Então quando um de nossos estatísticos, Paulo Azevedo, viu essa postagem popular sobre celebridades com sósias inesperados, ele quis saber se era possível usar Inteligência Artificial para identificar não só as semelhanças, mas também o grau de similaridade entre as faces.
Primeiro, a postagem que originou o projeto paralelo de Paulo. A escritora Ashley Reign, do Ranker, organizou um artigo pedindo que seus leitores votassem no grau de similaridade entre 30 estrelas de filmes e música, incluindo Jennifer Lawrence, Pitbull, Snoop Dogg, e George Clooney, todos fazendo par com celebridades de outras eras, estrelas de outras culturas ou pessoas do dia-a-dia. Leitores foram convidados a votar com um sistema de polegares para dizer se o par – como Lawrence e a atriz egípcia Zubaida Tharwat – realmente parecia um com o outro.
Quanto eles realmente parecem um com o outro?
Paulo queria respostas mais específicas e, com seu treinamento em estatística pela condecorada universidade Unicamp e sua certificação em aprendizagem de máquinas pela Stanford, ele sabia como consegui-las. Paulo uniu uma equipe e eles começaram a trabalhar, unindo pares de fotos com base no grau de similaridade facial.
Usando OpenFace, um software livre de reconhecimento facial de rede neural profunda, Paulo e sua equipe aplicaram seus passos e princípios ao projeto:
- inserir imagem
- determinar os padrões do reconhecimento de traços (para assegurar-se que o programa analise apenas o rosto e não elementos do fundo da imagem)
- transformar e cortar a imagem para focar apenas nos traços a serem analisados
- usar ferramentas de rede neural profunda para unir traços, detectar similaridades com outros traços no banco de dados e classificar o nível de similaridade
O OpenFace pontua correspondências de modo que uma pontuação mais baixa indica maior chance de as imagens comparadas mostrarem a mesma pessoa. No demo do OpenFace, uma pontuação de 0.99 era o limite para indicar que as imagens pertenciam a pessoas diferentes.
O que aconteceu quando Paulo e sua equipe inseriram as imagens do artigo sobre celebridades do Ranker? A similaridade impressionante entre atrizes Jennifer Lawrence e Tharwat pontuou 0.55, como se a Inteligência Artificial determinasse grande chance de serem a mesma pessoa. (Para comparação, o programa pontuou duas fotos diferentes de Paulo 0.54.) Outros pares de estrelas receberam leituras ainda mais baixas, com mais probabilidade de a imagem pertencer à mesma pessoa, inclusive o par de Alicia Keys e Jessica Alba, com uma pontuação de 0.404 e o par de Rita Ora e Rihanna, com uma pontuação de 0.472.
A pontuação que indicou maior similaridade, porém, veio do par entre o ex-presidente americano Barack Obama e um fotógrafo indonésio anônimo. A Inteligência Artificial determinou que a chance de serem a mesma pessoa, no experimento de Paulo, era de 0.246.
O que os resultados significam para a identificação por IA?
Uma conclusão possível desse exercício é que a Inteligência Artificial ainda tem um caminho a andar antes de distinguir corretamente entre indivíduos como humanos fazem, especialmente se os sujeitos estão na mesma pose e com estilos parecidos. Os desenvolvedores do OpenFace disseram que “mais experimentos devem ser feitos na distância liminar” entre imagens de pessoas diferentes para refinar os resultados. E é sobre isso que é Inteligência Artificial e aprendizagem de máquinas, afinal – coletar e analisar dados o suficiente ao longo do tempo para saber quais resultados são válidos e quais não são. Paulo e sua equipe estão felizes em contribuir para esse conhecimento, adicionando dados e dividindo seus resultados.
*Artigo escrito pelo nosso estatístico, Paulo Azevedo, que integra o time da ClearSale US.
