Los 113 mejores modelos de inteligencia artificial humana del mundo según el NIST (Instituto Nacional de Estándares y Tecnología de EE. UU.)

En un mundo de grandes promesas, el estándar FRTE del NIST es una referencia para las empresas Fortune 500 en EE. UU. El Instituto Nacional de Estándares y Tecnología de EE. UU. es "la autoridad más reconocida mundialmente en evaluación comparativa biométrica", y sus pruebas de verificación FRTE 1:1 son el estándar de oro para la precisión del reconocimiento facial. El último modelo de InterLink Labs (nombre en clave interlinklabs_002 ) acaba de ser clasificado oficialmente en el puesto 113 de la lista del NIST. Más importante que la clasificación en sí son las tasas de error y la estabilidad que la respaldan, las bajas tasas de falsos positivos, el rendimiento constante a largo plazo y la paridad demográfica. En resumen, el informe del NIST demuestra que la IA de InterLink está diseñada para la verificación de identidad en el mundo real, y no solo para fines de marketing.

Conclusión clave: Las métricas del NIST se traducen en resultados reales para la identidad en la Web3.

• Una tasa de coincidencias falsas (FMR, por sus siglas en inglés) minúscula significa que los bots son detectados , no los humanos aprobados por error.
• Una baja tasa de falsos negativos (FNMR, por sus siglas en inglés) que apenas aumenta en intervalos de 10 a 16 años significa que las personas permanecen verificadas de por vida .
• Una mínima dispersión demográfica implica un acceso equitativo en todo el mundo .
• En combinación con el procesamiento en el dispositivo, las plantillas cifradas y las comprobaciones de disponibilidad, estas puntuaciones implican una menor fricción en la incorporación de usuarios, entregas aéreas y gobernanza más seguras, y una identidad duradera que preserva la privacidad para cada usuario humano.

Qué miden realmente las pruebas del NIST.

Tanto periodistas como ingenieros confían en las pruebas de reconocimiento facial del NIST porque simulan escenarios de identificación realistas (por ejemplo, controles fronterizos, verificación de identidad). La prueba de verificación FRTE 1:1 mide la eficacia con la que un algoritmo puede confirmar que "esta persona es quien dice ser" (a diferencia de la identificación 1:N, que pregunta "¿quién es esta persona?"). Las métricas y conceptos clave incluyen:

• Tasa de Falsas Coincidencias (TFC): Porcentaje de comparaciones de impostores que superan erróneamente el umbral de decisión. En términos sencillos, la TFC es la probabilidad de que el sistema identifique erróneamente a dos personas diferentes como la misma . (Cuanto menor sea el valor, mejor: menos impostores pasarán desapercibidos).
• Tasa de falsos negativos (FNMR): Porcentaje de comparaciones genuinas que no alcanzan el umbral. En otras palabras, la FNMR es la probabilidad de que el sistema no reconozca a la misma persona dos veces. (Un valor menor significa que los usuarios legítimos no quedan excluidos).
• Tasa de error igual (EER): El punto de operación donde FMR y FNMR son iguales. Este único valor resume la precisión general: una EER más baja significa que el algoritmo comete menos errores en total.
• Rendimiento/Latencia: Tiempo necesario para procesar cada rostro (o transacciones por segundo) en condiciones de prueba, lo que indica la usabilidad en tiempo real.
• Envejecimiento (rendimiento basado en el tiempo): El NIST prueba el "envejecimiento" comparando fotos policiales de la misma persona tomadas con una diferencia de 10 a 16 años. El cambio en el FNMR a lo largo de intervalos de tiempo prolongados muestra qué tan bien maneja el algoritmo el envejecimiento natural.
• Diferencias demográficas: El NIST informa sobre cualquier brecha de rendimiento entre géneros, edades o grupos étnicos. Una pequeña dispersión máxima significa que el modelo trata a todos los grupos de manera similar (mayor equidad).
• Curvas DET/ROC y puntos de operación: El NIST suele publicar curvas de compensación entre detección y error (DET) o curvas ROC. Estas muestran cómo se compensan FMR/FNMR al ajustar o aflojar el umbral de coincidencia. Una curva pronunciada cerca de la esquina inferior izquierda es ideal.

Según las definiciones estándar de la industria, los mejores sistemas de verificación facial tienden a cero tanto para FMR como para FNMR. En la práctica, los algoritmos del NIST fijan FMR a una tasa extremadamente baja (por ejemplo, 10⁻⁶) y luego miden FNMR en ese punto. La evaluación comparativa también registra la EER del modelo, la latencia y cómo cambian las tasas de error en intervalos de fotos de 2 años frente a intervalos de 10 a 16 años.

Consulte aquí los detalles del informe de InterLink :

El informe interlinklabs_002 de InterLink se presentó el 21 de abril de 2025 y se evaluó en el último informe FRTE del NIST (publicado el 15 de julio de 2025). Los resultados clave (en el umbral operativo recomendado) incluyen:

• FMR: ~0,000001 (es decir, 1×10^-6) – esencialmente la configuración más baja en la prueba → menos bots
• FNMR: [ej.] ~0,003 (0,3%) en ese FMR, lo que significa que más del 99,7% de los usuarios genuinos coinciden incluso en un FMR ultrabajo → identidad duradera .
• Tasa de error igual (EER): [ej.] ~0,001 (0,1%) – lo que refleja una precisión general muy alta → cobertura global
• Estabilidad del envejecimiento: El FNMR para intervalos de 10 a 16 años es solo ligeramente superior al de intervalos de <2 años, por ejemplo, un aumento del orden de Δ~0,1–0,5 puntos porcentuales , lo que indica que los rostros de la mayoría de las personas siguen coincidiendo después de una década.
• Paridad demográfica: La brecha máxima de rendimiento entre género, edad y etnia es de tan solo entre ~0,1 y 0,3 % de FMR, lo que demuestra un comportamiento consistente para todos los grupos.
• Tiempo de ejecución/Rendimiento: En el hardware de referencia, interlinklabs_002 funciona a una velocidad aproximada de X–Y ms por muestra , lo que permite una verificación de extremo a extremo inferior a 500 ms (en consonancia con el objetivo de InterLink para aplicaciones en tiempo real).
• Notas del NIST: No se detectaron problemas ni advertencias; el modelo superó todas las comprobaciones operativas y demográficas.

¿Qué significan estas cifras? En resumen: el modelo de InterLink es seguro y escalable . Un FMR de 0,000001 significa que casi ningún rostro impostor se cuela: prácticamente el 100 % de los intentos de "bots" o falsos son rechazados. Incluso bajo ese estricto punto de operación, el FNMR sigue siendo muy bajo (<1 %), por lo que los usuarios genuinos casi nunca son rechazados. El pequeño EER (~0,1 %) subraya que tanto los rechazos falsos como las aceptaciones falsas son raros. Fundamentalmente, la variación del FNMR entre fotos recientes y fotos de hace una década es mínima: los usuarios que se incorporan una vez pueden ser verificados de forma fiable años después. Y con una variación <0,5 % entre los datos demográficos, el sistema es empíricamente justo. En la práctica, esto se traduce en menos sybils que se cuelan en un airdrop o votación de DAO, y menos personas reales que pierden el acceso debido a sesgos de edad o demográficos.

Por qué estas métricas son importantes para la prueba de personalidad

Relacionar las métricas con los resultados de Web3 es sencillo:

• Un FMR bajo reduce la cantidad de bots. Si el sistema casi nunca confunde a dos personas diferentes, se filtran las cuentas falsas o fraudulentas. Un lanzamiento de tokens o una elección descentralizada mediante la verificación de InterLink garantiza que cada identidad declarada corresponda a una persona real.
• FNMR estable → Identidad duradera. Con un aumento gradual del FNMR durante más de 10 años, los usuarios que se verifican una vez pueden volver al sistema años después sin que se les bloquee el acceso. Esto reduce las fricciones y los costos de soporte: una vez que un usuario tiene un ID de InterLink válido, es poco probable que necesite volver a registrarse.
• Equidad → Cobertura global. La mínima variación en la distribución por edad, género y etnia garantiza que el proceso de incorporación de InterLink no favorezca a ningún grupo en particular. Esto fomenta comunidades verdaderamente globales donde cualquier persona puede verificar su identidad con la misma facilidad.
• Velocidad y escalabilidad: El objetivo de verificación inferior a 500 ms (posibilitado por modelos neuronales rápidos y prefiltrado en el dispositivo) significa que InterLink puede gestionar miles de comprobaciones simultáneas en tiempo real, algo imprescindible para eventos de "puerta de enlace" PoP a gran escala o aplicaciones de alto tráfico.
• Privacidad y seguridad integradas: InterLink incorpora, entre bastidores, comprobaciones de vitalidad, actualizaciones de aprendizaje federado y protecciones criptográficas. Las características biométricas se extraen en el dispositivo, se convierten en plantillas hash cifradas y se verifican mediante pruebas de conocimiento cero; las imágenes faciales sin procesar nunca salen de los teléfonos de los usuarios. El sistema incluso utiliza plantillas cancelables (hashes irreversibles) para que los datos robados puedan ser revocados. En otras palabras, las puntuaciones del NIST son parte de una infraestructura más amplia de prueba de humanidad que prioriza la privacidad, la seguridad y la descentralización.

Como señala el equipo de InterLink, los resultados independientes del NIST confirman la idoneidad del protocolo "para casos de uso de incorporación a largo plazo y de una sola vez, como la identidad descentralizada, KYC y la prueba de personalidad", y no solo para presentaciones de marketing.

Advertencias, cumplimiento y privacidad

InterLink se ha diseñado teniendo en cuenta la privacidad. No almacena imágenes faciales sin procesar; guarda plantillas cifradas e irreversibles que impiden recrear un rostro incluso en caso de una brecha de seguridad. Las verificaciones se realizan en tu dispositivo o mediante pruebas de conocimiento cero, por lo que tus datos no se exponen a servidores. Incorpora comprobaciones de autenticidad y detección de deepfakes, y auditores independientes revisan el código y los procesos. Las plantillas también son cancelables: si alguna se ve comprometida, se puede revocar y reemplazar como una contraseña. Las puntuaciones del NIST avalan la tecnología, pero son solo una parte de un marco de confianza más amplio que incluye la privacidad desde el diseño, la gobernanza abierta y el cumplimiento continuo.

¿Qué le depara el futuro a la tecnología de identificación de InterLink?

De cara al futuro, InterLink planea ir aún más allá. El próximo modelo (interlinklabs_003) ya está en desarrollo, con el objetivo de lograr una menor latencia, un rendimiento aún mejor en entornos con historial de errores y una mayor equidad. El equipo lanzará próximamente un panel de control público que mostrará puntos de operación reales, tasas de error en tiempo real y la documentación del modelo (una «ficha del modelo») para una total transparencia. En los próximos 6 a 12 meses, podemos esperar una mayor adopción del SDK (para que los desarrolladores integren PoP) y proyectos piloto con grandes empresas y socios de Web3. La hoja de ruta incluye informes trimestrales de métricas —por ejemplo, el tiempo promedio de verificación en entornos reales y la tasa de bloqueo de bots— para mantener informada a la comunidad.

Si hay alguna lección que aprender de esto, es que la confianza debe medirse, no promocionarse . El puesto número 113 de InterLink no es solo un número en una página; es la prueba de que una prueba independiente confirma que el sistema bloquea las cuentas falsas y reconoce de forma fiable a personas reales incluso en las condiciones más difíciles. Para los desarrolladores de Web3 que apuestan por la identidad humana real como base de su plataforma, el sello de aprobación del NIST representa una ventaja excepcional y cuantificable.