Utilizamos cookies propias y de terceros para mejorar nuestros servicios y facilitarte el uso de la web mediante el análisis de tus preferencias de navegación. También compartimos la información sobre el tráfico por nuestra web a los medios sociales y de publicidad con los que colaboramos. Si continúas navegando, consideramos que aceptas nuestra Política de cookies .

14 de Mayo de 2019
Inteligencia artificial

Una red neuronal entrenada para reconocer objetos aprende a contarlos por sí misma

Hasta los recién nacidos, y muchos animales, tienen una capacidad intuitiva de apreciar números y cantidades. Y ciertas redes neuronales también, parece.

Un sistema de aprendizaje profundo ha aprendido a contar puntos pese a no haber sido adiestrado directamente para ello [The Portable Antiquities Scheme, The Trustees of the British Museum / (CC BY-SA 2.0)].

Muchos vertebrados son capaces de contar de una forma elemental. Pueden, por ejemplo, escoger un conjunto de puntos que tiene más que otro, o justo los mismos; o, al menos, pueden hacerlo tras un adiestramiento. Pero para ello, como se ve ahora, no hace falta un sentido numérico especial. Bastaría, parece, con aprender a reconocer objetos en general, de lo cual se derivaría, casi como un producto secundario, el entendimiento del tamaño de un grupo de cosas.

Es lo que deja ver el trabajo de Andreas Nieder, de la Universidad de Tubinga, y sus colaboradores. Entrenaron una red neuronal para que reconociese objetos en las fotografías. Y comprobaron que su red estaba también en condiciones de clasificar objetos por el número de ellos que hubiese, pese a no haber sido entrentada para ello. Lo explican en Science Advances.

Nieder y sus colaboradores utilizaron una red de las llamadas profundas. Son muy buenos estos sistemas en reconocer objetos en las imágenes una vez que se les ha mostrado un número suficiente de ellos (más de un millón de fotos, por ejemplo, junto con la respuesta correcta). En el curso del aprendizaje, las neuronas artificiales adoptan el papel de detectoras de características distintivas. Se especializan en el reconocimiento de propiedades determinadas de las imágenes, como la forma, los perfiles, las distribución del brillo, etc. Al mismo tiempo, la red aprende qué características de las imágenes se manifiestan juntas de ordinario cuando una imagen se presenta calificada, digamos, como «raqueta de tenis», «perro de lanas» o «grulla».

Los investigadores entrenaron así a su red hasta que dominó el reconocimiento bastante bien. Luego, para comprobar las capacidades matemáticas de la red le presentaron grupos de puntos para que los analizasen (campos en negro con grupos de uno a treinta puntos de distintas formas y tamaños) y observaron qué detectores de características distintivas «saltaban» en las profundidades de la red. La estadística les reveló que, entre los muchos miles de neuronas artificiales, algunas se habían especializado en determinar el puro número de objetos. Después, la red extraía esa característica abstracta de las fotos y la ponía a disposición del procesamiento interno.

Los «detectores de cantidad» muestran un comportamiento como el que exhiben las células análogas del cerebro de los primates. Una neurona que se especializase en el número seis, por ejemplo, se activaría también cuando se presentasen cinco o siete objetos, aunque con menos intensidad. A las redes, artificiales o naturales, les es, por lo demás, más fácil llegar a números pequeños que a los grandes. Este parecido en el comportamiento hace pensar, opinan  los investigadores, que ambos sistemas actúan conforme a los mismos principios.

El conocimiento espontáneo de los números no consiste, sin embargo, explican los investigadores, en un conocimiento de los números puros. Su red ha aprendido a vérselas con conjuntos cuyos elementos se presentan a la vez y unos juntos a otros. Otra cosa es llegar a considerar la sucesión de los números. Qué capacidades se necesitan para ello y si pueden surigir espontáneamente en las redes neuronales deberá aclararse con nuevos estudios.      

Jan Dönges /Spektrum.de

Artículo traducido y adaptado por Investigación y Ciencia con permiso de Spektrum der Wissenschaft.

Referencia: «Number detectors spontaneously emerge in a deep neural network designed for visual object recognition», de Khaled Nasr, Pooja Viswanathan y Andreas Niede en Science Advances, 8 de mayo de 2019: vol. 5, núm. 5, eaav7903.

Artículos relacionados

Los boletines de Investigación y Ciencia

Elige qué contenidos quieres recibir.