¿Cómo está cambiando el entrenamiento algorítmico el análisis de imágenes de IA impulsado por la multitud?

¡Compártelo!

Muchos escenarios vienen a la mente cuando pensamos en cómo los modelos de entrenamiento existentes para situaciones humanas dinámicas no tienen en cuenta la adaptabilidad de la escena. Considere a los merodeadores que se infiltraron en el edificio del Capitolio de EE. UU. Esta semana: ¿cómo determinarán los investigadores qué salió mal y diseñarán protocolos futuros para asegurarse de que tal debacle nunca vuelva a suceder? Claramente, muchas suposiciones reducen la precisión predictiva de los comportamientos de las multitudes, pero los métodos basados ​​en datos mejoran el realismo visual de la simulación de multitudes. Las trayectorias de los movimientos de masas y los atributos sociales en imágenes reales pueden marcar una diferencia real. ¿Qué pasa si la ciencia da el siguiente paso e incorpora la clasificación de imágenes impulsada por la multitud en la inteligencia artificial (IA)? Los investigadores podrían entrenar algoritmos de forma rápida y precisa.

Imagen recuperada de NOAA (dominio publico)

Los rápidos avances en la potencia informática, la disponibilidad de big data y las mejoras en los algoritmos de aprendizaje automático significan que la IA está cambiando el mundo tal como lo conocemos. La visión por computadora, que implica tecnología de inteligencia artificial para comprender y etiquetar imágenes, se utiliza en actividades tan diversas como pruebas de automóviles sin conductor, diagnósticos médicos y monitoreo de ganado o copas de árboles. El mundo ciberfísico basado en Internet ha cambiado profundamente el entorno de información para el desarrollo de la IA, lo que ha traído una nueva ola de investigación. Una característica nueva y destacada de la IA, la inteligencia impulsada por la multitud, ha atraído mucha atención tanto de la industria como de las comunidades académicas.

Hay un trabajo humano considerable involucrado en la IA: ajustar los algoritmos, recopilar los datos, decidir qué se debe modelar en primer lugar y utilizar los resultados del aprendizaje automático en el mundo real. Como mucho investigación indica, la precisión de las tareas de aprendizaje automático depende fundamentalmente de datos reales de alta calidad. Por lo tanto, en muchos casos, la producción de buenos datos de verdad sobre el terreno generalmente involucra a profesionales capacitados; sin embargo, esto puede resultar costoso en tiempo, esfuerzo y dinero. Específicamente, la inteligencia impulsada por la multitud proporciona un paradigma novedoso de resolución de problemas mediante la recopilación de la inteligencia de las multitudes para abordar los desafíos y se ha vuelto cada vez más popular para generar una gran cantidad de datos de entrenamiento de buena calidad. Muchas tareas computacionales, como el reconocimiento y la clasificación de imágenes, son muy triviales para la inteligencia humana, pero plantean grandes desafíos a los algoritmos de IA actuales.

Esta semana, el Instituto Internacional de Análisis de Sistemas Aplicados (IIASA) Anunciado el desarrollo de la nueva Plataforma de pila de imágenes, cuyo objetivo es brindar a los usuarios la oportunidad de configurar y ejecutar sus propias campañas de clasificación de imágenes impulsadas por la multitud. Esas campañas pueden entrenar algoritmos de IA de forma rápida y precisa.


impulsado por la multitud

Imagen proporcionada por IIASA

Si bien hay muchas bases de datos de imágenes que se pueden usar para entrenar algoritmos de aprendizaje automático para realizar tareas de visión por computadora, faltan conjuntos de datos que contengan características de interés más específicas, por ejemplo, tipos de cultivos o edificios. La nueva plataforma Picture Pile abordará este problema basándose en la aplicación Picture Pile impulsada por la multitud que permite a los usuarios clasificar o ayudar a clasificar pilas de imágenes.

Pueden ser imágenes de satélite de muy alta resolución, fotografías geoetiquetadas o cualquier otra imagen (por ejemplo, imágenes de aplicaciones médicas) que requieran clasificación. Después de ordenar una pila, las clasificaciones de imágenes se pueden poner a disposición del público con JUSTA (Encontrables, Accesibles, Interoperables y Reutilizables) metadatos para que puedan ser utilizados libremente por cualquier persona. Los principios FAIR enfatizan la accionabilidad de la máquina (es decir, la capacidad de los sistemas computacionales para encontrar, acceder, interoperar y reutilizar datos con ninguna o mínima intervención humana) porque los humanos dependen cada vez más del soporte computacional para manejar datos como resultado del aumento en volumen, complejidad y velocidad de creación de datos.

Picture Pile Platform proporcionará mecanismos de control de calidad para garantizar la exactitud de los datos recopilados.

Picture Pile se desarrolló inicialmente como parte de las actividades pioneras de investigación y desarrollo dentro del ERC Consolidator Grant, “CrowdLand: Aprovechando el poder del crowdsourcing para mejorar la cobertura del suelo y la información sobre el uso del suelo, ”Y ha contribuido significativamente al campo emergente de la ciencia ciudadana. Hasta la fecha, se han realizado 34 campañas de Picture Pile, que involucran a 10.130 personas que han clasificado más de 15 millones de imágenes.

“A menudo se nos han acercado instituciones para preguntarnos si podíamos hacer una pila, en otras palabras, clasificaciones de imágenes específicas, en Picture Pile”, explica el Director del Programa de Iniciativas Estratégicas de IIASA, Steffen Fritz, quien liderará el proyecto. “La nueva plataforma abordará la brecha que existe actualmente en el mercado para una plataforma que permita a los usuarios crear sus propias campañas dirigidas a la multitud, controladas por la calidad y a medida para recopilar clasificaciones de imágenes de una manera eficiente, atractiva y justa, y luego posiblemente hacer los datos recopilados de forma abierta y gratuita. Una vez que se haya construido la plataforma, los costos de funcionamiento serán bajos y el beneficio general para la sociedad será tremendo “.

Eventualmente, se agregarán servicios premium para que la plataforma sea comercialmente autosuficiente.

impulsado por la multitud

Imagen recuperada de NOAA (dominio publico)

El crowdsourcing móvil es una extensión de la computación humana desde el mundo digital virtual al mundo físico. Se puede acceder a la versión gamificada de la herramienta de anotación Picture Pile como una versión en línea, así como una aplicación móvil tanto en IOS como en Android (nombre: Picture Pile).

“Si es posible para todos ejecutar fácil, rápida y libremente sus propias campañas de Picture Pile, y elegir que los datos resultantes estén disponibles de manera abierta y gratuita para todos, los científicos y desarrolladores de aplicaciones de muchos campos diferentes podrán capacitar Modelos de IA que pueden resolver tareas de manera más rápida, confiable y rentable que los humanos. Las oportunidades para aplicar esta innovación a una amplia gama de sectores prometen beneficios de gran alcance para la sociedad y la investigación científica ”, dice el investigador de IIASA Tobias Sturn, desarrollador principal de Picture Pile Platform.

IIASA ha colaborado con numerosas instituciones, incluida la Agencia Espacial Europea, la Red del Día de la Tierra, el Centro Wilson, empresas de teledetección y universidades para crear pilas con Picture Pile para entrenar máquinas para detectar viviendas degradadas a partir de fotos satelitales y terrestres, basura marina desde fotografías y clasificaciones de diferentes cultivos para abordar los problemas de seguridad alimentaria. Actualmente, IIASA y SAS están utilizando Picture Pile para impulsar algoritmos para detectar la deforestación en la selva amazónica.

Esta subvención de prueba de concepto de ERC altamente competitiva es una de las tres otorgadas a instituciones con sede en Austria en las últimas rondas anuales. Los investigadores de IIASA han recibido una serie de subvenciones de ERC durante el último año para financiar investigaciones de vanguardia en los campos de políticas de pensiones equitativas, cambio climático y tendencias demográficas, y tecnologías de emisiones negativas.

.
Si te ha resultado entretenida, anímate a compartir la noticia con esa persona interesada.

¡Compártelo!

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *