Imágenes fáciles de distinguir pero confusas para computadoras

Las imágenes que tú puedes distinguir tan fácilmente pero confunden a las computadoras más avanzadas
Fecha: 28 de julio de 2019
Categorías: IA | Noticias | Tecnología

Mariposas clasificadas como lavadoras, caimanes vistos como picaflores y libélulas que se convierten en plátanos. Estos son solo algunos de los ejemplos de los errores en los que caen los sistemas de inteligencia artificial a la hora de asignar etiquetas a imágenes que a nosotros nos pueden parecer muy simples y fácilmente reconocibles.

Los investigadores crearon una base de datos con 7.500 fotos que las computadoras más potentes no consiguen identificar correctamente.

Un experto dijo que, si se quería utilizar estos sistemas en el mundo real, era crucial resolver este problema.

«Nadie sabe por qué no reconocen estas imágenes que no se ven tan difíciles», dijo Calum Chace, un experto en el campo.

«Y si bien nadie sabe cuál es la solución, mi intuición es que no va a retrasar la investigación de la inteligencia artificial por mucho tiempo porque hay una enorme cantidad de dinero y talento que se puede destinar a este problema para resolverlo».

Los investigadores de la Universidad de California en Berkeley y las Universidades de Washington y Chicago, todas ellas en Estados Unidos, aseguraron que las imágenes que compilaron, en un conjunto de datos llamado ImageNet-A, tienen el potencial de afectar seriamente el rendimiento general de los clasificadores de imágenes.

Y esto podría tener un efecto en cadena sobre cómo tales sistemas operan en aplicaciones como el reconocimiento facial o los autos sin conductor.

Hongo y rana
Un hongo fue clasificado como un pretzel y una rana toro, como una ardilla.

«El problema debe resolverse antes de que sistemas como el de los autos sin conductor se conviertan en estándar«, dijo Chace.

Todas las imágenes fueron recolectadas de internet y ninguna había sido alterada digitalmente.

Los investigadores esperan que la base de datos ayude a los expertos a mejorar la precisión de cómo los sistemas de inteligencia artificial clasifican las imágenes. Y es que, puede que las fotos con las que se ha puesto a prueba a la inteligencia artificial hasta ahora hayan sido demasiado simples, creen los expertos.

A menudo, la inteligencia artificial identifica erróneamente los objetos porque generaliza demasiado. Así, por ejemplo, una sombra en la imagen de un reloj de sol puede llevar a los algoritmos a etiquetar las sombras en general como relojes de sol. O a hacerles pensar que todos los autos son limusinas.

La ImageNet original se usó para entrenar redes neuronales (sistemas que pueden enseñarse a sí mismos) y fue parte de un renacimiento de la inteligencia artificial, a medida que la potencia de la computadora y las enormes bases de datos se fueron combinando para crear sistemas mucho más capaces.



RELACIONADOS:

Noticias Recientes

Kaspersky, líder en protección de patos para endpoints

Kaspersky le agradece a los clientes que lo ha nombrado como el proveedor líder número 1 en un nuevo informe de Info-Tech. El nuevo Informe del Cuadrante de Protección de Datos para Endpoints de Info-Tech Research en 2022 analiza a los proveedores clave en múltiples...

Google puso al descubierto 6 maneras de hackear un iPhone

Un equipo de cazadores de fallos que trabajan para Google puso al descubierto el punto más débil del iPhone: la app iMessage. El equipo, llamado Google Zero, afirma que encontró cinco errores en el servicio de mensajería que haría a los iPhone extremadamente...

¿Qué secretos puede revelar de tu salud un análisis genético?

Cada vez está más cerca la era de la medicina personalizada, basada en las características genéticas de cada quien. Este avance es posible gracias a que los costos de secuenciar el genoma son cada vez menores y a que la inteligencia artificial se encarga de analizar...