Fujitsu desarrolla una tecnología que permite a la IA reconocer datos invisibles con precisión

   MADRID, 10 Ene. (Portaltic/EP) -

   Fujitsu Limited y el Centro de Cerebros, Mentes y Máquinas (CBMM, por sus siglas en inglés) del Instituto Tecnológico de Massachusetts (MIT) han diseñado una tecnología que mejora la precisión de los modelos de inteligencia artificial (IA) para que reconozcan datos sustancialmente diferentes de las bases de datos utilizadas durante su entrenamiento.

   Según ha indicado la compañía en una nota de prensa remitida a Europa Press, los investigadores de Fujitsu y el CBMM han alcanzado de forma conjunta "un hito" en la comprensión de los principios de la IA que permiten el reconocimiento de los datos no vistos o fuera de distribución (ODD, por sus siglas en inglés).

   Para ello, han dividido las redes neuronales profundas (DNN) en módulos, como pueden ser el color o la forma, entre otros atributos de los objetos; y han adoptado un enfoque inspirado en las características cognitivas de los seres humanos y la estructura del cerebro.

   Los resultados de esta investigación conjunta se centran en el hecho de que el cerebro humano es capaz de captar y clasificar con gran precisión la información visual, a pesar de que existan diferencias en las formas y los colores de los objetos que percibimos (que pueden variar según la perspectiva y las condiciones lumínicas).

   De este modo, el nuevo método que Fujitsu y CBMM han obtenido como resultado calcula un índice único basado en la forma en que un objeto es percibido por las neuronas y cómo la DNN clasifica esas imágenes de entrada.

   Así, este modelo fomenta el aumento del campo de ese índice con el objetivo de mejorar el reconocimiento de los objetos de ejemplo OOD con mayor eficacia, es decir, de lo datos fuera de distribución, aquellos sustancialmente diferentes de los observados durante el entrenamiento de la IA.

   Desde la compañía apuntan a que, hasta ahora, se suponía que la mejor forma de crear un modelo de IA de alta precisión de reconocimiento era entrenar la red neuronal profunda como un único módulo sin proceder a su división.

   Sin embargo, al dividirla en módulos independientes en función de los atributos de los objetos y basándose en un nuevo índice desarrollado de forma independiente (y no como un todo, como ocurría hasta ahora), los investigadores de Fujitsu y CBMM han conseguido una precisión de reconocimiento mayor.

   Con el fin de seguir perfeccionando los resultados para desarrollar una IA capaz de emitir juicios flexibles y similares a los humanos, Fujitsu y CBMM planean aplicar este resultado en ámbitos como la fabricación o la atención médica.