Un equipo de la Brigham Young University (Utah, Estados Unidos) ha anunciado el desarrollo de un nuevo algoritmo que mediante procedimientos de aprendizaje automatizado es capaz de reconocer visualmente diversos tipos de objetos sin ayuda de un entrenador humano, que hasta ahora era el 'factor de calibración' que normalmente se utilizaba en estos sistemas.
Lo que los investigadores han desarrollado es un programa que sigue un algoritmo -un procedimiento detallado paso a paso- capaz de examinar un conjunto de imágenes y a partir de ellas decidir qué características son importantes y cuáles no, para pasar a identificarlas asignándoles un porcentaje de probabilidad.
Así, por ejemplo, en una foto panorámica una máquina equipada con cámaras y este software es capaz de afirmar con un 98% de probabilidad si cierto objeto en movimiento es una persona, tal vez otro una bicicleta al 80% o un avión con el 99,4% de seguridad.
Algoritmo genético
El sistema es lo que se conoce como 'algoritmo genético', por su similitud con la forma en que evolucionan los sistemas vivos transmitiendo sus genes cuando son los más aptos. El aprendizaje que proporciona buenos resultados se guarda; el malo se descarta. Y así una y otra vez.
Cuando se muestran imágenes al algoritmo, las guarda y aprende a 'afinarlas' según diversos matices, por ejemplo diferenciando si un animal es un perro o un gato, pero sin la necesidad de que se le programe originalmente las características de cada uno de ellos ni se le explique cómo diferenciarlas.
Dicen sus creadores que el algoritmo, al que han llamado 'ECO', va recibiendo y aprendiendo de las imágenes por su cuenta, sin necesidad de intervención humana. Según el trabajo en el que se describe, publicado en la revista del ramo Pattern Recognition, los resultados son iguales o mejores que otros ya existentes: cercanos al 100% frente al 95 o 98% que es habitual con otro software.
En algunos casos especiales, como el reconocimiento de distintas especies de peces, el sistema demostró que es capaz de aprender a distinguir entre cuatro variantes distintas con un 99,4% de aciertos.
Aplicaciones prácticas
Estos sistemas de reconocimiento visual tienen muchas aplicaciones prácticas, por ejemplo a la hora de identificar especies invasoras, diferenciar entre diversos tipos de plantas, en seguridad y otras situaciones similares en las que automatismos o robots puedan actuar.
Sus creadores piensan que este sistema es un avance por una sencilla razón: "No requiere reinventar la rueda cada vez que has de examinar nuevos objetos. Simplemente lo pones en funcionamiento y ya está".