Las IA Tag-Teaming de Nvidia imaginan la noche como el día y los gatos domésticos como tigres

Categoría: Inteligencia artificial Al corriente 04 de diciembre

Una nueva dirección en el aprendizaje automático está dando a las computadoras la capacidad de soñar despierto, y los resultados son fascinantes y potencialmente muy útiles.

Un sistema desarrollado por investigadores de Nvidia en Santa Clara, California, puede mirar una imagen de una carretera soleada e imaginar, con sorprendente detalle, cómo se vería si estuviera lloviendo, de noche o en un día de nieve. También puede imaginar cómo sería un gato doméstico si fuera un leopardo, un león o un tigre.

El software hace uso de un nuevo enfoque popular en IA que permite que las computadoras aprendan sin ayuda humana. El equipo utilizó redes antagónicas generativas, o GAN, que son redes neuronales que funcionan en conjunto para aprender las propiedades de un conjunto de datos (consulte Innovadores menores de 35 años: Ian Goodfellow).

En una GAN, una red neuronal intenta producir datos sintéticos mientras que otra intenta saber si un ejemplo proviene del conjunto de datos reales o no. La retroalimentación de la segunda red ayuda a mejorar el desempeño de la primera. El truco realizado por el equipo de Nvidia es usar dos GAN entrenados con datos diferentes pero similares, y usar similitudes o superposiciones entre los dos modelos entrenados para crear nuevas imágenes.

En el caso de las imágenes de la calle, por ejemplo, se entrenó una GAN para internalizar las propiedades de las carreteras, mientras que la otra se entrenó con imágenes de escenas nocturnas, lluviosas o nevadas. La conexión de las dos redes permite que una computadora imagine cómo se vería una escena en diferentes condiciones. Se realizó un truco similar con los gatos domésticos y los grandes felinos (puedes ver el video completo aquí). Los investigadores presentan el trabajo en la Conferencia de sistemas de procesamiento de información neuronal en Long Beach, California, esta semana. aquí hay un papel (PDF) que describe la obra.

Hasta ahora, el aprendizaje automático se ha centrado más en el reconocimiento, dice Ming-Yu Liu , que trabajó en el proyecto con colegas Tomas Breuel y Jan Kautz . Pero los humanos pueden usar su imaginación. Si os pongo una foto en verano os podéis imaginar cómo será cubierto de nieve.

Liu dice que la tecnología podría tener aplicaciones prácticas en la edición de imágenes y videos, y para agregar efectos realistas a las imágenes y videos publicados en las redes sociales. Imagina poder publicar un video en vivo que te muestre en un escenario artificial muy realista, por ejemplo, o que convierta de manera convincente tu rostro en el de otra persona o un animal.

El enfoque también podría resultar útil para entrenar sistemas autónomos para reconocer más escenarios sin tener que recopilar una cantidad ridícula de datos del mundo real. En California no tenemos mucha nieve, pero queremos que nuestro automóvil autónomo funcione bien en la nieve, dice Liu.