La policía de EE. UU. incorpora la IA Raven: localiza una casa a partir de una sola foto del interior

Una sola fotografía de una habitación, sin vistas desde la ventana con una torre reconocible y sin geoetiquetas. Con ese material trabaja Raven, el sistema de inteligencia artificial que la policía de EE. UU. ha adoptado para determinar la ubicación de una vivienda. Su desarrollador, Graylark Technologies, apuesta por un análisis integral de la imagen. Las capacidades de Raven no son ilimitadas, pero para los investigadores incluso un resultado parcial suele decidir adónde ir y qué barrio comprobar.

Qué se sabe de Raven

Hay pocos detalles públicos. Según la información disponible, el sistema está pensado para trabajar con interiores: el usuario sube la foto de una habitación y el algoritmo busca en ella rasgos que permitan vincular el espacio con un lugar. Los desarrolladores no prometen milagros. Raven no convierte cualquier imagen en una dirección exacta, sino que ayuda a acotar el área de búsqueda.

El sentido práctico es evidente. Las fotografías de escenas de crimen, las imágenes de conversaciones privadas o los fotogramas de vídeos de personas secuestradas o desaparecidas a menudo muestran solo el espacio interior. Hasta ahora, ese material se evaluaba a mano: se examinaban la distribución, los acabados, los muebles, los enchufes y los interruptores, la vista por la ventana. Raven automatiza ese trabajo y, a juzgar por la descripción, combina multitud de rasgos pequeños en una única estimación.

Cómo puede funcionar

La compañía no ha revelado en la descripción disponible la arquitectura del modelo, así que lo que sigue se refiere a enfoques habituales, no a detalles confirmados de Raven. Los sistemas de geolocalización por imagen suelen comparar la imagen con una gran base de fotografías y aprenden de las particularidades regionales: estilo de construcción, materiales típicos, formas de ventanas y puertas, estándares de mecanismos eléctricos, indicios climáticos. Un interior es más difícil que una calle, porque ofrece menos referencias únicas y los muebles y los acabados se repiten de forma masiva por todo el país.

Por eso aquí no hay, en realidad, «capacidades ilimitadas». El resultado depende de la calidad de la foto, de cuántos detalles característicos aparecen en el encuadre y de lo bien que esté representada la región en los datos de entrenamiento.

Lo que se puede decir del sistema con los datos disponibles:

• desarrollador: Graylark Technologies;
• usuarios: unidades de policía de EE. UU.;
• datos de entrada: una fotografía del interior de una casa;
• resultado: ubicación presunta de la vivienda, que acota la búsqueda;
• la precisión, el tamaño de la muestra de entrenamiento y la tasa de errores no se han hecho públicos.

El último punto es el más importante. Sin pruebas independientes no se puede evaluar Raven. Decir que «ayuda» no equivale a decir que «encuentra», y el precio de una coincidencia falsa en el trabajo policial es alto.

Riesgos: error y abuso

Estas herramientas plantean dos problemas. El primero es técnico: el modelo ofrece un barrio verosímil pero incorrecto, y el investigador toma la pista por un hecho. Entonces puede acabar bajo sospecha una casa ajena, y un registro o una comprobación llegan a personas sin ninguna relación con el caso. Hacen falta estimaciones de confianza comprensibles y una regla según la cual el resultado de Raven sirva solo como motivo para comprobar, no como fundamento para actuar.

El segundo problema es el control de acceso. Una tecnología que determina una dirección a partir de la foto de una habitación sirve para algo más que para buscar secuestradores. Se puede aplicar a imágenes de redes sociales, a fotografías de marketplaces y a cualquier imagen en la que una persona haya mostrado su casa. Por ahora no está claro qué registros de consultas lleva el sistema, si se requiere autorización judicial ni quién audita las búsquedas.

Qué deben hacer equipos y usuarios

Para las unidades de policía, el mínimo operativo es este: registrar cada consulta a Raven, exigir al proveedor métricas de precisión con datos reales y contrastar el resultado con fuentes independientes antes de cualquier actuación sobre el terreno.

Para las empresas que desarrollan productos de visión por computador, la señal es aún más sencilla. Las imágenes de interiores se han convertido en fuente de datos de ubicación, así que en las políticas de privacidad y de moderación hay que equipararlas a las fotos con geoetiqueta.

Para los particulares, el consejo es prosaico. Antes de publicar una foto tomada en casa, revise qué se ve en el encuadre: ventanas, muebles típicos, objetos con rasgos regionales. Una imagen con un mínimo de detalles dará al algoritmo menos opciones. Pero ningún truco puede garantizar el anonimato.