10 de enero de 2017

El informe hace referencia a un sistema de reconocimiento de imágenes muy familiar al que se emplea en las fotos para iOS, pero con mayor nivel de sofisticación. Según publica la web applesfera.com, a diferencia de otros sistemas de aprendizaje, el sistema propuesto por Apple emplea una técnica que mejora la capacidad del algoritmo a la hora de reconocer imágenes utilizando aquellas generadas por ordenador (como las de un videojuego). Esto se debe a que, para entrenar las redes neuronales del software en AI, son más efectivas las imágenes sintéticas que las del mundo real, pues los datos de las imágenes artificiales ya están etiquetados y anotados, mientras que los de una imagen real requieren que alguien etiquete exhaustivamente todo lo que el ordenador está viendo.

El sistema propuesto por Apple emplea una técnica que mejora la capacidad del algoritmo a la hora de reconocer imágenes utilizando aquellas generadas por ordenador

Por tanto, la investigación se centra concretamente en la realización de imágenes falsas realistas -en su mayoría de seres humanos- para entrenar el reconocimiento facial AI. El entrenamiento de una máquina requiere ya de por sí una gran cantidad de datos, pero es que además su formación en cuestiones como las caras y el lenguaje corporal puede duplicar la cantidad de datos personales necesarios para hacerlo posible. Sin embargo, de ser posible, la capacidad de fabricar este tipo de datos de entrenamiento y aún lograr altos resultados podría permitir a Apple construir AI que entienda cómo funcionan los seres humanos sin necesidad de usar ningún dato de usuario mientras se construye el software.

La capacidad de fabricar este tipo de datos de entrenamiento y aún lograr altos resultados podría permitir a Apple construir AI que entienda cómo funcionan los seres humanos 

Asimismo, según el documento de Apple, el enfoque de la imagen sintética puede ser problemático, ya que lo que el algoritmo aprende no siempre se traslada de forma efectiva en escenas de la realidad. Los datos de la imagen sintética a menudo no son los suficientemente realistas, por lo que la red aprende solamente detalles artificiales que no se traducen bien en imágenes reales. Con el objetivo de mejorar el entrenamiento con los datos de imágenes sintéticas, en el informe los investigadores de Apple llaman al proceso de investigación: “Simulación + Aprendizaje sin supervisión”, donde el realismo de la imagen debe resaltarse todavía más. Los investigadores utilizan así una versión modificada de una nueva técnica de aprendizaje llamada Generative Adversarial networks diferente a cualquier otra que haya sido utilizada para generar imágenes fotorealistas.

En este sentido, el estudio trata de identificar gestos de las manos y detectar dónde están mirando las personas, ejemplos de problemas básicos de reconocimiento de imagen que podrían aplicarse a cualquier cosa, desde el seguimiento del comportamiento del usuario hasta una característica de onda para desbloquear el iPhone. En ambos casos, los investigadores tomaron conjuntos de datos establecidos de imágenes sintéticas, y utilizaron una red neuronal entrenada en imágenes reales para redefinirlas para que parecieran todavía más realistas. A continuación, el sistema compara la imagen redefinida con una imagen real, intenta decidir qué imagen es real y se actualiza a sí misma en base a lo que el sistema juzga como falso en comparación con la imagen real.

Los investigadores tomaron conjuntos de datos establecidos de imágenes sintéticas, y utilizaron una red neuronal entrenada en imágenes reales para redefinirlas para que parecieran todavía más realistas

El autor principal del informe es el investigador de Apple, Ashish Shrivastava, que tiene un doctorado en visión por ordenador de la Universidad de Meryland. El resto de trabajadores de Apple que también colaboraron en la redacción del informe fueron: Tomas Pfiser, Oncel Tuzel, Wenda Wang, Russ Webb y Josh Susskind, quienes cofundaron una startup  sobre Inteligencia Artificial que evaluaba las emociones de una persona al mirar sus expresiones faciales llamada Emotient, la cual Apple adquirió el año pasado.

Cabe destacar, por tanto, que este primer informe de Apple, en lo que a Inteligencia Artificial se refiere, supone un gran avance para la compañía. Durante años, la comunidad de investigadores en AI ha sido muy crítica con el secretismo de Apple, el cual ha perjudicado a la compañía en más de una ocasión a hora de contratar nuevos talentos en este campo. Así, esta apertura con la comunidad es importante para Apple, puesto que contribuye a expandir en la industria tecnológica los avances del software en Inteligencia Artificial, el cual se está convirtiendo en un elemento esencial para todo, desde las capacidades de las cámaras en los últimos iPhones de Apple hasta los servicios de Internet que se ejecutan dentro de sus datos.