Quantcast

Investigadores demuestran que las máquinas también se equivocan

Un estudio sobre ilusiones visuales en redes neuronales artificiales revela que la percepción artificial no elimina las subjetividades y los sesgos propios del cerebro humano. Que las máquinas pueden equivocarse en su percepción de la realidad, como lo hacen las personas, es una de las principales conclusiones de este trabajo recientemente publicado en ‘Vision Research’.

Investigadores del Image Processing Laboratory (IPL) de la Universitat de València (UV) y del Departament de Tecnologies de la Informació i les Comunicacions (DTIC) de la Universitat Pompeu Fabra (UPF) han demostrado así que las redes neuronales de convolución (un tipo de red neuronal artificial de uso común en sistemas de detección) también son afectadas por ilusiones visuales, como ocurre en el cerebro humano.

En una red neuronal de convolución, las neuronas se organizan en campos receptivos de forma muy similar a como lo hacen las neuronas en la corteza visual de un cerebro biológico. Estas redes están en gran variedad de sistemas autónomos, como en la detección y reconocimiento de caras o en los vehículos de conducción automática, explica la UV en un comunicado.

El estudio analiza el fenómeno de las ilusiones visuales en las redes de convolución en comparación con su efecto en la visión de los seres humanos. Tras entrenarlas para tareas simples como la eliminación de ruido o de desenfoque, los científicos han observado que estas redes también son susceptibles de percibir la realidad de manera sesgada, a causa de ilusiones visuales de luminosidad y color.

Algunas ilusiones de redes pueden ser “inconsistentes” con la percepción de los humanos, lo que significa que las ilusiones visuales que se dan en las ellas no han de coincidir necesariamente con las percepciones ilusorias biológicas. En cambio, en estas redes artificiales pueden producirse ilusiones distintas y ajenas al cerebro humano.

“Este es uno de los factores que nos lleva a pensar que no es posible establecer analogías entre la simple concatenación de redes neuronales artificiales y el cerebro humano, mucho más complejo”, señala Jesús Malo, catedrático de Óptica y Ciencias de la Visión e investigador en el Image Processing Laboratory.

En esta línea, el equipo acaba de publicar en ‘Scientific Reports’ otro artículo que detalla los límites y las diferencias entre ambos sistemas, con resultados que les llevan a advertir sobre el uso de estas redes para estudiar la visión humana.

Los investigadores argumentan el hecho de que las redes neuronales artificiales con módulos bio-inspirados intrínsecamente no-lineales no solo emulan mejor la percepción humana básica, sino que pueden proporcionar un mayor rendimiento en aplicaciones de propósito general. Se trata de “un cambio de paradigma tanto para la ciencia de la visión como para la inteligencia artificial”.

Comentarios de Facebook