Estudo brasileiro examina falhas dos sistemas atuais de reconhecimento facial

Nina da Hora é diretora executiva do Instituto da Hora (IDH) e pesquisadora da Universidade Estadual de Campinas (Unicamp).

O texto a seguir foi originalmente publicado no site The Conversation , que reúne artigos escritos por pesquisadores.

Vale a visita.

Foi em 1818 que a escritora inglesa Mary Shelley publicou Frankenstein , a história hoje universal da criatura costurada a partir de partes dissecadas de corpos diferentes.

O que me assombra no romance não é o monstro, e sim o procedimento: um criador – um cientista – que a partir de fragmentos humanos gera uma nova forma de vida inteligente, mas depois se recusa a se responsabilizar por ela.

Como pesquisadora na área de computação, passei os últimos anos estudando uma tecnologia que repete esse procedimento: o reconhecimento facial, hoje instalado em estações de metrô, estádios, aeroportos e sistemas de segurança pública em todo o Brasil.

A investigação resultou na minha dissertação de mestrado, defendida em maio de 2026 no Instituto de Computação da Unicamp, e no artigo derivado dela, Frankenstein in the Pipeline , publicado nos anais da ACM FAccT , principal conferência internacional revisada por pares sobre justiça e responsabilidade em sistemas algorítmicos, este ano realizada em Montreal, Canadá.

Neste texto, que inaugura a parceria de produção de conteúdo e divulgação científica celebrada entre o The Conversation Brasil e o nosso Instituto da Hora , gostaria de explicar o que encontrei e por que dei a esse fenômeno o nome de “ epistemicídio computacional”.

Não há como consertar polarização nas redes sociais, conclui estudo Continua após a publicidade O que um sistema desses realmente faz Um sistema de reconhecimento facial não “vê” pessoas.

Ele executa uma sequência fixa de operações que a computação chama de pipeline , uma linha de montagem em que cada estação transforma o material recebido da anterior.

Na primeira estação, a detecção, o sistema varre a imagem e decide se ali existe algo classificável como rosto.

Na segunda, o recorte, isola essa região.

Na terceira, o alinhamento, ajusta o recorte a um molde padronizado, com olhos, nariz e boca em posições esperadas.

Na última, a vetorização, converte o resultado em um vetor, uma lista de centenas de números que passa a representar aquela pessoa dentro do sistema.