Reconhecimento facial está em todo lugar — do desbloqueio do celular à vigilância pública 🤖🧵 Nesta thread: como a tecnologia funciona, seus pontos cegos e o que falta em governança e transparência.

Imagem indisponível

Pipeline básico: detecção (onde está o rosto), alinhamento (normalizar pose), extração de características (redes neurais convolucionais geram embeddings) e comparação (similaridade entre vetores). A precisão depende de thresholds e qualidade dos dados — nem tudo é mágica.

Modelos-chave: CNNs e arquiteturas como FaceNet/ArcFace geram vetores que representam rostos. Técnicas modernas aumentam acurácia, mas também tornam decisões opacas — entender o que o embedding “vê” é parte do problema técnico e ético.

Imagem indisponível

O dado é o ponto fraco: conjuntos desbalanceados geram viés. Estudos como Gender Shades mostraram erros maiores em pessoas negras e mulheres. Solução técnica sem diversidade de dados vira paliativo — precisa haver auditorias independentes e maior inclusão nos datasets.

Aplicações e riscos: desbloqueio de aparelhos e segurança em aeroportos, mas também vigilância em massa e uso policial controverso. Erros não são só estatística — têm impacto humano: prisões equivocadas, discriminação e perda de privacidade.

Imagem indisponível

Ataques e defesas: spoofing, máscaras e exemplos adversariais mostram fragilidade. Mitigações incluem liveness detection, biometria multimodal e processamento on-device. Ainda assim, soluções aumentam custo e podem concentrar poder em grandes empresas.

Conclusão: é uma tecnologia poderosa que exige escolhas políticas e técnicas. Queremos conveniência à custa de transparência e direitos? Priorizar auditoria, privacidade por design e acesso democrático à tecnologia é essencial para equilibrar benefícios e riscos.

Imagem indisponível