Tabla de contenido
Es innegable que la Inteligencia Artificial ha dejado una huella imborrable en nuestras vidas. En un esfuerzo pionero para mejorar aún más las capacidades de la IA, los investigadores de UCLA y el Laboratorio de Investigación del Ejército de los Estados Unidos han presentado un enfoque único que combina la conciencia física con técnicas basadas en datos en tecnologías de visión por computadora impulsadas por IA.
El estudio, publicado en Naturaleza Máquina Inteligenciapropone una metodología híbrida innovadora destinada a refinar cómo la maquinaria basada en IA detecta, interactúa y reacciona a su entorno en tiempo real, algo fundamental para los vehículos autónomos y los robots de acción de precisión.
Enfoque híbrido para la IA consciente de la física
Tradicionalmente, la visión artificial, el campo que permite a la IA comprender e inferir propiedades del mundo físico a partir de imágenes, se ha centrado en gran medida en el aprendizaje automático basado en datos. Al mismo tiempo, la investigación basada en la física buscaba desentrañar los principios físicos que subyacen a muchos desafíos de la visión artificial. Sin embargo, asimilar la comprensión de la física al ámbito de las redes neuronales ha resultado ser un desafío.
En un avance significativo, el estudio de la UCLA tiene la intención de combinar la comprensión profunda de los datos y el conocimiento de la física del mundo real, creando así una IA híbrida con capacidades aumentadas. Achuta Kadambi, el autor correspondiente del estudio y profesor asistente de ingeniería eléctrica e informática en la Escuela de Ingeniería Samueli de la UCLA, explica: «Las formas de inferencia conscientes de la física pueden permitir que los automóviles conduzcan de manera más segura o que los robots quirúrgicos sean más precisos».
Incorporación de la física en la IA de visión artificial
El equipo de investigación describe tres formas innovadoras de integrar la física en la IA de visión artificial:
- Infundir física en conjuntos de datos de IA: Esto implica etiquetar objetos con información adicional, como su velocidad o peso potencial, similar a los personajes de los videojuegos.
- Integración de la física en las arquitecturas de red: Esta estrategia implica ejecutar datos a través de un filtro de red que codifica las propiedades físicas en lo que capturan las cámaras.
- Incorporando la física en la función de pérdida de red: Aquí, el conocimiento basado en la física se aprovecha para ayudar a la IA a interpretar los datos de entrenamiento en sus observaciones.
Estas líneas experimentales de investigación ya han producido resultados prometedores en la mejora de la visión artificial. Por ejemplo, el enfoque híbrido permite que la IA rastree y prediga el movimiento de un objeto con mayor precisión y puede producir imágenes precisas de alta resolución de escenas oscurecidas por condiciones climáticas adversas.
El futuro de la IA consciente de la física
Los investigadores son optimistas de que los avances continuos en este enfoque de modalidad dual podrían llevar a las IA basadas en el aprendizaje profundo a aprender de forma independiente las leyes de la física. Esto podría marcar una nueva frontera en las tecnologías de visión por computadora impulsadas por IA, allanando el camino para una aplicación de IA más segura y precisa en varios sectores, incluidos los vehículos autónomos y la robótica quirúrgica.
El estudio, apoyado en parte por una subvención del Laboratorio de Investigación del Ejército, fue coautor del científico informático del Laboratorio de Investigación del Ejército Celso de Melo y los miembros de la facultad de UCLA Stefano Soatto, Cho-Jui Hsieh y Mani Srivastava. El financiamiento adicional provino de subvenciones de la Fundación Nacional de Ciencias, el Programa de Jóvenes Investigadores del Ejército, la Agencia de Proyectos de Investigación Avanzada de Defensa, Intrinsic, una compañía de Alphabet y Amazon.