Mantente al dรญa con el canal de WhatsApp de CriptoTendencia: Noticias al instante sobre Bitcoin, Altcoins, DeFi, NFT, Blockchain y Metaverso. ยกSuscrรญbete!
En diversas ocasiones hemos expuesto sobre esta tecnologรญa que estรก cambiando al mundo como lo conocemos, siendo la Inteligencia Artificial. Particularmente, nos hemos enfocado en machine learning, siendo los algoritmos por la cual la plataforma aprende. Sin embargo, hemos evitado el tema de costos para entrenar. En esta ocasiรณn trataremos de sus avances.
Situaciรณn
El proceso de entrenar a las IA es un tema delicado, dado que debe poseer la cantidad suficiente de ejemplos para aprender. Por esta razรณn, las empresas que se dedican a investigar y desarrollar nuevas plataformas invierten una cantidad considerable de recursos. Por lo cual, es de suponer que nuevos y pequeรฑos emprendedores les cuesta ingresar a este mercado.
Sin embargo, los investigadores del MIT, con las personas de IBM Watson IA Lab, han desarrollado una nueva tรฉcnica para entrenar modelos de reconocimiento de video en un telรฉfono u otro dispositivo con una capacidad de procesamiento muy limitada.
Tรญpicamente, un algoritmo procesa el video dividiรฉndolo en cuadros de imagen y ejecutando algoritmos de reconocimiento en cada uno de ellos. Luego junta las acciones que se muestran en el video al ver cรณmo cambian los objetos en los cuadros posteriores. El mรฉtodo requiere que el algoritmo ยซrecuerdeยป lo que ha visto en cada cuadro y el orden en que lo ha visto. Esto es innecesariamente ineficiente, por lo cual, consume recursos demรกs.
En el nuevo enfoque, el algoritmo IA extrae bocetos bรกsicos de los objetos en cada cuadro y los superpone uno encima del otro. Por lo tanto, ya no tiene que recordar lo que sucediรณ. De esta forma, el algoritmo puede tener una impresiรณn del paso del tiempo al observar cรณmo los objetos se mueven a travรฉs del espacio en los bocetos.
En las pruebas, los investigadores descubrieron que el nuevo enfoque podrรญa entrenar a los modelos de reconocimiento de video tres veces mรกs rรกpido. Tambiรฉn fue capaz de clasificar rรกpidamente los gestos con las manos con una pequeรฑa computadora y una cรกmara funcionando solo con suficiente energรญa para alimentar la luz de una bicicleta.
Impacto
Esta nueva tรฉcnica podrรญa ayudar a reducir los retrasos y los costos de cรณmputo en las aplicaciones que se basan en Inteligencia Artificial comerciales existentes de visiรณn por computadora.
Podrรญa, por ejemplo, hacer que los autos autรณnomos sean mรกs seguros al acelerar su reacciรณn a la informaciรณn visual entrante. La tรฉcnica tambiรฉn podrรญa desbloquear nuevas aplicaciones que antes no eran posibles, como habilitar telรฉfonos para ayudar a diagnosticar pacientes o analizar imรกgenes mรฉdicas.
