Un rostro no es una confesión: inteligencia artificial, deseo y el regreso del «gaydar»

Un rostro no es una confesión: inteligencia artificial, deseo y el regreso del «gaydar»

La promesa de detectar la orientación sexual a partir de fotografías mezcla estadística, estereotipos y una vieja ambición de vigilar lo íntimo. Su peligro no depende de que un algoritmo sea infalible: comienza cuando alguien decide que tiene derecho a clasificar a otras personas sin permiso.

La fotografía que no dio permiso para hablar

Una imagen de perfil parece un gesto voluntario. Alguien decide sonreír, escoger la luz, borrar una fotografía anterior y publicar la que mejor representa el momento. Puede querer encontrar pareja, conversar, trabajar o conservar un recuerdo. Esa decisión no autoriza a un tercero a examinar la fotografía para asignarle una orientación sexual, una inclinación política o un diagnóstico. La imagen fue ofrecida en un contexto; convertirla en material para inferir atributos íntimos cambia las reglas sin consultar a quien aparece en ella.

La promesa de un «gaydar» artificial se volvió célebre en 2017 y llegó a un artículo científico publicado en 2018 por Yilun Wang y Michal Kosinski. El trabajo utilizó fotografías asociadas a perfiles de citas para construir modelos que clasificaban a participantes según categorías de orientación reportadas o atribuidas dentro de ese conjunto de datos. Sus resultados recibieron atención porque las cifras de acierto parecían sugerir que una máquina podía identificar algo que un ser humano no vería.

La pregunta editorial no es si la noticia provocó titulares. Los provocó. La cuestión es qué significa que un sistema clasifique correctamente a individuos de una muestra y qué puede concluirse —o no— sobre cualquier otra persona. Entre esas dos afirmaciones cabe una distancia que no debe llenarse con asombro tecnológico.

Una cifra de acierto no es una verdad sobre las personas

Wang y Kosinski describieron un sistema construido sobre 35,326 imágenes y comunicaron tasas de clasificación superiores a las obtenidas por evaluadores humanos dentro de sus condiciones experimentales. Esa descripción debe conservar el lugar donde nació: fotografías seleccionadas, categorías binarias, procedimientos de entrenamiento y evaluación y una población determinada. No es equivalente a decir que el rostro de cualquier persona revela su orientación sexual.

Una fotografía contiene señales que van mucho más allá de la anatomía: peinado, maquillaje, luz, encuadre, expresión, vestimenta y decisiones de autopresentación. Puede contener incluso información introducida por los hábitos de una plataforma de citas. Si un algoritmo aprende correlaciones presentes en ese conjunto, puede obtener resultados estadísticos sin descubrir un mecanismo biológico universal. La clasificación también depende de cómo se definieron las etiquetas, qué personas quedaron fuera y qué ocurre al usar el sistema en grupos diferentes.

La orientación sexual no se reduce a una dicotomía estable de «gay» y «heterosexual» aplicable a todas las personas. Existen identidades bisexuales, pansexuales, asexuales y otras experiencias que un diseño binario deja fuera desde el principio. Además, orientación, conducta e identidad no siempre coinciden ni son información que alguien esté obligado a revelar. El éxito aparente de una clasificación restringida no demuestra que una máquina haya comprendido esa complejidad.

La sombra antigua de la fisiognomía

La idea de leer una verdad moral o psicológica en el aspecto físico tiene una historia inquietante. La fisiognomía pretendió durante siglos asociar rasgos visibles con carácter, inteligencia o peligrosidad. La ciencia contemporánea ha criticado esos saltos porque suelen vestir prejuicios de evidencia natural. La inteligencia artificial puede volverlos más difíciles de detectar cuando una decisión se presenta como resultado de millones de cálculos.

Un análisis académico publicado en 2024 sobre la reanimación de la pseudociencia mediante aprendizaje automático examinó específicamente el caso Wang-Kosinski. Señaló que los patrones de arreglo personal —como el vello facial, el maquillaje o las gafas— pueden actuar como variables de confusión. También cuestionó la inferencia de una explicación hormonal prenatal a partir de la capacidad de clasificar fotografías. Una correlación visual, incluso si se reprodujera en un entorno delimitado, no permite probar el mecanismo biológico que alguien imagina detrás de ella.

Los investigadores Carl Bergstrom y Jevin West expusieron una crítica semejante en su caso de estudio sobre aprendizaje automático y orientación sexual: un sistema podría aprovechar señales de presentación social sin detectar una cualidad invisible inscrita en la estructura facial. Su análisis no niega por decreto todos los resultados experimentales; discute la interpretación de lo que se midió. Esa diferencia es esencial para no responder a una exageración con otra.

El «gaydar» como permiso para estereotipar

Mucho antes de los modelos de redes neuronales, la cultura popular repetía la idea de que algunas personas pueden reconocer la orientación ajena con una intuición especial. Cinco experimentos publicados en una investigación sobre estereotipos y el mito del «gaydar» mostraron que ese lenguaje puede legitimar la clasificación de otras personas a partir de señales estereotipadas. Decir que alguien «se ve gay» no constituye una observación neutral cuando se deduce de su forma de hablar, vestir o relacionarse.

La versión tecnológica agrega una apariencia de objetividad. Un puntaje generado por una máquina puede persuadir a quien desconoce sus datos, su margen de error o el propósito original del experimento. Si el resultado coincide con un prejuicio previo, se usa para confirmarlo; si no coincide, puede presentarse como una anomalía sospechosa. En ambos casos la persona observada pierde la autoridad sobre una información que quizá no desee compartir.

Existe además un error moral más profundo: asumir que ser LGBT+ es algo que otros tienen derecho a verificar. La identidad de una persona no es un acertijo policial. El derecho a la privacidad incluye poder compartir información íntima en momentos distintos, con personas distintas o no compartirla en absoluto.

El riesgo existe aun cuando la predicción falla

Se suele discutir este tipo de estudios preguntando si el algoritmo «funciona». Su fiabilidad importa, pero no agota el problema. Un sistema incapaz de determinar con certeza una orientación puede causar daños si una empresa, una escuela, una autoridad o una persona agresora trata sus estimaciones como hechos. Una clasificación errónea puede detonar acoso, vigilancia, extorsión o exposición no consentida. Una clasificación acertada también puede violar derechos si se obtuvo y usó sin autorización.

En contextos donde la orientación sexual puede ocasionar persecución, la mera intención de identificarla mediante imágenes resulta especialmente grave. No hace falta imaginar una tecnología mágica. Los perfiles digitales ya acumulan fotografías, ubicaciones, contactos y preferencias que, combinados, permiten inferencias sobre vida privada. La noticia sobre caras no debería distraernos de la vigilancia realmente posible mediante bases de datos.

Por eso una cobertura responsable evita convertir el estudio en una guía para clasificar personas. No ofrecemos un listado de rasgos faciales, una tabla de características o instrucciones para construir sistemas destinados a revelar atributos íntimos. Esos materiales no aportarían comprensión pública; facilitarían, en cambio, una conducta invasiva.

Lo que la investigación sí puede preguntarse

No toda investigación que estudia correlaciones sociales es inútil o ilegítima. Hay preguntas relevantes sobre sesgos algorítmicos, protección de datos, usos discriminatorios de la biometría y responsabilidad de plataformas. Sin embargo, trabajar con información sensible requiere un marco ético que considere consentimiento, necesidad, minimización de datos, evaluación de riesgos y posibilidad de retirar información cuando corresponda.

Si una investigación afirma que un modelo predice un atributo, debemos exigir detalles metodológicos: composición y origen de la muestra, significado de las etiquetas, resultados fuera del conjunto de entrenamiento, errores entre grupos y utilidad real de la predicción. También habría que preguntar para qué se quiere construir esa herramienta. La precisión estadística no vuelve ético cualquier objetivo. Una máquina eficaz para invadir la intimidad seguiría siendo un instrumento problemático.

Para la Red, la diferencia entre divulgar ciencia y normalizar vigilancia es una línea editorial decisiva. El viejo artículo formulaba la cuestión como si un descubrimiento inminente pudiera identificar a hombres homosexuales «de antemano». Esa manera de preguntar encierra a las personas en una categoría antes de que hablen y trata una orientación como señal secreta por descifrar. La nueva obra cambia la pregunta: ¿quién obtiene poder cuando convierte fotografías ajenas en hipótesis sobre la intimidad?

Nadie debe probar quién es frente a una cámara

El futuro de la inteligencia artificial no se decidirá sólo en laboratorios. También se define en las políticas de una red social, en las condiciones de una aplicación, en el tratamiento de imágenes compartidas entre amigos y en la reacción de un medio ante una cifra espectacular. El problema no es que la tecnología vea demasiado bien, sino que una sociedad acepte que mirar equivale a tener derecho a saber.

Un retrato puede contener la historia de cómo alguien quiso aparecer ante otros ese día. No contiene un consentimiento general para que un observador deduzca su vida sexual, su identidad o sus vínculos. La imagen pertenece a una relación concreta entre quien se muestra y quien la recibe. La protección de esa relación requiere límites, aunque los modelos sean cada vez más complejos.

Hay una forma de libertad que no cabe en ningún porcentaje de acierto: decidir cuándo contar una historia propia. La ciencia debe poder examinar afirmaciones con rigor; las personas no tienen por qué convertirse en expedientes para satisfacer la curiosidad de un algoritmo. Un rostro no es una confesión y ninguna tecnología debería tratarlo como si lo fuera.

Alcance: investigación crítica y ética sobre modelos de clasificación; no prueba que la orientación sexual pueda descubrirse por el rostro ni legitima clasificaciones no consentidas.

Fuentes y documentación

  1. Wang, Y. y Kosinski, M., «Deep neural networks are more accurate than humans at detecting sexual orientation from facial images», Journal of Personality and Social Psychology 114(2), 2018, pp. 246–257. https://doi.org/10.1037/pspa0000098
  2. «Inferences About Sexual Orientation: The Role of Stereotypes, Faces, and the Gaydar Myth», investigación experimental sobre estereotipos. https://pmc.ncbi.nlm.nih.gov/articles/PMC4731319/
  3. «The reanimation of pseudoscience in machine learning and its ethical repercussions», análisis crítico publicado en 2024. https://pmc.ncbi.nlm.nih.gov/articles/PMC11573791/
  4. Bergstrom, C. y West, J., «Machine learning about sexual orientation?», Calling Bullshit, estudio de caso metodológico. https://callingbull.org/case_studies/case_study_ml_sexual_orientation.html
  5. Oxford University Press, «Physiognomy in the Age of AI», capítulo académico sobre la lectura de atributos íntimos desde imágenes. https://academic.oup.com/book/55103/chapter/423910713
Translate »