Este proyecto de investigación tiene como objeto central de estudio a la memoria y cómo su construcción, que sigue una dinámica temporal, puede dar lugar a la formación de falsas memorias, específicamente en testigos de un hecho delictivo. Con falsas memorias nos referimos a hechos que no existieron o que no se recuerdan tal cual sucedieron.
En el contexto de hechos delictivos, la prueba testimonial es la fuente de evidencia más importante para un gran número de decisiones judiciales. Sin embargo, investigaciones en psicología cognitiva demostraron que los testigos pueden dar reportes confiados pero incorrectos. La memoria declarativa, al ser una función mental subjetiva en permanente construcción, es altamente maleable y está sujeta a distorsiones, de forma que puede dar lugar a la formación de falsos recuerdos. La memoria de los testigos no es fotográfica y es afectada por el paso del tiempo y el estrés. Al exponer al sujeto a puntos claves que estuvieron presentes en el momento del recuerdo, la memoria puede estimularse y re-consolidarse con recuerdos modificados según la nueva información recibida. Específicamente, tanto sugerencias como información errónea que los testigos reciben en una instancia posterior al delito en cuestión pueden fácilmente modificar su memoria. Más aún, es posible implantar recuerdos de eventos que nunca ocurrieron.
Todo esto redunda en, por ejemplo, que alrededor del 70% de los casos de condenas erradas sean consecuencia de errores en reconocimientos fotográficos o ruedas de reconocimiento, siendo que este tipo de pruebas testimoniales son una fuente de evidencia muy importante. Sin mencionar la posibilidad de una reconstrucción errónea de los hechos. Dentro de la hipótesis que maneja el proyecto se establece las deficiencias de los procedimientos como desencadenantes de la generación de falsas memorias. Por ejemplo, la presencia de un rostro similar al del culpable en una rueda de reconocimiento puede disparar actividad neuronal y re-consolidar recuerdos incorporando los nuevos rasgos de este rostro similar al perfil del culpable.
Características específicas del proyecto
Parte de la investigación incluye la experimentación con simulaciones de ruedas de reconocimiento, considerando el peso que tiene este proceso a partir del recuerdo de la imagen visual de un testigo. Desde el área de computación se buscó desarrollar una herramienta para dichas pruebas de laboratorio, que permita manipular la apariencia de las fotografías de rostros de los sospechosos presentados ante el sujeto testigo durante la experimentación. Para producir esta herramienta se utilizaron redes neuronales adversarias que generan fotografías que parecen auténticas a observadores humanos. Una red neuronal es un modelo computacional dentro de la inteligencia artificial (IA) que debe ser entrenado con datos reales para que el propio modelo formule un criterio de clasificación o producción de nuevos datos.
Los modelos de redes generadoras de imágenes artificiales disponibles en la actualidad se encuentran sesgados hacia poblaciones predominantemente de origen europeo o estadounidense y, por lo tanto, no son funcionales para generar imágenes que reflejen la variedad demográfica dentro de nuestro continente. Por eso, cómo parte del proyecto, nos propusimos confeccionar una base de datos donde predominen sujetos latinoamericanos, para retomar el entrenamiento de modelos preexistentes (fine-tuning) y así acotar el sesgo que tengan a la hora de generar imágenes. Para construir esta base y contar con una cantidad de imágenes considerable para el entrenamiento, utilizamos las imágenes de celebridades disponibles de forma pública en la base de datos de IMDB.
La red que usamos para este proyecto se denomina StyleGAN, la cual destaca cómo método para generar imágenes de alta resolución. Este modelo nos permite modificar sus variables latentes para alterar un rostro y obtener diferentes gestos. Para esto se desarrolló un modelo neuronal que permite modificar un rostro de una expresión facial a otra. Ambos modelos trabajan con imágenes codificadas en vectores. Además, el modelo de generación de expresión facial es de tipo autoencoder: el vector latente que representa a una imagen se concatena a un vector de activación de gestos unitarios o Action Units (AUs) en inglés. La salida del autoencoder es otro vector latente que representa a la imágen con el gesto aplicado. Este vector es proyectado en StyleGAN para conseguir la imágen generada de la versión del rostro original con el gesto codificado con los AUs.
Impacto del proyecto
En este trabajo se introduce una base de imágenes conformada exclusivamente por rostros de sujetos de origen latinoamericano. Esto es relevante, ya que en el área de reconocimiento facial es muy importante contar con extensas bases de datos para poder llevar a cabo el entrenamiento de los modelos, y a nuestro conocimiento, no existen bases abundantes en sujetos latinoamericanos. Esto hace que trabajar con los modelos existentes para aplicarlos a problemas locales siempre está sometido a un sesgo influenciado por el origen de los datos, que suele ser Estados Unidos o Europa.
Esta base puede utilizarse para entrenamiento de modelos de reconocimiento facial, ya sea desde cero o haciendo fine tunning de modelos pre entrenados. Además, puede emplearse para hacer evaluación de modelos de reconocimiento facial, y estudiar la existencia de sesgos con personas latinoamericanas. Esta base puede considerarse aún en desarrollo, ya que se va a buscar equilibrar y balancear la misma con respecto a género y a grupos étnicos locales.
En segundo lugar, obtuvimos un modelo generador de imágenes como base para poder poner a prueba y perfeccionar en pos de poder hacer simulaciones de ruedas de reconocimiento apropiadas para la experimentación detrás de la hipótesis de este proyecto. El objetivo final detrás de todo esto es poder colaborar con la fundación Innocence Project Argentina. Fundación que trabaja para prevenir condenas erróneas, liberar a personas encarceladas por crímenes que no cometieron y reformar el sistema penal responsable de condenas injustas.
Anexo
- Di Ielsi,C., Negri,P. Base de Imágenes Latinoamericana para Reconocimiento Facial.
SAIV, Simposio Argentino de Imágenes y Visión. (2021) - Dataset de Celebridades Latinoamericanas.
- Generación de Gestos Faciales con StyleGAN.