211service.com
Cómo su dispositivo conoce su vida a través de imágenes
Una nueva investigación en redes neuronales puede permitir que las computadoras identifiquen nuestras acciones diarias con mayor precisión que las aplicaciones en el mercado que rastrean cosas como la ubicación del GPS y la frecuencia cardíaca. Un nuevo modelo de computadora ha logrado alrededor del 83 por ciento de precisión en la identificación de las actividades que ve en imágenes de la vida real, y con solo un poco de entrenamiento podría hacer esto para cualquier usuario que encuentre.
Dirigidos por los estudiantes graduados de Georgia Tech Daniel Castro y Steven Hickson, los investigadores han creado una red neuronal artificial diseñada para identificar escenas en las llamadas fotografías egocéntricas tomadas desde el punto de vista del usuario. Por lo general, provienen de cámaras portátiles como Narrative Clip, MeCam, Google Glass y GoPro, pero las fotos regulares de teléfonos celulares a menudo también funcionan. El equipo le dio a la red su habilidad al entrenarla con un conjunto de aproximadamente 40,000 imágenes tomadas por un solo individuo durante un período de seis meses. Este voluntario dedicado asoció manualmente cada imagen con una actividad y, naturalmente, decidió usar 19 etiquetas de actividad básicas. Estas etiquetas incluyen conducir, mirar televisión, tiempo en familia e higiene.
Un algoritmo de aprendizaje separado combina las conjeturas de la red neuronal con metadatos sobre el día y la hora en que se capturó la imagen. Esto permite que la red aprenda asociaciones comunes entre actividades e incluso haga predicciones sobre el próximo horario del usuario.
Es este método similar a un conjunto, en el que entrenamos sobre un método de aprendizaje profundo, dice Hickson. Por lo tanto, puede aprovechar el aprendizaje profundo y la información contextual básica sobre las actividades diarias. (Consulte 10 tecnologías innovadoras de 2013: aprendizaje profundo).
Los desarrolladores de tecnología portátil podrían ofrecer servicios mucho más detallados con esta tecnología. Los investigadores imaginan una aplicación que nota los hábitos alimenticios o de ejercicio de un usuario y sugiere posibles ajustes. Y dado que puede conocer su horario, podría hacer sugerencias inteligentes sobre la marcha, como salir temprano al trabajo debido a un informe de tráfico. Castro dice que incluso podría permitir que una aplicación reorganice sus actividades a lo largo del día para que pueda realizarlas de manera más eficiente.
El investigador de Microsoft, Gordon Bell, ha trabajado en la llamada memoria electrónica, cuyo objetivo es ayudar a los humanos a recordar con computadoras. Él dice que la clave es dar a las máquinas la capacidad de reconocer el contenido de las fotos. Cada uno de estos pasos hacia adelante [para el aprendizaje automático] es increíblemente valioso, dice Bell. Vería [esta capacidad de indexación] como algo que mejorará su memoria a largo plazo al poder encontrar cosas en situaciones anteriores. Él dice que en el futuro, los algoritmos de memoria electrónica podrían buscar una amplia variedad de fotos desde algo más que un punto de vista egocéntrico, por lo que tiene una amplia gama de aplicabilidad.
Afortunadamente, no todos los usuarios tienen que compilar una base de datos de 40 000 imágenes para aprovechar esta tecnología. Cuando el equipo probó su conjunto de aprendizaje automático en dos nuevos voluntarios, tuvo problemas con los cambios en el estilo de vida. Hickson dice que solo hicieron un estudio rápido sobre el efecto de ajustar el modelo, entrenándolo con solo un día de fotos egocéntricas de sus dos nuevos voluntarios. La precisión de los resultados aumentó dramáticamente, dice.
Sin embargo, como siempre ocurre con las cámaras portátiles, existen cuestiones complejas de privacidad y confianza del usuario. La fotografía de punto de vista (egografía) permite obtener información que puede ser extremadamente útil cuando se pone a trabajar para los usuarios, pero también puede crear un objetivo muy deseable para los piratas informáticos criminales y las empresas de publicidad entrometidas. La práctica incluso se está volviendo política a través del uso generalizado de cámaras corporales policiales para registrar automáticamente las interacciones con los sospechosos (consulte Controlar cuándo graban las cámaras).
Algunos de los problemas podrían desaparecer si el hardware necesario para ejecutar algoritmos intensivos de aprendizaje automático en dispositivos móviles de consumo está disponible. Si los datos ya no tienen que viajar a través de Internet para su procesamiento, dicen los investigadores, la seguridad se vuelve mucho más manejable. Castro dice que el desafío es si podemos descubrir cuáles son estos problemas de privacidad ahora para no tener problemas más adelante, digamos dentro de cinco años, cuando estos dispositivos estén disponibles.
Los investigadores examinan la posibilidad de un algoritmo de análisis de imágenes que podría complementar el suyo identificando y eliminando información privada de las imágenes automáticamente, una solicitud casual de la comunidad de aprendizaje automático que habría parecido demasiado aspiracional hace solo unos pocos años.