Abstracto

Machine Learning 2018: Aprendizaje profundo: un uso de la IA para organizar imágenes - Aisha Al Owais-Sharjah Center for Astronomy and Space Sciences

Aisha Al Owais

Viviendo en el siglo XXI, la mayor arma de la humanidad es la innovación. El campo de la innovación que más nos interesa es la ingeniería de software, en concreto la Inteligencia Artificial (IA). Como sugiere el nombre, la IA está relacionada con la transformación de dispositivos en operadores inteligentes que realizan acciones en función del mundo que ven. También son adaptables en lo que respecta a cambiar su objetivo, lo que se supone que deben hacer, así como a modificar sus acciones en función de su estado cambiante. Lo que hace que los operadores de IA sean poco convencionales es su capacidad de aprender y recordar sus errores. Además, el aprendizaje automático (ML) es una de las aplicaciones de la IA que permite a los sistemas adaptarse de forma natural, mejorar a través del conocimiento y cambiar sus acciones sin la intervención humana. Esto nos lleva al aprendizaje profundo (DL), otro subcampo del ML que se ocupa de los cálculos provocados por la estructura y la capacidad del cerebro humano, llamados redes neuronales artificiales. Tiene sistemas que son capaces de absorber información obtenida de datos enseñados o no etiquetados; por eso también se le conoce como red neuronal profunda (DNN). Cada uno de estos términos nos lleva a lo que más nos interesa, las redes neuronales convolucionales (CNN), que son un sistema neuronal profundo que está especialmente adaptado para organizar imágenes, en nuestro caso para agrupar imágenes de estrellas fugaces. La restauración de imágenes es el proceso de reconstrucción de partes perdidas o deterioradas de imágenes y vídeos. En el mundo de los museos, en el caso de una pintura valiosa, esta tarea la llevaría a cabo un conservador o restaurador de arte experto. En el mundo digital, la restauración de imágenes se refiere a la aplicación de algoritmos sofisticados para reemplazar partes perdidas o dañadas de los datos de la imagen. Esta definición oficial de restauración de imágenes en Wikipedia ya tiene en cuenta el uso de "algoritmos sofisticados" que hacen el mismo trabajo de sobrescribir manualmente imperfecciones o reparar defectos, pero en una fracción del tiempo. Sin embargo, a medida que las tecnologías de aprendizaje profundo avanzan más, el proceso de restauración de imágenes se ha automatizado de una manera tan completa que, en la actualidad, no requiere intervención humana en absoluto. Simplemente se introduce una imagen dañada en una red neuronal y se recibe el resultado corregido. Anímate a probarlo tú mismo con el área de juegos web de NVIDIA, que demuestra cómo su red rellena una parte faltante de cualquier imagen. Simplemente arrastra y suelta cualquier archivo de imagen, borra una parte con el cursor y observa cómo la IA lo repara. Lo probé con algunas imágenes que tenía en el escritorio. Aquí hay una de ellas a continuación, en la que faltaba una gran parte de mi rostro y la red neuronal lo restauró en cuestión de segundos, aunque me hizo parecer que acababa de salir de una pelea callejera. El campo de la inteligencia artificial es esencialmente cuando las máquinas pueden realizar tareas que normalmente requieren inteligencia humana. Abarca el aprendizaje automático, donde las máquinas pueden aprender por experiencia y adquirir habilidades sin la intervención humana.El aprendizaje profundo es un subconjunto del aprendizaje automático en el que las redes neuronales artificiales, algoritmos inspirados en el cerebro humano, aprenden de grandes cantidades de datos. De manera similar a cómo aprendemos de la experiencia, el algoritmo de aprendizaje profundo realizaría una tarea repetidamente, modificándola cada vez un poco para mejorar el resultado. Nos referimos a "aprendizaje profundo" porque las redes neuronales tienen varias capas (profundas) que permiten el aprendizaje. Casi cualquier problema que requiera "pensamiento" para resolverse es un problema que el aprendizaje profundo puede aprender a resolver.

Biografía :

Aisha Al Owais se licenció en Ciencias Informáticas en la Facultad de Ingeniería de la Universidad Americana de Sharjah. Actualmente trabaja como asistente de investigación en el Centro de Meteoritos del Centro de Astronomía y Ciencias Espaciales de Sharjah.