Científicos de la Universidad de Osnabrück y la Freie Universität Berlin han creado una innovadora técnica de entrenamiento para sistemas de visión artificial. El método, que busca emular la maduración visual humana desde los primeros meses de vida, tiene como objetivo principal disminuir la vulnerabilidad de estas inteligencias ante fallos y ataques malintencionados. La información fue publicada inicialmente por el portal especializado TechXplore.
El sistema, bautizado como developmental visual diet o DVD, capacita a las redes neuronales con habilidades visuales que progresan de manera paulatina. Este proceso imita la forma secuencial en que un infante humano desarrolla su capacidad de ver y entender el mundo que lo rodea.
La investigación apunta a resolver una contradicción clave entre la visión humana y la artificial. Mientras que las personas identifican objetos principalmente por su forma y contorno, los modelos computacionales actuales se enfocan en la textura, es decir, en las variaciones de color y patrones superficiales. Según el equipo de trabajo, esta diferencia explica por qué los sistemas actuales son propensos a más equivocaciones que el ojo humano.
“Estábamos convencidos de que la pobre robustez de las redes neuronales profundas se debía a su dependencia de las características de textura, que, a su vez, parece surgir del modo en que son entrenadas”, explicó Tim C. Kietzmann, autor principal del estudio y catedrático en la Universidad de Osnabrück.

Para contextualizar el problema, Kietzmann recordó una observación del profesor Alexei Efros, de la Universidad de California en Berkeley: “Estamos criando una generación de algoritmos como universitarios que no fueron a clase en todo el semestre y la noche antes del examen se ponen a estudiar; no aprenden el material de verdad, pero aprueban el examen”.
Con el fin de corregir este patrón, los investigadores revisaron numerosos estudios sobre desarrollo visual infantil y aislaron tres elementos biológicos esenciales: agudeza visual, sensibilidad al contraste y percepción del color. El modelo, cuyos detalles fueron publicados en la revista Nature Machine Intelligence, replica la evolución natural de estos factores durante la primera infancia. Así, los sistemas de inteligencia artificial inician con capacidades visuales reducidas y, gradualmente, alcanzan una percepción detallada, de forma análoga a lo que ocurre en los bebés.
Resultados: más resistencia sin perder velocidad
Al someter a prueba la nueva estrategia, el equipo observó que los modelos entrenados con DVD priorizaban la información relacionada con la forma de los objetos. Además, demostraron ser menos susceptibles a imágenes corruptas y a ataques adversarios dirigidos. También superaron a los métodos tradicionales en el reconocimiento de figuras abstractas ocultas en escenarios complejos, una tarea donde incluso los algoritmos más avanzados suelen fallar.
Esta solidez no depende del tamaño o la escala de los modelos, lo que distingue a DVD de otras tendencias actuales en inteligencia artificial. Kietzmann subrayó: “En estos tiempos, ‘aumentar la escala’ suele ser la respuesta para resolver los problemas de IA; esto es una alternativa a pequeña escala. Como DVD es una canalización de preprocesamiento, apenas afecta los tiempos de entrenamiento y la inferencia se realiza sobre imágenes de alta resolución, por lo que los modelos conservaron la misma velocidad que los originales”.

En la práctica, el método posibilita entrenar arquitecturas más reducidas con menos datos, sin que ello implique una pérdida de precisión o de resistencia a perturbaciones. Esto abre una nueva ruta para el desarrollo de sistemas de visión artificial aplicables a tareas que van desde el reconocimiento facial hasta la generación de imágenes con características específicas.
Más allá de la robustez: marcos inspirados en el desarrollo biológico
El equipo considera que este avance puede conducir al diseño de marcos de entrenamiento inspirados en el desarrollo cerebral y sensorial humano. El potencial de la estrategia DVD no se limita a la robustez: ofrece una solución técnica que, según los autores, podría trasladarse también a modelos de redes neuronales artificiales utilizados como modelos del cerebro.
Kietzmann anticipó que sus próximos estudios buscarán nuevas fuentes de inspiración en la neurobiología para aumentar la confiabilidad y el rendimiento de los sistemas de visión artificial. “Ahora estamos explorando otros conceptos inspirados en el cerebro y el desarrollo sensorial, que podrían dar lugar a sistemas de visión artificial más robustos. Al mismo tiempo, investigamos las implicaciones de los hallazgos de DVD para utilizar las redes neuronales artificiales como modelos de la función cerebral”, declaró.
Entre los aportes técnicos más destacados de este enfoque, la canalización DVD tiene un impacto mínimo en el tiempo necesario para entrenar los modelos. Los sistemas pueden procesar imágenes de alta resolución con la misma velocidad que los métodos convencionales, lo que consolida su utilidad en aplicaciones a gran escala donde la eficiencia computacional es fundamental.
Fuente: Infobae