Así funciona SEER, la nueva IA de Facebook entrenada con 1.000 millones de imágenes de Instagram – Marketing 4 Ecommerce – Tu revista de marketing online para e-commerce

Un gato, un auto, una calle transitada, la torre Eiffel o La Giralda: seguramente tú, como millones de personas en el planeta, cuando lees estas palabras eres capaz de recrear una imagen mental de ellas, y si te mostramos una fotografía serías capaz de diferenciar cada objeto visual que la conforma en un solo vistazo. Algo que nos parece tan sencillo y normal requiere, entre otras cosas, millones de conexiones neuronales y aprendizaje previo para realizarse, algo que SEER, la inteligencia artificial de Facebook destinada a “ver” cualquier imagen también quiere lograr.

Facebook ha creado un nuevo sistema de inteligencia artificial que espera ser mucho más eficiente para que las empresas puedan realizar una serie de tareas de visión digital, desde el reconocimiento facial hasta algunas funciones necesarias para el funcionamiento de los carros autónomos, de acuerdo con una serie de publicaciones que la compañía ha dado a conocer en su blog, y de acuerdo con Facebook.

1.000 millones de imágenes en Instagram han nutrido a SEER

SEER ha entrenado con más de 1.000 millones de imágenes públicas de Instagram, y de acuerdo con la compañía, ha logrado superar a los modelos de inteligencia artificial existentes en una prueba de reconocimiento de objetos con una puntuación del 84,2%.

Bebés, montañas, gatos, almuerzos, familias…Instagram se ha convertido en una de las bases de datos de imágenes más grandes del mundo durante la última década, y por supuesto que Facebook ha sabido como utilizar este gran tesoro para alimentar a SEER y que aprenda que hay detrás de cada una de estas imágenes.

El aprendizaje auto-supervisado es el futuro de la Inteligencia Artificial

La gran diferencia de SEER contra otros sistemas de inteligencia artificial que aprenden a reconocer imágenes es que, mientras los demás sistemas están entrenados a leer un conjunto de datos con los que se etiquetan a las imágenes, SEER aprendió a identificar los objetos analizando imágenes aleatorias, sin etiquetar y sin curar, tal como lo harían los niños en base a la observación y construyendo un “modelo mental” de la relación entre los objetos. A esta técnica se le conoce como aprendizaje auto supervisado (Self Supervised, por sus siglas en inglés).

“El futuro de la IA está en la creación de sistemas que puedan aprender directamente de cualquier información que se les brinde, ya sea texto, imágenes u otro tipo de datos, sin depender de conjuntos de datos cuidadosamente seleccionados y etiquetados para enseñarles cómo reconocer objetos en una foto, interpretar un bloque de texto o realizar cualquiera de las innumerables otras tareas que les pedimos”, afirmó Facebook en su publicación.

“El desempeño de SEER demuestra que el aprendizaje auto supervisado puede sobresalir en tareas de visión por computadora en entornos del mundo real”, añadió la compañía. “Este es un gran avance que, en última instancia, despeja el camino para modelos de visión por computadora más flexibles, precisos y adaptables a futuro”.

Por ahora SEER solo es un proyecto de investigación, sin embargo los usos potenciales de su reconocimiento de imágenes son muy amplios: desde descripciones de imágenes mejoradas para personas con discapacidades visuales, una mejor categorización automática de artículos vendidos en Facebook Marketplace hasta un mejor sistema para mantener las imágenes dañinas lejos de la red social.

Además, el aprendizaje auto supervisado también podría ayudar a mejorar los modelos de imágenes con metadatos limitados, tales como imágenes médicas, “y sin la intervención del etiquetado, los modelos se pueden crear e implementar más rápidamente, lo que permite respuestas rápidas y precisas a situaciones en rápida evolución”.

Para nutrir aún mas a SEER, Facebook aseguró que abrirá parte de su software de código abierto para que otros investigadores puedan experimental con él. “Si bien compartimos los detalles de nuestra investigación y creamos una biblioteca de código abierto que permitirá a otros investigadores utilizar el aprendizaje auto supervisado para entrenar modelos de imágenes sin curar, no compartiremos las imágenes ni el modo SEER”.

Mantente informado de las noticias más relevantes en nuestro canal de Telegram