{"id":5131,"date":"2021-12-10T18:48:15","date_gmt":"2021-12-10T17:48:15","guid":{"rendered":"https:\/\/telecomkh.info\/?p=5131"},"modified":"2021-12-10T18:48:15","modified_gmt":"2021-12-10T17:48:15","slug":"los-ordenadores-mucho-mas-efectivos-que-los-humanos-cuando-se-trata-de-distinguir-rostros-reales","status":"publish","type":"post","link":"https:\/\/telecomkh.info\/?p=5131","title":{"rendered":"Los ordenadores, mucho m\u00e1s efectivos que los humanos cuando se trata de distinguir rostros reales"},"content":{"rendered":"

Un nuevo informe de ID R&D muestra que los ordenadores determinan con precisi\u00f3n si una cara es real veinte veces m\u00e1s r\u00e1pido que los humanos<\/strong><\/p>\n

Los humanos tienen muchas m\u00e1s dificultades para identificar rostros falsos que los ordenadores que realizan la misma tarea, seg\u00fan un nuevo estudio publicado por ID R&D, proveedor de biometr\u00eda facial y de voz basada en la IA.
\nEl nuevo informe \u00abHuman vs Machine: \u00bfPueden las personas detectar las falsificaciones mejor que la Inteligencia Artificial?\u201d, concluye que los ordenadores son m\u00e1s h\u00e1biles que los humanos en la detecci\u00f3n de la vitalidad facial, es decir, en identificar si un rostro es o no real, lo cual es fundamental para impedir que los estafadores se hagan pasar por los clientes reales durante procesos como la creaci\u00f3n de una nueva cuenta en una aplicaci\u00f3n bancaria.
\nEl estudio ha puesto a prueba a humanos y m\u00e1quinas present\u00e1ndoles las t\u00e9cnicas de suplantaci\u00f3n m\u00e1s utilizadas: fotos impresas, v\u00eddeos, im\u00e1genes digitales o utilizando una m\u00e1scara 2D o 3D.<\/p>\n

Las m\u00e1quinas, por encima de los humanos en todos los tipos de t\u00e9cnicas de falsificaci\u00f3n de identidad<\/strong>
\nLos ordenadores han superado a los humanos en las cinco t\u00e9cnicas evaluadas al obtener un porcentaje de error del 0% en las 175.000 im\u00e1genes y en todos los tipos de ataque.
\nLas personas, al contrario, han obtenido un grado de precisi\u00f3n muy inferior para cada tipo de t\u00e9cnica de suplantaci\u00f3n, incluida la identificaci\u00f3n err\u00f3nea de un 30% de las falsificaciones de fotos impresas, uno de los tipos de ataque m\u00e1s f\u00e1ciles de realizar por los estafadores. Incluso cuando un grupo de diecisiete personas deliber\u00f3 sobre las im\u00e1genes, dando un resultado m\u00e1s preciso que un humano individual, sus decisiones mayoritarias nunca fueron mejores que el rendimiento del ordenador en la misma tarea.
\nLos ordenadores tambi\u00e9n fueron casi veinte veces m\u00e1s r\u00e1pidos a la hora de identificar la prueba de vida o \u2018liveness\u2019. Los humanos tardaron una media de 4,8 segundos por imagen, mientras que los ordenadores que funcionan con un n\u00facleo de CPU registraron una media de menos de 0,5 segundos por imagen. Esta capacidad de ser diez veces m\u00e1s r\u00e1pidos que los humanos significa que los ordenadores pueden ayudar al r\u00e1pido aumento del reconocimiento facial para la verificaci\u00f3n de la identidad y la autenticaci\u00f3n.
\nEste rendimiento es una prueba irrefutable para las empresas de servicios financieros y otros sectores que conf\u00edan en la automatizaci\u00f3n. Su confianza en ella para las capas de detecci\u00f3n del fraude puede ahorrar tiempo y permitir que los recursos humanos se utilicen de forma m\u00e1s eficaz en otras \u00e1reas del ciclo de vida del consumidor.<\/p>\n

Los ordenadores deben evitar confundir a los clientes reales con intentos de fraude<\/strong>
\nA pesar de la gran capacidad de los ordenadores para detectar las falsificaciones, un exceso de sensibilidad en la detecci\u00f3n de fraudes no debe comprometer la experiencia de los clientes reales. Muchos de los sistemas de reconocimiento facial que existen en el mercado consiguen un bajo \u00edndice de detecci\u00f3n de los estafadores al hacer que los usuarios aut\u00e9nticos queden atrapados en la din\u00e1mica de verifiaci\u00f3n de la identidad.
\nSin embargo, en este informe, la IA ha clasificado err\u00f3neamente s\u00f3lo el 1% de las caras aut\u00e9nticas como falsas. En cambio, los humanos clasificaron err\u00f3neamente como falsos el 18% de los rostros aut\u00e9nticos, lo que demuestra que la tecnolog\u00eda de automatizaci\u00f3n tambi\u00e9n es mejor que los humanos a la hora de mantener a los usuarios aut\u00e9nticos fuera de la red de fraude. Las empresas pueden estar seguras de que la tecnolog\u00eda se ha convertido en la mejor manera de garantizar experiencias de verificaci\u00f3n sin fricci\u00f3n para los clientes.
\n\u00abLos resultados son innegables; podemos aprovechar la tecnolog\u00eda para estar a salvo de los estafadores\u00bb, comenta Alexey Khitrov, director general de ID R&D. \u00abLa tecnolog\u00eda biom\u00e9trica ha experimentado una importante evoluci\u00f3n en los \u00faltimos a\u00f1os para aumentar la velocidad y la precisi\u00f3n, superando al ojo humano. Las empresas pueden conseguir una eficiencia fant\u00e1stica utilizando sistemas biom\u00e9tricos. Sin embargo, a\u00fan queda trabajo por hacer. Las tecnolog\u00edas deben seguir encontrando el equilibrio entre la seguridad y la comodidad, reduciendo el fraude al m\u00ednimo posible y garantizando al mismo tiempo que los clientes aut\u00e9nticos tengan una experiencia perfectamente fluida.\u00bb<\/p>\n

Arriba, imagen cortes\u00eda de<\/span> ID R&D<\/span><\/em>\u00a0<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"

Un nuevo informe de ID R&D muestra que los ordenadores determinan con precisi\u00f3n si una cara es real veinte veces m\u00e1s r\u00e1pido que los humanos Los humanos tienen muchas m\u00e1s dificultades para identificar rostros falsos que los ordenadores que realizan la misma tarea, seg\u00fan un nuevo estudio publicado por ID R&D, proveedor de biometr\u00eda facial … <\/p>\n

Continue reading \u00abLos ordenadores, mucho m\u00e1s efectivos que los humanos cuando se trata de distinguir rostros reales\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":5132,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[66,7,9],"tags":[],"_links":{"self":[{"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/posts\/5131"}],"collection":[{"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=5131"}],"version-history":[{"count":1,"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/posts\/5131\/revisions"}],"predecessor-version":[{"id":5133,"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/posts\/5131\/revisions\/5133"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/media\/5132"}],"wp:attachment":[{"href":"https:\/\/telecomkh.info\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=5131"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=5131"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=5131"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}