Volti che conosci, privacy che mantieni: il riconoscimento facciale fatto per bene
Digita un nome in Google Foto e l’app trova ogni foto di quella persona tra migliaia di immagini in pochi secondi. È davvero impressionante — e la maggior parte delle persone non si ferma a chiedersi come funzioni. La risposta è che il tuo volto viene analizzato, mappato e confrontato con un modello che Google ha affinato negli anni grazie alle foto di miliardi di utenti. La funzione funziona così bene perché tu, e tutte le persone che conosci, avete contribuito in silenzio a renderla possibile.
Con PixelUnion hai la stessa capacità. Puoi cercare nella tua libreria per volto, raggruppare le foto per persona e trovare ogni scatto di tua nonna dal 2008 all’ultimo Natale — con una precisione paragonabile a quella dei grandi colossi tecnologici. La differenza sta nel modo in cui funziona.
Open source, non i tuoi dati
Il riconoscimento facciale in PixelUnion è alimentato da Immich, la piattaforma fotografica open source al centro del nostro servizio. Immich utilizza InsightFace, una consolidata libreria open source per l’analisi del volto, insieme al modello buffalo_l per il rilevamento e il riconoscimento. Si tratta di modelli pre-addestrati, sviluppati e pubblicati apertamente da ricercatori. Il codice è pubblico, i modelli sono pubblici e chiunque può esaminare come funzionano.
Cosa significa nella pratica: quando PixelUnion analizza le tue foto alla ricerca di volti, esegue questi modelli consolidati sui nostri server — server europei, sotto la legge europea. L’analisi avviene interamente all’interno della tua libreria. Nessuna immagine, nessun embedding facciale, nessun dato biometrico lascia mai il tuo ambiente PixelUnion per essere elaborato da terze parti. E soprattutto: le tue foto non vengono mai utilizzate per addestrare o migliorare i modelli. Né da noi né da nessun altro.
Questa è un’architettura fondamentalmente diversa da quella dei Big Tech. Google Foto migliora il suo riconoscimento facciale imparando dagli utenti. Più lo usi e confermi i suoi suggerimenti, più diventa preciso — non solo per te, ma per il modello di Google nel suo complesso. Sei allo stesso tempo il cliente e il dataset di addestramento.
Quanto può essere efficace l’open source?
Lo scetticismo è comprensibile. Quando si sente “modello AI open source”, si immagina spesso qualcosa di approssimativo e inaffidabile, un sostituto di seconda scelta. La realtà, soprattutto negli ultimi anni, è ben diversa.
Il modello InsightFace buffalo_l che alimenta il riconoscimento facciale di Immich non è un prototipo sperimentale. È un modello all’avanguardia che ottiene ottimi risultati nei benchmark standard di rilevamento e verifica facciale. In valutazioni indipendenti, raggiunge una precisione paragonabile — e in alcuni casi superiore — a quella dei modelli alla base di prodotti commerciali.
Nell’uso quotidiano, questo si percepisce chiaramente. Il sistema:
- Rileva in modo affidabile i volti anche di profilo, in condizioni di scarsa illuminazione o in vecchie foto a bassa risoluzione
- Raggruppa la stessa persona attraverso decenni di foto, gestendo con naturalezza i cambiamenti di acconciatura, peso ed età
- Distingue tra membri della famiglia con un aspetto molto simile
- Funziona in modo uniforme su diverse carnagioni e condizioni di luce
Gli utenti descrivono spesso i risultati come sorprendenti. Si assegna un nome al sistema, si uniscono alcuni gruppi di volti identificati automaticamente e in pochi minuti anni di foto vengono organizzati in modo che manualmente avrebbe richiesto ore. Non è un premio di consolazione rispetto a Google Foto — è semplicemente eccellente.
I dati biometrici sono dati sensibili
In base al GDPR, i dati biometrici utilizzati ai fini dell’identificazione univoca di una persona sono classificati come categorie particolari di dati personali — il massimo livello di protezione previsto dalla normativa europea sulla protezione dei dati. Questo include gli embedding facciali generati dai sistemi di riconoscimento facciale.
Google Foto, che opera sotto la legge statunitense con un’infrastruttura globale, ha un rapporto diverso con i tuoi dati biometrici rispetto a un servizio europeo. Gli Stati Uniti non dispongono di una legge federale sulla privacy biometrica equivalente al GDPR, sebbene alcuni stati abbiano adottato normative proprie. Indipendentemente dal quadro giuridico, l’incentivo commerciale è chiaro: i dati facciali migliorano i prodotti di Google, e i prodotti di Google fanno guadagnare denaro a Google.
PixelUnion non ha questo tipo di incentivo. Non vendiamo pubblicità. Non addestriamo modelli. Addestriamo una quota di abbonamento semplice per un servizio che funziona. I tuoi dati facciali rimangono nella tua libreria, sui nostri server, sotto il tuo controllo.
Privacy e qualità non sono un compromesso
Esiste un mito persistente secondo cui si debba scegliere tra un buon prodotto e uno rispettoso della privacy. Che le migliori funzionalità vengano solo dalle aziende disposte a raccogliere i tuoi dati per costruirle. Il riconoscimento facciale in PixelUnion è un contraltare diretto.
La ricerca open source ha prodotto modelli abbastanza precisi da alimentare una funzione genuinamente utile. Questa funzione gira su infrastrutture europee, elabora i tuoi dati in modo isolato e non usa mai ciò che apprende sul tuo volto a vantaggio di altri. Nessun compromesso richiesto.
Se finora hai accettato di usare un servizio fotografico di un grande colosso tecnologico perché pensavi fosse l’unico modo per avere un buon riconoscimento facciale, vale la pena rivedere quell’assunzione.
In PixelUnion, i tuoi ricordi sono tuoi. Ogni foto, ogni volto, ogni album — archiviati su server europei, analizzati sulla nostra infrastruttura e mai condivisi con nessuno. Così dovrebbe funzionare.