche (perché presenti in maggiore numero), ma non altrettanto bene le altre (come viene dimostrato in questa ricerca).

2. GDPR e face recogntion

La gestione dei dati personali in Europa, come ben saprete, è regolata dal GDPR (General Data Protection Regulation).

Non sono un esperto legale ma, a mio parere, sono tre le conseguenze del GDPR sul face recognition:

• Le facce sono considerate dati sensibili perchè identificano in maniera univoca una persona
• Senza consenso non è possibile archiviare in cloud dati sensibili (e quindi facce) senza l’espresso consenso del proprietario
• A meno che non si utilizzino soluzioni con edge computing o che i dati non finiscano in cloud, non è possibile usare tecnologie facciali in pubblico.

3. Regolazioni, Europa e Cina

Il terzo punto è proprio sull’uso spregiudicato delle tecnologia di sorveglianza.

Non è un caso che la Cina sia così all’avanguardia, rispetto all’occidente, nel face recognition e nell’intelligenza artificiale in generale.

In oriente ci sono regimi con a disposizione, senza minimo sforzo, dati di miliardi di persone e limitazioni praticamente nulle sull’addestramento degli algoritmi.

Questi stati raggiungono la supremazia tecnologia in tempi record e contaminano il resto del mondo con algoritmi biased.

Dall’altra parte, invece, abbiamo un’Europa che calca (forse) troppo la mano sulla regolazione dei dati e rende impossibile la battaglia tecnologica ed economica contro la Cina.

Case study 1: Hermitage Museum

L’Ermitage (o Hermitage) è uno dei più grandi e antichi musei al mondo.

Si trova in Russia a San Pietroburgo, e ospita una delle più importanti collezioni d’arte (con artisti come Caravaggio, Canova, van Gogh, Renoir e molti altri).

Nel 2006, il museo è stato vittima di un maxi furto dal valore complessivo superiore ai cinque milioni di dollari.

Dopo questo tragico evento, il sistema di sicurezza interno è stato riconsiderato e ridisegnato.

In particolare, sono state consegnate a ciascun membro dello staff delle carte d’accesso personali. In questo modo è possibile tracciare i movimenti di ogni dipendente, e bloccarne l’accesso a determinate aree.

Quando i dipendenti arrivano sul posto di lavoro, devono superare il primo “checkpoint” in cui sono soggetti a una verifica biometrica del volto sviluppata da Artec ID.

Solo dopo aver superato questo passaggio di face recognition, l’utente può accedere all’area di lavoro in totale sicurezza.

Il sistema analizza i parametri del cranio; questo vuol dire che vengono ignorati fattori come il cambio dell’acconciatura, gli occhiali o altri aspetti minori che potrebbero compromettere la corretta esecuzione della verifica.

Il sistema utilizza una “mask of curvature” per rendere l’identificazione sicura e impossibile da ingannare (ad esempio mostrando una fotografia).

In aggiunta, lo scanner è in grado di rilevare anche la temperatura corporea; in questo modo, l’identificazione può essere passata solo da una persona vivente e tridimensionale.

Ovviamente, tutto questo processo è completamente automatico: il dipendente deve semplicemente mostrare la carta d’accesso e il volto, e accedere all’Ermitage per una nuova giornata di lavoro.

Usando il face recognition e un sistema di carte d’accesso, insomma, è possibile tenere traccia del movimento di ciascun membro dello staff e assicurarsi che non accedano intrusi.

Il medesimo sistema viene anche usato da Sberbank, una delle più grandi istituzioni di credito in Russia.

Quando un cliente accede per la prima volta alla banca, un sistema di riconoscimento biometrico 3D scannerizza il suo volto e lo registra come nuovo utente.

Ad ogni seguente visita del cliente, sarà necessario il riconoscimento del suo volto per validare l’accesso alla banca.

Grazie a ciò, gli operatori dell’ufficio sanno in tempo reale quali i clienti sono presenti nella sala d’attesa, e in base a un’analisi dei loro dati, possono già immaginare di quali servizi possano aver bisogno.

Case study 2: face recognition per i grandi eventi

Il Family Reunion della Keller Williams Reality è uno dei più importanti eventi nell’industria immobiliare statunitense (real estate).

Durante la sua prima edizione del 2005, l’evento ha ospitato circa 7.400 persone tra agenti immobiliari, top manager e dirigenti della compagnia.

Il Family Reunion è cresciuto così tanto al punto in cui, nel 2019, è arrivato a coinvolgere circa 20.000 ospiti.

Come si può immaginare, non è facile gestire un numero così grande di persone, e i processi di registrazione e check-in potrebbero risentirne in termini di efficenza.

Questa grande crescita ha portato gli organizzatori dell’evento a cercare una soluzione per risolvere questi problemi.

Il loro obiettivo era trovare un modo per gestire più efficientemente la folla e creare ritorno economico.

La soluzione è stata trovata grazie a Zenus, azienda leader nel settore dell’analisi facciale.

Keller Williams, insieme a Zenus, ha sviluppato un processo di face recognition per analizzare il volto dei partecipanti in modo veloce ed efficiente.

Tutto ciò che i partecipanti dovevano fare, era caricare una foto del proprio volto durante la registrazione online.

Una volta caricata la foto, un software si occupava di verificare l’effettiva presenza di un volto, e che la foto rispettasse certi standard di qualità.

Il giorno dell’evento, Keller Williams ha posizionato 15 chioschi dotati di una normale telecamera.

Mentre i partecipanti camminavano verso il chiosco, la telecamera scannerizzava il loro volto.

Se il software rilevava un “match” con una delle immagini caricate durante la registrazione, allora il sistema restituiva un messaggio di benvenuto con tanto del nome dell’ospite.

Se la verifica non andava a buon fine, ai partecipanti veniva richiesto di fornire il proprio nome o di far scannerizzare il proprio codice a barre.

L’implementazione del face recognition ha ridotto in modo esponenziale i tempi del check-in (meno di 1 secondo per riconoscere un ospite), facendo così evitare lunghe ed estenuanti code.

Per garantire la sicurezza, tutti i dati biometrici dei partecipanti sono stati cancellati una settimana dopo la fine dell’evento.

Insomma, l’uso del face recognition ha portati a enormi benefici sia all’azienda che agli ospiti dell’evento.

Case study 3: face recognition alla cassa

Pagare usando metodi tradizionali come carte di credito o contanti potrebbe essere un processo relativamente lungo e complesso.

Sono richiesti operatori di cassa che diano il resto, terminali POS e altri aspetti che minano l’efficenza e la velocità dell’intero processo.

Pensate ad esempio alle file nelle casse dei negozi.

Banale da dire, ma più i tempi di attesa sono lunghi, più i clienti sono insoddisfatti del servizio.

L’uso del facial recognition nel sistema di pagamento può risolvere questa problematica, come adesso vedremo.

Quanto il cliente è pronto a pagare si avvicina alla cassa, dove è posizionato un tablet o un dispositivo simile.

In questa postazione il cliente scannerizza il codice a barre dei propri prodotti, oppure può sfruttare in modo più efficiente i carrelli digitali.

In quest’ultima soluzione, un prodotto viene automaticamente aggiunto al carrello digitale quando viene preso dallo scaffale del negozio (esattamente come accade nei negozi Amazon Go).

Per effettuare il pagamento, il cliente deve soltanto mostrare il proprio volto al dispositivo che, con il face recognition, lo identifica e lo ricerca nel database.

Se l’autenticazione viene effettuata, e il cliente viene trovato nel database, allora il dispositivo mostrerà i dettagli del pagamento con la richiesta di approvazione.

In questo modo le file nelle casse verranno drasticamente ridotte; anzi, con l’uso dei carrelli digitali, verranno addirittura completamente eliminate.

Alcune compagnie come 7-Eleven in Giappone o Alibaba stanno già implementando questa utile soluzione.

Pensieri finali sul face recognition

Il facial recognition è una tecnologia che porterà enormi cambiamenti nelle nostre vite, sia in termini di sicurezza che in maggiore efficenza.

Con un po’ di fantasia, è possibile immaginare un gran numero di potenziali applicazioni che in futuro potrebbero prendere piede nella società.

Ad esempio, immaginate di entrare in un negozio e di venir riconosciuti dall’assistente virtuale, che quindi vi darà il benvenuto chiamandovi per nome e consigliandovi nuovi prodotti da comprare.

Ovviamente, come abbiamo avuto modo di vedere, la tecnologia del riconoscimento facciale può portare a gravi problematiche di bias, privacy e sicurezza.

Il tutto sta a noi, e nel modo in cui decideremo di sfruttare le incredibili potenzialità di questa tecnologia.