Un felino, un vehículo, una calle concurrida, la torre Eiffel o La Giralda: seguramente tú, como millones de individuos en el planeta, al leer estas frases puedes evocar una imagen mental de ellas, y si te enseñamos una fotografía serías capaz de distinguir cada objeto visual que la compone a primera vista. Algo que nos parece tan simple y habitual requiere, entre otras cosas, millones de conexiones neuronales y aprendizaje previo para llevarse a cabo, algo que SEER, la inteligencia artificial de Facebook diseñada para “ver” cualquier imagen también intenta alcanzar.
Facebook ha desarrollado un nuevo sistema de inteligencia artificial que espera ser mucho más efectivo para que las empresas puedan llevar a cabo una serie de actividades de visión digital, desde el reconocimiento facial hasta algunas funciones esenciales para el funcionamiento de los automóviles autónomos, según una serie de publicaciones que la compañía ha revelado en su blog, y de acuerdo con Facebook.
1.000 millones de imágenes en Instagram han alimentado a SEER
SEER ha sido entrenado con más de 1.000 millones de imágenes públicas de Instagram, y según la empresa, ha logrado superarse a los modelos de inteligencia artificial existentes en una evaluación de reconocimiento de objetos con una puntuación del 84,2%.
Bebés, montañas, felinos, almuerzos, familias… Instagram se ha transformado en una de las bases de datos de imágenes más amplias del mundo durante la última década, y, por supuesto, Facebook ha sabido cómo aprovechar este gran recurso para nutrir a SEER y que comprenda lo que hay detrás de cada una de estas imágenes.
El aprendizaje auto-supervisado es el futuro de la Inteligencia Artificial
La principal diferencia de SEER en comparación con otros sistemas de inteligencia artificial que aprenden a identificar imágenes es que, mientras que los demás sistemas están formados para leer un conjunto de datos etiquetados, SEER aprendió a reconocer objetos a través del análisis de imágenes aleatorias, sin etiquetas y sin curaduría, de la misma manera que los niños, basándose en la observación y construyendo un “modelo mental” sobre la relación entre objetos. Esta técnica se conoce como aprendizaje auto supervisado (Self Supervised, en inglés).
“El futuro de la IA radica en la creación de sistemas que sean capaces de aprender directamente de cualquier información que se les proporcione, ya sea texto, imágenes u otro tipo de datos, sin depender de conjuntos de datos meticulosamente seleccionados y etiquetados que les enseñen a reconocer objetos en una fotografía, interpretar un bloque de texto o realizar cualquiera de las numerosas otras tareas que les solicitamos”, afirmó Facebook en su publicación.
“El rendimiento de SEER demuestra que el aprendizaje auto supervisado puede sobresalir en tareas de visión por computadora en contextos del mundo real”, añadió la empresa. “Este es un avance significativo que, en última instancia, abre camino hacia modelos de visión por computadora más flexibles, precisos y adaptables en el futuro”.
https://icrono.com/tendenciasmarketingsesgo-inteligencia-artificial-acusan-racismo-a-twitter/
Aplicaciones a futuro
Por ahora SEER
solo se trata de un estudio de investigación, no obstante las aplicaciones posibles de su detección de imágenes son muy amplias: desde mejoras en las descripciones de imágenes para personas con discapacidades visuales, una clasificación automática más eficaz de artículos disponibles en Facebook Marketplace hasta un sistema optimizado para evitar que imágenes inapropiadas estén en la red social.
Asimismo, el aprendizaje auto supervisado podría contribuir a optimizar los modelos de imágenes que cuentan con metadatos escasos, como en el caso de las imágenes médicas, “y sin necesidad de intervención en el etiquetado, los modelos pueden ser diseñados e implementados con mayor rapidez, permitiendo respuestas ágiles y precisas ante situaciones en cambio veloz”.
Para enriquecer aún más a SEER, Facebook ha confirmado que hará disponible parte de su software de código abierto para que otros investigadores puedan experimentar con él. “A pesar de que compartimos los pormenores de nuestra investigación y creamos una biblioteca de código abierto que permitirá a otros académicos utilizar el aprendizaje auto supervisado para entrenar modelos de imágenes sin curación, no divulgaremos las imágenes ni el modo SEER”.
