Un nuevo sistema de reconocimiento de imágenes e inteligencia artificial (AI, por sus siglas en inglés) creó una base de datos de más de 50.000 hoteles alrededor del mundo para ayudar a combatir el tráfico de personas y la prostitución forzada.
El estudio, que hace parte de un esfuerzo conjunto entre la Universidad George Washington, Temple University y el grupo de investigación de Adobe, quiere ayudar a la policía y grupos internacionales que luchan contra la trata de blancas a identificar los hoteles y rutas comunes que usan los delincuentes.
“Reconocer una habitación de un hotel es importante cuando se trata de tráfico de humanos. Las imágenes, que algunas veces son puestas en la Internet profunda o a plena vista en publicidad en Internet, son hechas en hoteles y, por lo tanto, reconocer dónde y cómo se mueven los traficantes es importante”, escribió uno de los investigadores en el documento publicado en una base de datos universitaria.
‘Hotels-50k’, una base de datos contra el tráfico de personas
La base de datos, que los investigadores llamaron ‘Hotel-50k’, es una recopilación de imágenes entre sitios web de hoteles, reservas digitales y las imágenes que hacen parte de TraffickCam. Esta última es una aplicación creada para que los turistas tomen fotos desde sus celulares de los hoteles en los que se quedan alrededor del mundo, precisamente para ayudar en la investigación de tráfico de personas.
Las imágenes tomadas desde Trafickcam fueron importantes para la investigación porque están tomadas en ángulos y calidad similar a la que toman los traficantes, mientras que las de sitios de reservas están hechas con cámaras profesionales. Así mismo, en la base de datos no se incluyeron imágenes de tráfico de personas, por lo que se usaron máscaras o gráficos generados por computador para simularlas y enseñarle al sistema a reconocer solo las características del cuarto del hotel y no centrase en la persona, explica el portal Gizmodo.
De acuerdo con los investigadores, se hicieron pruebas con el sistema y se obtuvo un 80% de resultados afirmativos reconociendo cadenas hoteleras. Sin embargo, el sistema aún tiene problemas. De 100 pruebas, solo 24 veces logró reconocer exactamente el hotel.
Imagen: Bottlein (Vía Pixabay).
