A la mayoría de la gente se le da bien reconocer emociones comunes en las caras de los demás. Pero existe otro conjunto de expresiones faciales que la mayoría de las personas ignora por completo. A finales de la década de 1960, los psicólogos descubrieron que cuando los humanos intentamos ocultar nuestras emociones, a menudo dejamos entrever nuestros sentimientos reales en "microexpresiones" que aparecen y desaparecen en un abrir y cerrar de ojos.

Estas expresiones faciales fugaces han fascinado a los psicólogos y al público en general desde entonces. Resulta que mientras que la mayoría de las personas ignoran la presencia de las microexpresiones, un diminuto subconjunto de individuos puede detectarlas de forma precisa y emplearlas para detectar cuando alguien está ocultando sus sentimientos reales o si simplemente miente.

Se ha alzado una importante industria que se centra en entrenar a las personas para reconocer las microexpresiones mejor. Los agentes del orden y los agentes de antiterrorismo a menudo reciben este tipo de entrenamiento con la esperanza de que pueda ayudarlos a identificar a individuos malintencionados. Si este entrenamiento funciona o no es motivo de un amplio debate: puede ser que la mayoría de las personas no dispongan de las capacidades sensoriales y cognitivas para captar las microexpresiones, sin importar el entrenamiento que reciban.

Pero existe otra forma de detectarlas. En años recientes, la visión de máquinas ha mejorado a tal ritmo que ha sorprendido hasta a los expertos del campo. Hoy, las máquinas equipadas con los mejores algoritmos de inteligencia artificial pueden rendir mejor que los humanos en el reconocimiento de objetos y caras, y han empezado a igualarnos en el reconocimiento de expresiones y la carga emocional subyacente que pueden denotar.

Y esto suscita una perspectiva interesante. ¿Las máquinas acabarán siendo mejores que los humanos en el reconocimiento de microexpresiones? Hoy recibimos una respuesta gracias al trabajo de Xiaobai Li y sus compañeros de la Universidad de Oulu (Finlandia). Han desarrollado y probado el primer sistema de visión de máquinas capaz de detectar y reconocer las microexpresiones y dicen que ya rinde mejor que los humanos en esta tarea.

Los rápidos avances en la inteligencia artificial en años recientes se han producido en parte debido a los mejorados métodos de computación. Pero estas máquinas son inútiles sin vastas y precisas bases de datos para entrenarlas.

Así que la primera tarea del equipo de Li fue crear una base de datos de vídeos que incluían microexpresiones en condiciones realistas. Esto resulta más fácil de explicar que de hacer. Las microexpresiones tienden a producirse cuando los individuos ocultan sus sentimientos bajo condiciones relativamente importantes.

Eso no resulta fácil de reproducir. De hecho, mucho trabajo previo se ha centrado en las expresiones posadas, pero varios psicólogos han señalado las limitaciones de este método, entre otras que las microexpresiones naturales tienen un aspecto significativamente diferente que las expresiones posadas.

El equipo de Li se enfrentó a este problema pidiendo a un grupo de 20 individuos que viera una serie de vídeos diseñados para provocar emociones fuertes, entre otras. Se les dio un fuerte incentivo para evitar mostrar ninguna emoción durante la proyección de los vídeos: se les dijo que tendrían que rellenar un largo y tedioso formulario explicando cualquier emoción mostrada.

Como resultado, 16 de los 20 individuos produjeron 164 microexpresiones, que el equipo grabó en una cámara de alta velocidad a 100 cuadros por segundo. Entonces asociaron las emociones captadas con el contenido emocional de los vídeos, dándoles una base de datos estándar de oro con la que entrenar su algoritmo de aprendizaje de máquinas.

La tarea de reconocer las microexpresiones se divide en dos partes. La primera consiste en captar el cambio fugaz en las facciones de la cara que caracteriza una microexpresión. La segunda es identificar la emoción que representa.

El equipo abordó el primer problema con el uso de un solo cuadro que muestra la cara del sujeto como el estándar y compara todos los cuadros posteriores con él para detectar los cambios de expresión sufridos. Cualquier cambio más allá de determinado umbral se define como una microexpresión, y se apartan estas imágenes para un análisis más detallado.

Reconocer las expresiones generalmente resulta más complicado puesto que las microexpresiones tienden a ser menos pronunciadas que las expresiones comunes. "Un reto principal para el reconocimiento de microexpresiones es que el nivel de intensidad de los movimientos faciales es demasiado bajo para que resulte distinguible", explica Li.

El equipo resolvió esto con un algoritmo que "magnifica" las expresiones. Funciona por la identificación de las partes de la cara que se encuentran en movimiento cuando una expresión cambia y distorsionando la cara para desplazarlas aún más.

Este proceso ha de ser cuidadosamente aplicado. Por ejemplo, Li afirma que no puede utilizarlo para identificar las microexpresiones porque el algoritmo magnifica todos los movimientos, como girar la cabeza, no sólo las expresiones. Así que solo es aplicado a los cuadros identificados por el proceso de identificación descrito anteriormente.

Finalmente, el algoritmo clasifica la emoción demostrada como positiva, negativa o sorpresa, un proceso que aprende de la base de datos de entrenamiento.

Una pregunta interesante es cómo funciona este enfoque en comparación con el rendimiento humano. Para averiguarlo, el equipo pidió a 15 personas que identificaran la expresión mostrada en vídeos que contenían solo las microexpresiones (para que no hubiera necesidad de identificar las microexpresiones dentro de secuencias más largas). Otras 15 personas vieron los vídeos completos y tuvieron que divisar cada microexpresión además de identificarla.

Los resultados son una lectura interesante. La máquina del equipo de Li igualó la capacidad humana de detectar e identificar las microexpresiones y rindió significativamente mejor que los humanos en la tarea la detección.

"Nuestro método representa el primer sistema que se haya probado jamás con un conjunto de datos de microexpresiones espontáneas, que contiene microexpresiones naturales", afirma el equipo. "Rinde mejor que los humanos en la detección de microexpresiones por un margen significativo, y trabaja de forma parecida a los humanos en la tarea combinada de detección e identificación".

No está mal para un primer intento, y está claro que estas máquinas mejorarán rápidamente.

No resulta difícil divisar aplicaciones. El equipo de Li escoge la detección de mentiras, las fuerzas policiales y la psicoterapia, pero es fácil imaginar que se utilice en las entrevistas y evaluaciones de trabajo e incluso en dispositivos del estilo de Google Glass en la vida cotidiana.

Pronto, no habrá dónde esconderse.

Ref: arxiv.org/abs/1511.00423: Reading Hidden Emotions: Spontaneous Microexpression Spotting and Recognition