Uso de Machine Learning e Inteligencia Artificial en imágenes

Artificial Intelligence and Machine Learning

Jesús Manuel Lozano Hoyos Departamento de Ingeniería de Sistemas                                Universidad del Norte mjlozano@uninorte.edu.co

Jhimi Junior Vargas Guzman Departamento de Ingeniería de Sistemas                                Universidad del Norte jhimiv@uninorte.edu.co

Luis Fernando Orozco Pérez Departamento de Ingeniería de Sistemas                                Universidad del Norte florozco@uninorte.edu.co

Resumen—En esta investigación se busca estudiar las diferentes aplicaciones formales de Inteligencia Artificial y el Machine Learning aplicados usando imágenes y video, de igual manera investigar las leyes, principios y/o reglas que rigen las soluciones de los problemas en los cuales se usan estos métodos, los más recientes años han presenciado adelantos en la formación de aprendizaje automatizado utilizando imágenes y videos con contenido de cotidiano.

Abstract— In this investigation it is looked after the study of different formal applications about Artificial Intelligence and Machine Learning used applying images and videos, on the same manner it is investigated the laws, principals and/or rules that reign the solutions of those problems in which these methods are used on, the most recent years had witness advancements in the formation of automatized learning utilizing images and videos with everyday content.

Keywords—Artificial Intelligence, Machine Learning, aplicaciones, imágenes, video,multimedia, Inteligencia Artificial, desarrollo de software.

1. Introducción

En 1959 Arthur Samuel acuño el término Machine Learning o aprendizaje automatizado haciendo su trabajo Some Studies in Machine Learning Using the Game of Checkers, trabajo en el que resalta que una máquina puede aprender a jugar damas chinas en un corto periodo de 8 a 10 horas jugando, siendo que para empezar solo se provee a la máquina con las reglas del juego, un sentido de dirección y una lista de parámetros que indican qué hacer con el juego, los resultados de este experimento ayudaron a Samuel a llegar a la conclusión de que ciertamente era posible divisar esquemas de enseñanza para máquinas que superan con creces a la persona promedio. Agregó además que algún día serían económicamente viables estos esquemas, para poder ser aplicados a problemas de la vida real.

El planteamiento así como la conceptualización de la inteligencia artificial, definida por el matemático, Alan Turing. Asi mismo John McCarthy además relaciono el término al uso de computadoras para entender la inteligencia humana.

Las definiciones previamente establecidas sirven de piedras angulares para el desarrollo de diversas herramientas, entre las cuales está la agrupación de usuarios en las redes sociales, el reconocimiento facial de cámaras y celulares inteligentes, todas herramientas de uso diario que tomamos por simples y mundanas que el día hoy han nacido de un modus operandi, basado en la toma de datos para convertirlos en información útil.

1. Marco Teorico

1. Inteligencia Artificial

Con el fin de avanzar en esta investigación es importante definir apropiadamente los conceptos necesarios para esta. En primer lugar, debemos puntualizar el concepto de inteligencia que trataremos en esta investigación. Si bien el concepto de inteligencia como en si es algo abstracto y difícil de definir, podemos expresar adecuadamente la “inteligencia” de las máquinas como un “comportamiento inteligente”, de esta forma el comportamiento inteligente supone percibir, razonar, aprender, comunicarse y actuar en entornos complejos[9]. A partir de esta definición se infieren varios aspectos importantes que conforman el núcleo central de lo que se define como “comportamiento inteligente” en las inteligencias artificiales.

1. Machine Learning

En consecuencia, se debe definir el concepto de Machine Learning, analógicamente podemos comenzar por la estructura sintáctica de su traducción al español, “aprendizaje” y “automático”. Se entiende por aprender como adquirir conocimiento a través del estudio o de la experiencia[5] y por automático un mecanismo o sistema que es capaz de funcionar por sí mismo ya sea parcialmente, o por completo [6]. Entonces, a través de estas dos definiciones se puede concluir que el aprendizaje automático es la propiedad de las máquinas que les permite adquirir conocimiento a través de la exposición a estímulos y situaciones y que además, son capaces de hacerlo por sí mismas, es decir, de manera automática. Además de esto, es importante mencionar que, aprender en este contexto quiere supone identificar patrones complejos en millones de datos. La máquina que realmente aprende es un algoritmo que revisa los datos y es capaz de predecir comportamientos futuros. Automáticamente , también en este contexto, implica que estos sistemas se mejoran de forma autónoma con el tiempo, sin intervención humana[8] externa.

1. Tipos de Inteligencia artificial

 Pese a que el campo de la inteligencia artificial no se ha materializado por completo hasta la actualidad existen diversos enfoques a los que se pueden orientar estas máquinas:

• La inteligencia artificial fuerte que busca producir máquinas que piensen con una habilidad intelectual que sea indistinguible o incluso supere a la humana.[15]
• La informática afectiva la cual es una disciplina dedicada a dar a las máquina la habilidad de reconocer y generar afectó, en cierta forma. Este campo está dirigido a corregir los fallos en la relación humano-máquina tradicional, usualmente esta tiene efectos negativos en el usuario, que llevan a que se sobreentiende como fría, incompetente y socialmente inepta.[16]
• La inteligencia artificial simbólica es un campo que busca enseñar a una máquina a distinguir entre símbolos de lo que simbolizan, una distinción hecha a base de objetos y cuáles son sus relaciones, tratando de hacer más tangible la idea de que la máquina se convierta en una menta, la cual con fuerza de voluntad o idea de lo que quiere hacer lo haga, a la máquina presentan unas piernas y los que es caminar, sabiendo que son cada una de esas dos cosas por separado, si se le dan piernas sobreentiende que con ella puede caminar. Su teoría se basa en que todos los problemas (incluso los mentales) están hecho de materia y si se le presenta como objetos, estos siempre van a ser comprensibles y con la capacidad de volverse a producir.[17]

1. Tipos de machine learning

Las diferentes técnicas de aprendizaje automatizado difieren en la forma en cómo aprenden, el tipo de datos de entrada y salida, y el tipo de tarea o problema que intenta resolver:

• En el aprendizaje supervisado un agente externo le presenta como ejemplo a la máquina parejas s compuestas de datos de entrada y de salida, la máquina entonces intenta presentar una función que convierta el dato de entrada en su pareja, el dato de salida.[10]
• Aprendizaje no supervisado consiste en encontrar y analizar patrones escondidos en datos sin catalogar, ignorando estos una máquina puede inferir sutiles y complejas relaciones entre los datos no organizados, además haciendo todo esto sin el tiempo ni costos del aprendizaje supervisado, donde todos los datos están organizados[11]
• El aprendizaje por refuerzo es el problema que debe afrontar la máquina en el que debe aprender comportamientos a partir de interacciones de intento y error en ambientes dinámicos. Este método está enfocado a obtener la función ideal para resolver una tarea, cuando esta función no es conocida a priori.[12]

1. Aplicaciones Reales

La Inteligencia artificial y el Machine Learning son parte fundamental de la tecnología actual, esto implica un mejoramiento continuo de ésta, dando lugar a otras aplicaciones en el área de procesamiento de imagen y video tales como:

...