{{{sourceTextContent.title}}}

Cómo la Inteligencia Artificial Creará un "Trabajador Aumentado"

{{{sourceTextContent.subTitle}}}

Creada hace cuatro años, Deepomatic es una empresa francesa que desarrolla software de inteligencia artificial que permite la creación de sistemas de reconocimiento de imágenes

{{{sourceTextContent.description}}}

¿Su objetivo? Crear un "trabajador aumentado" que pueda centrarse en las tareas más interesantes y valiosas, mientras que la máquina se encarga de los casos más sencillos en los que no se requiere un alto nivel de experiencia. La idea es crear un sistema que permita la semiautomatización de tareas repetitivas y visuales con un ser humano al frente del proyecto. Célia Sampol, editora jefe de la revista electrónica MedicalExpo, habló con Augustin Marty, director ejecutivo de Deepomatic.

Traducido del francés por Monica Hutchings

Célia Sampol: Usted dice que el reconocimiento de imágenes es la tecnología de inteligencia artificial más madura que existe en la actualidad. ¿Por qué es esto y cómo funciona?

Augustin Marty: Estamos especializados en reconocimiento de imágenes y vídeo. Desde un punto de vista tecnológico y científico, este es el campo en el que la inteligencia artificial ha tenido los avances más significativos en los últimos años. La metodología consiste en recoger conjuntos de datos relativamente grandes, es decir, imágenes, que enriquecemos con información, como localizar objetos en un lugar determinado o decir que una imagen determinada se corresponde con un elemento determinado. Para conseguirlo, es necesario que una persona transfiera parte de su experiencia a la máquina. Luego recuperamos estas imágenes y la información que las acompaña y entrenamos una red de neuronas para aprender la tarea en la que estamos trabajando. Esto nos da una red de neuronas especializadas en la tarea en cuestión.

Célia Sampol: ¿Qué imágenes utiliza para entrenar la máquina?

Augustin Marty: Corresponden a los casos en los que estamos trabajando. En el sector médico, por ejemplo, trabajamos principalmente en el campo de la imagen médica. Necesitamos la opinión de un médico con cierto nivel de experiencia que pueda decirnos que tal o cual elemento de un ultrasonido se corresponde con tal o cual órgano. Hacemos esto para un gran número de imágenes y entonces el sistema podrá decir autónomamente que en una imagen dada es una cuestión de un órgano dado. Gracias a la biblioteca de conocimientos que el sistema habrá adquirido, podrá generalizar todo esto y utilizar este conocimiento para aplicarlo a nuevas imágenes. Es aprender por analogía. Realmente podemos comparar esto con la formación de un ser humano; le enseñamos un gran número de ejemplos para que pueda reconocer elementos en imágenes que nunca antes había visto por sí solo.

Célia Sampol: ¿Hay riesgo de errores?

Augustin Marty: Sí, por supuesto, no hay magia detrás, así que la idea es que un humano siempre permanece en control y consciente de los límites del sistema que está creando. Con nuestro sistema, la predicción que hará la máquina siempre va acompañada de un nivel de confianza: nos dará una puntuación que nos dirá si está más o menos segura de su interpretación. Después de eso, podemos establecer mecanismos que aseguren que cuando la máquina no esté realmente segura, podamos recurrir a la opinión de un médico.

Célia Sampol: ¿Para qué se puede utilizar su sistema?

Augustin Marty: En el campo médico es esencialmente una ayuda diagnóstica con un médico siempre presente. Esto permite al médico centrarse en los casos más complicados que requieren conocimientos más avanzados, mientras que los casos más sencillos pueden dejarse en manos de la máquina y tratarse con mayor rapidez. Pero en este campo todavía estamos en fase de investigación y todavía no se utiliza en pacientes. El verdadero reto en el campo médico es el acceso a los datos de los pacientes, que es lógico y comprensible, pero significa que es difícil tener acceso a un gran volumen de datos. Pero esta tecnología necesita absorber un gran volumen de datos para funcionar.

Célia Sampol: ¿Y para qué se puede utilizar en otros campos?

Augustin Marty: Hoy en día, la aplicación más avanzada en la que estamos trabajando se refiere a las cajas registradoras automáticas en el sector de la restauración institucional. En la cafetería de una empresa, por ejemplo, instalaremos una o más máquinas con cámaras. Los clientes llegan con sus bandejas llenas de las diferentes cosas que han elegido para su comida. La cámara tomará una foto de la bandeja y el sistema reconocerá automáticamente lo que hay en ella y calculará cuánto tiene que pagar la persona.

Célia Sampol: Pero esto elimina los trabajos humanos..

Augustin Marty: Sí, definitivamente hay un impacto directo en el empleo porque habrá una necesidad de que menos gente trabaje en la caja registradora, pero también podemos ver esto como una forma de hacer que la línea fluya más suavemente y de absorber mejor los picos de volumen, ya que todo el mundo va a almorzar a la misma hora. Es posible aumentar el número de máquinas y adaptarse más fácilmente a los picos de volumen. Ya se ha implantado en una decena de restaurantes en Francia y estamos tratando de desarrollarlo en otros lugares.

En la industria, también estamos trabajando en los interiores de los coches. Por ejemplo, habrá una cámara dentro de los coches para entender mejor lo que ocurre en el interior del coche y proporcionar una serie de servicios adicionales que actualmente están más relacionados con el confort que con cualquier otra cosa. Un ejemplo típico es que podremos detectar el nivel de ropa que lleva una persona, ya sea un hombre o una mujer, así como su nivel de actividad y hacer el ajuste automático de la temperatura dentro del coche en consecuencia.

Para la industria de la seguridad, podremos hacer que las cámaras de videovigilancia sean más inteligentes. Hoy en día, hay muchas cámaras instaladas, pero los teleoperadores no tienen necesariamente la capacidad de ver todas las cintas en tiempo real. Así que la idea es tener un sistema que pueda ver todos los videos en tiempo real y emitir una alerta cuando detecte un comportamiento anormal como un asalto, un movimiento violento o alguien que se desmaya y está solo en el suelo. Al igual que en la imagen médica, también se trata de una colaboración entre el hombre y la máquina, porque en última instancia no es la máquina la que toma la decisión, sino el ser humano el que decide alertar a los servicios de emergencia o reaccionar. Pero llevaremos tal o cual evento a la atención del ser humano.

También trabajamos en el sector del transporte. Pero en lo que respecta a los espacios públicos, nos enfrentamos a un importante problema de acceso a los datos personales. Por lo tanto, la idea es crear un sistema que convierta las imágenes de vídeo en anónimas, es decir, que difumine los rostros de estos vídeos para que las aplicaciones puedan detectar de forma semiautomática las bolsas abandonadas, así como los comportamientos sospechosos, peligrosos o violentos.

Célia Sampol: ¿Existe el riesgo de que los seres humanos sean superados en algún momento por la máquina que han creado?

Augustin Marty: Queremos crear interfaces que sean muy fáciles de usar para que los conceptos que son muy complicados a primera vista sean mucho más comprensibles con nuestra herramienta. La idea es que la gente se mantenga al frente del proyecto, consciente de las limitaciones del sistema que se ha creado. Queremos que los seres humanos siempre sean capaces de entender lo que está sucediendo para que puedan tomar las decisiones correctas.