Nueva inteligencia artificial ve como un humano, llenando los espacios en blanco

Comparta este Artículo en:

Científicos en computación de la Universidad de Texas en Austin le han enseñado a una inteligencia artificial cómo hacer algo que normalmente solo los humanos pueden hacer: echar un vistazo rápido e inferir todo su entorno, una habilidad necesaria para robots de búsqueda y rescate.

La mayoría de los agentes de inteligencia artificial (sistemas informáticos que podrían dotar de inteligencia a los robots u otras máquinas) están capacitados para tareas muy específicas, como reconocer un objeto o estimar su volumen, en un entorno que han experimentado antes, como una fábrica.

Pero el agente desarrollado por Grauman y Ramakrishnan es de propósito general, y recopila información visual que luego puede usarse para una amplia gama de tareas.

“Queremos un agente que esté generalmente equipado para ingresar a entornos y estar listo para las nuevas tareas de percepción a medida que surjan”, dijo Grauman.

“Se comporta de una manera que es versátil y capaz de tener éxito en diferentes tareas porque ha aprendido patrones útiles sobre el mundo visual”.

Los científicos utilizaron el aprendizaje profundo, un tipo de aprendizaje automático inspirado en las redes neuronales del cerebro, para capacitar a su agente en miles de imágenes de 360 grados de diferentes entornos.

Ahora, cuando se le presenta una escena que nunca ha visto, el agente usa su experiencia para elegir algunos destellos, como un turista parado en medio de una catedral que toma algunas instantáneas en diferentes direcciones, que en conjunto suman menos del 20 por ciento de la escena completa.

Lo que hace que este sistema sea tan efectivo es que no solo toma fotos en direcciones aleatorias, sino que, después de cada vistazo, elige el próximo disparo que predice agregará información más nueva sobre toda la escena.

Esto es muy parecido a que si estuviera en una tienda de comestibles que nunca había visitado antes, y viera manzanas, esperaría encontrar naranjas cerca, pero para ubicar la leche, puede mirar hacia otro lado.

Basado en destellos, el agente deduce lo que habría visto si hubiera mirado en todas las otras direcciones, reconstruyendo una imagen completa de 360 grados de su entorno.

“Al igual que trae información previa sobre las regularidades que existen en entornos con experiencia previa, como en todas las tiendas de abarrotes en las que ha estado, este agente realiza búsquedas de manera no exhaustiva”, dijo Grauman.

The profession helps to encourage development and facilitate levitra 100mg recovery, enabling people to stay in work while helping them to remain independent for as long as possible. Causes purchase levitra Of ED Erectile dysfunction can occur in younger men as well. Some of these products can cause andropause, and this is a situation where the discount buy viagra serum testosterone levels in men. ED is only a temporary problem generic cialis online if you get one.

“Aprende a hacer suposiciones inteligentes sobre dónde recopilar información visual para tener éxito en las tareas de percepción”.

Uno de los principales desafíos que los científicos se plantearon fue diseñar un agente que pueda trabajar bajo restricciones de tiempo.

Esto sería crítico en una aplicación de búsqueda y rescate.

Por ejemplo, en un edificio en llamas se llamaría a un robot para localizar rápidamente personas, llamas y materiales peligrosos y transmitir esa información a los bomberos.

Por ahora, el nuevo agente funciona como una persona parada en un lugar, con la capacidad de apuntar una cámara en cualquier dirección pero sin poder moverse a una nueva posición.

O, de manera equivalente, el agente podría contemplar un objeto que está sosteniendo y decidir cómo voltear el objeto para inspeccionar el otro lado.

Los investigadores están desarrollando el sistema para trabajar en un robot totalmente móvil.

Usando las supercomputadoras en el Centro de Computación Avanzada de Texas en Texas y el Departamento de Ciencias de la Computación de Texas, les tomó un día entrenar a su agente usando un enfoque de inteligencia artificial llamado aprendizaje por refuerzo.

El equipo, con el liderazgo de Ramakrishnan, desarrolló un método para acelerar el entrenamiento: construir un segundo agente, llamado compañero, para ayudar al agente principal.

“El uso de información adicional que está presente únicamente durante el entrenamiento ayuda al agente [primario] a aprender más rápido”, dijo Ramakrishnan.

Fuente: Noticias de la Ciencia