Por Fernanda Lima
Hace unos años, pensar en vehículos con función de piloto automático parecía un sueño. Hoy, varias empresas presentan y anuncian prototipos capaces de medir las distancias con objetos y circular respetando las normas de seguridad. Los expertos en inteligencia artificial aseguran que es producto del deep learning o aprendizaje profundo.
El deep learning ‘aprende’ por medio de redes neuronales artificiales, que imitan las habilidades de un cerebro humano. Lo explica Franz Yupanqui, informático con especialidad en Ingeniería de Datos y Coordinador del Diplomado en Sistemas Robóticos Avanzados del área de Postgrado de la Universidad Franz Tamayo, Unifranz.
Se trata de un tipo de aprendizaje automático que funciona con redes neuronales para procesar una gran cantidad de datos gráficos. Es un gran avance de la inteligencia artificial pues trasciende las barreras del machine learning (aprendizaje automático). Desde el deep learning se logra procesar una cantidad de datos exorbitantes para la identificación de objetos.
“Antiguamente el machine learning, realizaba una extracción de datos, que era un proceso donde había que procesar los datos y extraer características, pero ¿cómo le explicas a una máquina esos datos? Ahí es donde apareció el deep learning, que lo que hace es procesar estos datos, extraer las mismas características y procede a identificar los objetos con diferentes capas, así como nosotros” indica.
El machine learning es una rama de la inteligencia artificial que trabaja con algoritmos y datos para recabar, analizar e imitar determinados patrones de comportamiento de los seres humanos y anticipar el desarrollo de ciertas tareas en base a dicho aprendizaje.
El deep learning permite solucionar problemas complejos, aunque el conjunto de datos sea no estructurado y no exista una relación clara entre ellos.
Yupanqui asegura que el deep learning usa volúmenes inmensos de datos para entrenar el modelo. Algunas de sus aplicaciones tienen vinculación con la interpretación de idiomas, el reconocimiento de imágenes, en el etiquetado de fotos en redes sociales, entre otros.
El antecedente más llamativo del uso del deep learning se dio cuando Andrew Y. NG en Google consiguió reconocer gatos entre millones de imágenes con un nivel de exactitud altísimo.
YoloV7, el identificador de objetos por excelencia
Otra de las herramientas de inteligencia artificial es la llamada YoloV7. Se trata de un modelo de detección de objetos basado en deep learning que permite identificar y localizar múltiples objetos en una imagen o video por medio de una única red neuronal para predecir la distancia y probabilidad de objetos en una imagen.
Este modelo constituye una herramienta aliada que puede ser utilizada en diferentes áreas. Tesla no ha sido la única empresa que se ha servido de sus funciones para la mejora de sus productos. Otras industrias como Microsoft, Google, entre otros, han hecho uso de esta inteligencia para la detección de rostros, animales, y objetos.
Desde su experiencia, Yupanqui explica la aplicación de este modelo en diferentes áreas como la identificación de señales en carreteras.
“Yo estuve en un proyecto donde empezamos a detectar señales de tránsito en las carreteras bolivianas lo cual nos facilitó detectar los diferentes tipos de señales de tránsito que hay y también los letreros con visión artificial combinados con inteligencia artificial”, asegura.
Si quieres mayor información haz click aquí https://www.facebook.com/watch/live/?extid=NS-UNK-UNK-UNK-IOS_GK0T-GK1C&mibextid=2Rb1fB&ref=watch_permalink&v=194058436568086