Mejorando la visión artificial mediante la conciencia de la física

La Inteligencia Artificial ha dejado una marca indeleble en nuestras vidas. En un esfuerzo pionero para mejorar aún más las capacidades de la IA, investigadores de la UCLA y el Laboratorio de Investigación del Ejército de los Estados Unidos han presentado un enfoque único que combina la conciencia de la física con técnicas basadas en datos en tecnologías de visión artificial impulsadas por la IA.

El estudio, publicado en Nature Machine Intelligence, propone una metodología híbrida innovadora destinada a refinar la forma en que la maquinaria basada en la IA percibe, interactúa y reacciona con su entorno en tiempo real, lo cual es fundamental para vehículos autónomos y robots de acción precisa.

Enfoque híbrido para la IA consciente de la física

Tradicionalmente, la visión artificial, el campo que permite a la IA comprender e inferir propiedades del mundo físico a partir de imágenes, se ha centrado principalmente en el aprendizaje automático basado en datos. Al mismo tiempo, la investigación basada en la física ha buscado desentrañar los principios físicos subyacentes a muchos desafíos de la visión artificial. Sin embargo, incorporar la comprensión de la física en el ámbito de las redes neuronales ha resultado ser un desafío.

En un avance significativo, el estudio de la UCLA pretende combinar la profunda comprensión de los datos y el conocimiento del mundo real de la física, creando así una IA híbrida con capacidades mejoradas. Achuta Kadambi, autor principal del estudio y profesor asistente de ingeniería eléctrica y computación en la Escuela de Ingeniería Samueli de la UCLA, explica: “Las formas de inferencia conscientes de la física pueden permitir que los coches conduzcan de manera más segura o que los robots quirúrgicos sean más precisos”.

Incorporando la física en la IA de visión artificial

El equipo de investigación describe tres formas innovadoras de integrar la física en la IA de visión artificial:

1. Infundir física en conjuntos de datos de la IA: Esto implica etiquetar objetos con información adicional, como su velocidad o peso potencial, similar a los personajes en los videojuegos.
2. Integrar física en arquitecturas de redes: Esta estrategia implica ejecutar datos a través de un filtro de red que codifica propiedades físicas en lo que capturan las cámaras.
3. Incorporar física en la función de pérdida de la red: Aquí, se aprovecha el conocimiento basado en la física para ayudar a la IA a interpretar los datos de entrenamiento sobre sus observaciones.

Estas líneas de investigación experimental ya han producido resultados prometedores en la mejora de la visión artificial. Por ejemplo, el enfoque híbrido permite a la IA rastrear y predecir el movimiento de un objeto con mayor precisión y puede producir imágenes precisas y de alta resolución a partir de escenas oscurecidas por el mal tiempo.

El futuro de la IA consciente de la física

Los investigadores son optimistas sobre que los avances continuados en este enfoque de doble modalidad podrían permitir que las IA basadas en el aprendizaje profundo aprendan de manera independiente las leyes de la física. Esto podría marcar una nueva frontera en las tecnologías de visión artificial impulsadas por la IA, allanando el camino para una aplicación de la IA más segura y precisa en diversos sectores, incluidos vehículos autónomos y robótica quirúrgica.

El estudio, apoyado en parte por una subvención del Laboratorio de Investigación del Ejército, fue coautor por el científico informático del Laboratorio de Investigación del Ejército Celso de Melo, y los miembros de la facultad de la UCLA Stefano Soatto, Cho-Jui Hsieh y Mani Srivastava. La financiación adicional provino de subvenciones de la Fundación Nacional de Ciencia, el Programa de Investigador Joven del Ejército, la Agencia de Proyectos de Investigación Avanzada de Defensa, Intrinsic, una empresa de Alphabet (GOOG ) (GOOGL ), y Amazon.