Noticias de la semana - 33
IA aprende a crear retratos con solo leer un texto descriptivo
Un programador de la India diseñó un programa que puede crear retratos de personas a partir de la descripción textual de su apariencia en un lenguaje sencillo. La descripción está disponible en el blog del autor en Medium, y el código fuente se publica en GitHub.
El trabajo con imágenes es una de las esferas en las que es más notorio el progreso en el campo de los algoritmos de aprendizaje automático. Varios grupos de desarrolladores han creado algoritmos para crear imágenes de personas. Por regla general, utilizan la arquitectura de la red neuronal generativa antagónica, descrita en 2014. Dichas redes neuronales constan de dos componentes: un generador y un discriminador que compiten mutuamente. El primero crea una imagen y la pasa a un discriminador que determina si es real o fue creada por un generador.
Tras obtener una evaluación, el generador aprende gradualmente a crear una imagen lo más similar posible al objeto según los datos de entrenamiento, y el discriminador mejora en el reconocimiento de las "falsas" imágenes.
El desarrollador Animesh Karnewar utilizó en el proyecto dos algoritmos basados en redes neuronales generativas antagónicas creadas previamente por otros investigadores: el algoritmo StackGAN para crear imágenes de calidad fotográfica mediante una descripción de texto simple, así como la red neuronal ProGAN para crear imágenes de alta calidad de personas. De StackGAN el programador utilizó la parte que permite codificar la descripción en vector, que luego se transmite a la red neuronal que lo sintetiza en imagen. Como sintetizador, el desarrollador usó la red neuronal ProGAN. Una de sus particularidades consiste en que durante el entrenamiento el número de capas y la resolución de la imagen aumenta poco a poco, lo que permite entrenar a la red neuronal en la creación de imágenes de alta calidad.
Para el entrenamiento, el autor utilizó el conjunto de datos Face2Text,, que consta de 400 fotografías y descripciones de texto asociadas a personas. El desarrollador señala que las imágenes que se obtuvieron después del entrenamiento no pueden considerarse realistas, pero las características de las personas representadas concuerdan con la descripción. El proceso de entrenamiento de la red neuronal se puede ver en el video:
Si un tipo de inteligencia artificial ya podía predecir resultados de tribunales de justicia, o vencer a campeones de póker, era cuestión de tiempo que naciera una dedicada a crear memes. Prueba de ello es una investigación de Stanford, que trabajó en el mejor método para enseñar a una red neural a hacerlo. El método, jugando con las denominaciones machine learning o deep learning, ha sido nombrado dank learning (aprendizaje irónico).
Un análisis de IA descubre los arrecifes de coral resistentes al cambio climático
ABASTECIMIENTO SUBMARINO. El calentamiento global está destruyendo los arrecifes de coral de la Tierra : los coloridos ecosistemas submarinos simplemente no pueden sobrevivir a medida que el océano se calienta y acidifica. Sin embargo, los investigadores ahora han descubierto un tipo de coral frente a la costa de la isla de Sulawesi en Indonesia que parece ser resistente al calentamiento global. El descubrimiento podría ayudarnos a garantizar que al menos algunos de los arrecifes de coral del mundo sobrevivan al cambio climático.
Como parte de 50 Arrecifes , una iniciativa diseñada para identificar corales resistentes al cambio climático, los investigadores pasaron seis semanas en junio y julio utilizando scooters submarinos equipados con cámaras de 360 grados para tomar más de 56,000 imágenes de arrecifes de aguas poco profundas. En total, tomaron imágenes de 3,851 kilómetros cuadrados (1,487 millas cuadradas) de arrecifes.
Luego, necesitaron analizar todas esas imágenes, y para eso, recurrieron a la inteligencia artificial (IA).
ANALÍTICA AI. Primero, los investigadores usaron alrededor de 400 a 600 imágenes para entrenar a AI para identificar diferentes tipos de corales e invertebrados dentro de la imagen. Después de eso, el sistema pudo identificar y catalogar las imágenes del arrecife por sí mismo.
"El uso de la IA para analizar rápidamente fotografías de coral ha mejorado enormemente la eficiencia de lo que hacemos; lo que tomaría un científico del arrecife coralino de 10 a 15 minutos ahora lleva a la máquina unos segundos", dijo la investigadora principal Emma Kennedy a The Guardian .
A partir del análisis de la inteligencia artificial, el equipo determinó que los arrecifes de Sulawesi estaban realmente en mejor forma en 2018 que cuando se los inspeccionó originalmente en 2014.
"Después de varios años deprimentes como científico de los arrecifes de coral, siendo testigo del peor evento mundial de blanquimiento de coral, es increíblemente alentador experimentar arrecifes como estos", dijo Kennedy. "Significa que todavía tenemos tiempo para salvar algunos arrecifes de coral a través de la acción de conservación basada en la ciencia".
UNA NECESIDAD DE CORAL. Si no disminuimos nuestras emisiones de dióxido de carbono, los científicos creen que los ecosistemas de los arrecifes de coral del mundo podrían colapsar completamente tan pronto como en 2050 . Esto no solo sería catastrófico para la biodiversidad del océano: los arrecifes albergan alrededor de un cuarto de las especies marinas , sino que también tendría un gran impacto en la humanidad.
Los arrecifes protegen nuestras costas, y podrían albergar futuros avances médicos . También son parte integral de las industrias del turismo y la pesca , que proporcionan alimentos y empleos a millones de personas.
Ahora que los investigadores saben que ciertos arrecifes tienen más posibilidades que otros de sobrevivir al calentamiento global, pueden cazar esos arrecifes en todo el mundo. Después de eso, podrían promulgar medidas para garantizar que otras amenazas, como la sobrepesca o la contaminación, no eliminen lo que pueden terminar siendo los únicos arrecifes que superen el hito del 2050.
Cuatro equipos europeos están usando secretamente IA para predecir lesiones
Varios equipos de futbol ya usan la big data y la inteligencia artificial para analizar la información generada por sus jugadores. La distancia recorrida, la calidad cardiorrespiratoria, la efectividad en los pases y ahora, según una investigación publicada en PLOS One, para predecir las lesiones.
Un equipo de científicos de datos en la Universidad de Pisa, Italia y el FC Barcelona desarrollaron un algoritmo de aprendizaje automático que fue capaz de pronosticar 9 de las 14 lesiones sufridas por un equipo élite de fútbol italiano durante una sola temporada.
Los investigadores equiparon a los 26 jugadores del equipo con sensores GPS durante sus sesiones de entrenamiento para medir qué tan lejos y rápido corrían, con qué frecuencia aceleraban y desaceleraban, y el impacto que tenían con el suelo y otros jugadores. También registraron información sobre su edad, altura, peso, rol en el campo, historial de lesiones y minutos jugados en el último juego.
Una efectivadad del 60%
A medida que avanzaba la temporada, el algoritmo de los investigadores aprendió a detectar patrones entre estas variables y los jugadores que se lastimaban. Al final, fue capaz de predecir alrededor del 60% de las lesiones.
Gracias a este algoritmo, los entrenadores podrían saber en qué momento hacer descansar a un jugador o aligerar su carga de entrenamiento, dice Alessio Rossi de la Universidad de Pisa a New Scientist, quien dirigió la investigación. Por ejemplo, si el entrenador de Edinson Cavani hubiera sabido que estaba en riesgo de forzar su pantorrilla en el reciente partido de la Copa Mundial contra Portugal, podría haberlo reemplazado antes, agrega.
Rossi también menciona que en el pasado ya se han usado predictores de lesiones deportivas, pero su precisión ha sido típicamente inferior al 5% debido a que generalmente se han basado en una sola variable. "Pierden el poder de combinar diferentes medidas de carga de trabajo de capacitación", dice.
Las herramientas de pronóstico existentes también se han visto obstaculizadas por las altas tasas de falsas alarmas que hacen que pronostiquen lesiones incorrectamente, agrega Rossi. "Parar jugadores innecesariamente es una condición que los clubes quieren evitar, especialmente para los jugadores clave", dice. El nuevo pronosticador reduce a la mitad la tasa de falsas alarmas, dice.
Rossi y sus colegas ahora están investigando si pueden hacer que su pronosticador de lesiones sea más preciso al incluir variables adicionales, como la frecuencia cardíaca y el grado de sudoración. También están interesados en ver si pueden predecir las lesiones en particular.
¿Y el equipo italiano que está usando la IA para predecir las lesiones de sus jugadores? Rossi dice que no puede ser nombrado porque no quiere ceder su ventaja competitiva. Lo mismo ocurre con los otros tres equipos de fútbol europeo de alto nivel que han comenzado a usarlo, confiesa. Aunque por el equipo de científicos que trabajo en la investigación, se puede saber cuál es ese equipo.
Fuente:
