El desarrollo de los algoritmos de reconocimiento de imágenes es impresionante, ya no cometen errores tontos cuando miran el mundo: en estos días, pueden decir con exactitud que una imagen contiene un gato. Pero la forma en la que realiza está lectura puede no ser tan familiar para los seres humanos como habíamos creído.

La mayoría de los sistemas de visión por computadora identifican características en imágenes utilizando redes neuronales, que se inspiran en nuestra propia biología y son muy similares en su arquitectura, pero en vez de usar neuronas para la detección biológica, usan funciones matemáticas.

Ahora, un estudio realizado por investigadores de Facebook y Virginia Tech, dice que a pesar de estas aparentes similitudes, hay que tener cuidado en no asumir que ambos funcionan de la misma manera.

Para ver exactamente lo que estaba ocurriendo mientras seres humanos y una AI analizaban una imagen, los investigadores estudiaron donde ambos centraban su atención. Ambos fueron provistos de imágenes borrosas e hicieron preguntas acerca de lo que estaba ocurriendo en la imagen. Las partes de la imagen podrían ser aclaradas de manera selectiva, uno a la vez, y tanto humanos como AI lo hicieron hasta que pudieran responder a la pregunta. El equipo repitió las pruebas utilizando varios algoritmos diferentes.

Obviamente ambos pudieron contestar, pero lo interesante del experimento es la forma en que lo hicieron. En una escala de 1 a -1, donde 1 es totalmente de acuerdo y -1, desacuerdo total; dos humanos obtuvieron 0.63 en promedio en términos de dónde se centraron su atención en la imagen. Pero cuando el ejercicio fue realizado por un humano y una IA, el promedio cayó a 0.26.

En otras palabras: la IA y el humano miraron ambos la misma imagen, recibieron la misma pregunta y obtuvieron ambos respuestas correctas, pero usando diferentes características visuales para llegar a esas mismas conclusiones.

Este es un resultado explícito sobre un fenómeno que los investigadores ya habían insinuado. En 2014, un equipo de la Universidad de Cornell y de la Universidad de Wyoming demostró que era posible crear imágenes que engañen a una IA, simplemente mediante la creación de una imagen formada por fuertes rasgos visuales que el software había llegado a asociar con un objeto.

Los seres humanos, por otro lado, tenemos un gran sentido común, lo que significa que no vamos a caer en estos trucos. Eso es algo que los investigadores están tratando de incorporar a una nueva generación de software inteligente con el fin de que entiendan el mundo visual de manera semántica.

Sin embargo, que las computadoras no utilice el mismo enfoque no necesariamente quiere decir que sean inferiores. De hecho, podría ser mejor ignorar el enfoque humano por completo.

Los tipos de redes neurales utilizadas en la visión por computadora suelen emplear una técnica conocida como “aprendizaje supervisado” para averiguar lo que está sucediendo en una imagen. En última instancia, su habilidad para asociar una compleja combinación de patrones, texturas y formas con el nombre de un objeto, es posible porque los humanos ya han intervenido etiquetando las imágenes que serán reconocidas por la IA.

Pero los equipos en Facebook y DeepMind de Google han estado experimentando con sistemas de aprendizaje no supervisado que se alimentan de videos e imágenes para aprender cómo se ven los rostros humanos y objetos cotidianos, sin ninguna intervención humana. Magic Pony, recientemente adquirida por Twitter, también trabaja con aprendizaje supervisado.

En estos casos, es incluso menos probable que el conocimiento de la IA sea generado a través de un proceso que imita al de un humano. Una vez inspirado en los cerebros humanos, la IA puede ser mucho más eficiente simplemente siendo sí misma.

FUENTES: MIT REVIEW,  NEWSCIENTIST