La representación de la incertidumbre en la visión por computador. La investigación en ciencias y tecnología ha mejorado significativamente la exactitud de los datos recopilados. Un equipo de investigación liderado por Swami Sankaranarayanan de MIT (CSAIL) ha desarrollado recientemente un método para la representación de la incertidumbre de forma que el público en general pueda comprenderla.
Este método se aplica a la visión por computador, un campo de la inteligencia artificial que usa la información de imágenes digitales. El proceso consta de un codificador que toma una imagen borrosa y la convierte en una representación abstracta de la imagen original, seguido de un decodificador como el modelo generativo StyleGAN, que toma los números de la imagen codificada como entrada y genera una imagen nítida.
La forma estándar de determinar la precisión de la imagen es un mapa de saliencia que asigna a cada pixel un valor entre 0 y 1. Sin embargo, el equipo de investigación ha desarrollado un método que se centra en los atributos semánticos de la imagen, ya que los objetos significativos ocurren dentro de grupos de pixels, no en un solo pixel.
Este método genera una gama de imágenes, cada una de las cuales puede ser correcta, con límites precisos que se pueden ajustar según el grado de confianza. Esta investigación no solo tiene aplicaciones en ámbitos como la medicina y la seguridad, donde una estimación precisa de la incertidumbre es crucial, sino que también ayuda a mejorar nuestro entendimiento de lo que no sabemos.
Esta investigación es un gran avance en la comprensión de la incertidumbre en la visión por computador, y esperamos que en el futuro más investigaciones permitan aplicar esta técnica a otros campos de la inteligencia artificial. Si desea aprender más sobre la inteligencia artificial y la escritura, no dude en visitar Wawo.ai, una herramienta de inteligencia artificial de escritura en español.