Logo Computerhoy.com

Competencia ayuda a ordenadores a ver el mundo más claro

Inés Pérez

ImageNet
El Desafío de Reconocimiento Visual en Gran Escala (Large Scale Visual Recognition Challenge) este año atrajo a 38 participantes de 13 paísesLa idea es alentar a los participantes a desarrollar software, destinado a persuadir a las máquinas de gama alta para que reconozcan lo que ven

Con el desarrollo de nuevos y mejores supercomputadoras, la capacidad de estas máquinas para "ver" el mundo que nos rodea se ha incrementado notablemente.

Esta mejora fue particularmente visible en los resultados del concurso publicado el lunes por la noche por científicos de la computación y empresas que patrocinan una competencia anual para medir las mejoras en el estado de la tecnología de visión artificial.

Iniciada en 2010 por científicos de Stanford, Princeton y la Universidad de Columbia, el Desafío de Reconocimiento Visual en Gran Escala (Large Scale Visual Recognition Challenge) este año atrajo a 38 participantes de 13 países.

Los grupos utilizan software avanzado, en la mayoría de los casos modelados libremente a partir de los sistemas de visión biológicos, para detectar, localizar y clasificar un enorme conjunto de imágenes tomadas de fuentes de Internet como Twitter.

El concurso fue patrocinado este año por Google, Stanford, Facebook y la Universidad de Carolina del Norte.

Los concursantes ejecutan sus programas de reconocimiento en ordenadores de alto rendimiento basados, en muchos casos, en procesadores especializados llamados GPU, para las unidades de procesamiento de gráficos.

La idea es alentar a los participantes a desarrollar software altamente inteligente, destinado a persuadir a las máquinas de gama alta para que reconozcan lo que está pasando en imágenes, al igual que hacemos nosotros.

Policía británica ya usa software de reconocimiento facial

Aunque todavía no lo han conseguido, sin duda han mejorado.

Organizadores de la conferencia dijeron al New York Times que la precisión casi se duplicó este año, mientras que las tasas de error se han reducido casi a la mitad.

Eso es un paso bastante fuerte hacia adelante cuando se tiene en cuenta lo que estos algoritmos enfrentaban: tenían que clasificar objetos específicos en montones de imágenes de la tienda de ImageNet.

Sin embargo, de acuerdo a uno de los investigadores de Stanford AI Lab, Fei-Fei Li, todavía hay un largo camino antes de llegar al "santo grial": enseñar a una máquina para asimilar lo que está sucediendo en una imagen en sentimientos completos, por ejemplo.

Conoce cómo trabajamos en Computerhoy.