• Cotizaciones
    viernes 07 de febrero de 2025

    ¡Hola !

    En Búsqueda y Galería nos estamos renovando. Para mejorar tu experiencia te pedimos que actualices tus datos. Una vez que completes los datos, tu plan tendrá un precio promocional:
    $ Al año*
    En caso de que tengas dudas o consultas podés escribir a [email protected] o contactarte por WhatsApp acá
    * Podés cancelar el plan en el momento que lo desees

    ¡Hola !

    En Búsqueda y Galería nos estamos renovando. Para mejorar tu experiencia te pedimos que actualices tus datos. Una vez que completes los datos, por los próximos tres meses tu plan tendrá un precio promocional:
    $ por 3 meses*
    En caso de que tengas dudas o consultas podés escribir a [email protected] o contactarte por WhatsApp acá
    * A partir del cuarto mes por al mes. Podés cancelar el plan en el momento que lo desees
    stopper description + stopper description

    Tu aporte contribuye a la Búsqueda de la verdad

    Suscribite ahora y obtené acceso ilimitado a los contenidos de Búsqueda y Galería.

    Suscribite a Búsqueda
    DESDE

    UYU

    299

    /mes*

    * Podés cancelar el plan en el momento que lo desees

    ¡Hola !

    El venció tu suscripción de Búsqueda y Galería. Para poder continuar accediendo a los beneficios de tu plan es necesario que realices el pago de tu suscripción.
    En caso de que tengas dudas o consultas podés escribir a [email protected] o contactarte por WhatsApp acá

    Avances en ingeniería favorecen el uso de la vigilancia mediante cámaras de seguridad; el temor al Gran Hermano es “un problema”

    Hace un mes un banco canadiense lanzó su nueva aplicación para verificar la identidad de quienes hacen compras a distancia mediante tarjetas de crédito. La aplicación de celular escanea la huella digital y reconoce el rostro. Otros bancos en el mundo intentan desarrollar sus propios sistemas de verificación. En el Reino Unido la policía trata de identificar a un grupo de personas usando los videos de cámaras de seguridad, pero la calidad de imagen es aún baja. Mientras tanto, investigadores en distintas partes del mundo trabajan para atender estas demandas y se preparan para una era en la que se reconozcan conversaciones individuales en medio de un gran murmullo, o que se autentifique la entrada de personas a las escuelas mediante el análisis computacional automático del iris o del rostro.

    El ingeniero Josef Kittler es uno de ellos. Kittler es profesor distinguido de la Universidad de Surrey, en el Reino Unido, y docente en el Centro de Visión, Habla y Procesamiento de Señales del Departamento de Ingeniería Electrónica de esa institución. Se ha especializado en el reconocimiento de patrones y “aprendizaje automático” (conocido en inglés como machine learning). Se trata de una rama de la inteligencia artificial y estudia cómo montar sistemas que aprenden y evolucionan a partir de la experiencia previa.

    Kittler viajó a Uruguay para participar en el XX Congreso Iberoamericano de Reconocimiento de Patrones, organizado por la Asociación Uruguaya de Reconocimiento de Patrones, la Universidad Católica y la Universidad de la República.

    Búsqueda entrevistó a Kittler. Un resumen de esa conversación.

    —Los avances científicos en el área de “aprendizaje automático” han permitido grandes cambios en los últimos 10 años. Han surgido aplicaciones y lo que antes era ciencia ficción ahora se usa normalmente. ¿Coincide con esta visión? ¿Es este el momento de aplicar toda la investigación hecha?

    —Sí. Siempre hubo una oportunidad para aplicaciones y hay ejemplos de sistemas que han sido efectivos para remplazar a los humanos. El poder de la computación que tenemos ahora en nuestras manos se incrementa permanentemente. Las cosas que antes eran imposibles cuando yo empecé a hacer investigación ahora son perfectamente posibles y funcionan en dispositivos móviles. Además, hay un progreso en la metodología, en el entendimiento de cómo resolver problemas. Por ejemplo, el “aprendizaje profundo” (es un área nueva del “aprendizaje automático” que pretende acercarse más a la inteligencia artificial. Utiliza algoritmos, se inspira en el funcionamiento del cerebro humano) usa un tipo particular de red neuronal que es algo muy complejo; hay que extraer más información sensorial. De todos modos, con este abordaje ahora sabemos cómo entrenar estas máquinas.

    —¿Cómo se usa?

    —Se usa, por ejemplo, para el reconocimiento facial. La biometría (el área dedicada a la medida y el análisis estadístico de características de comportamiento humano y físicas de las personas como el iris, las huellas dactilares y la voz. Se utiliza sobre todo para seguridad y para verificación de identidad) ha avanzado tremendamente en el reconocimiento del rostro gracias a los diferentes tipos de aprendizajes automáticos. Pero no es el único ingrediente si se quiere entrenar a las máquinas para que realicen tareas de percepción (como el reconocimiento auditivo o visual). Se necesita muchísima información para hacerlo. Afortunadamente, en áreas como la del reconocimiento facial, hay compañías como Facebook que tienen mucha cantidad de material. Estos tres avances que mencioné pueden ser atribuidos a la última década. El avance de la computación, los nuevos paradigmas de “aprendizaje automático” y la gran cantidad de información disponible. Desafortunadamente, esta disponibilidad de información no sirve para todo tipo de aplicaciones. No deberíamos esperar necesariamente una explosión de aplicaciones porque uno todavía está limitado por la cantidad de esa información.

    —¿También incide la calidad de esa información?

    —Sí, también. En Londres hay muchas cámaras de seguridad y vigilancia del tipo Circuito Cerrado de Televisión (CCTV) instaladas. Probablemente el Reino Unido tenga la mayor densidad de estas cámaras instaladas en el mundo, pero no son prácticamente efectivas porque la calidad de la información que obtienen es relativamente pobre. Tienen una resolución estándar y miran imágenes de la calle o de escenas a la distancia. Entonces, el tamaño de la caras es relativamente pequeño en términos de píxeles y eso hace a la calidad, que es baja. Es difícil identificar gente con ese nivel de calidad de datos. Ahora hay tecnologías más sensibles que están avanzando rápido. Esto podrá ser otro factor que contribuya a mejorar la calidad de los datos obtenidos en el futuro.

    —¿Cuáles han sido los logros en el reconocimiento de la voz y el habla y cuáles son los desafíos hoy?

    —Hay sistemas comerciales bastante efectivos en el reconocimiento del habla, si bien están limitados a ambientes controlados en los que no puede haber mucho ruido. Por ejemplo, si uno intentara usarlos aquí, no funcionarían (el coffee break del congreso en una gran sala de la Facultad de Ingeniería de la Universidad de la República está repleto de docentes y estudiantes y las voces vienen de todas partes). Hay gente trabajando con el problema del ruido en general y cuando hay ruido por mucha gente se complica el tema. Hay investigadores trabajando en el “problema de la reunión del tipo cóctel”, en una situación como esta (Kittler mira a su alrededor como señalando el ruidoso coffee break montevideano como ejemplo). A mí no me distrae el sonido ambiente mientras hablo con usted; incluso podría enfocarme en algunas discusiones particulares (de algunos grupos desperdigados en el salón) e ignorar todo lo demás. Los humanos son bastante buenos en esto. Entonces hay gente trabajando para separar estas fuentes individuales de habla y tratando de interpretarlas por separado. Todavía es un problema no resuelto.

    —Usted ha trabajado con el juego del tenis, analizó jugadas, trayectorias de la pelota. ¿Por qué lo hizo?

    —Estábamos interesados en la habilidad del “aprendizaje automático” para adquirir conocimiento de la misma manera que lo hacen los humanos. Trabajamos con un equipo de psicología, colaboraron con nosotros para averiguar si el sistema puede aprender a interpretar lo que ocurre en el juego del tenis de manera automática. Quien no sabe nada de tenis, ¿puede deducir e inferir todas las reglas que gobiernan el juego y que permiten apuntar el puntaje con solo mirar los partidos? ¿Es posible? Porque si los humanos no podían hacerlo, entonces era difícil esperarlo de las máquinas. Estudiamos a los humanos para ver si le pueden aportar información a la ingeniería para que nosotros podamos diseñar diferentes soluciones de manera más efectiva. El objetivo no era tanto resolver una aplicación en particular —que resuma lo que ocurre puntualmente en el juego—, sino usarla como un vehículo para entender los límites del “aprendizaje automático”. Queríamos ver cuáles son las generalizaciones que aprendemos cuando adquirimos ciertas competencias y hasta qué punto uno puede usarlas para resolver problemas, qué necesita para hacerlo y cómo transfiere conocimiento de un campo a otro. Son preguntas más a largo plazo las que buscamos responder usando videos de tenis.

    —¿Cuáles son los aportes de la biometría?

    —Ahora estoy usando biometría facial. Cuando la policía trata de interpretar información de videos de cámaras de seguridad de baja calidad, los sistemas de “aprendizaje automático” no funcionan bien porque tienen información pobre. Hay gente que es conocida por tener tasas de éxito más alto de lo normal para reconocer personas y a menudo son incapaces de decir cómo lo hacen. Hay que estudiarlo. Hay un programa que empezó en Estados Unidos el año pasado, que se llama Janus, que trabaja en el reconocimiento del rostro. La manera de aplicar la biometría estándar es para el acceso a controles, para el ingreso a escuelas, a casas, chequear la presencia de desconocidos automáticamente; podría ser muy útil. Creo que hay una tremenda aplicación en vigilancia. También puede ser usado para vigilar a criminales o a gente peligrosa. Mucha gente está preocupada de que el Gran Hermano lo esté mirando. De hecho, se puede vigilar un número limitado de gente, tener una lista de unas 50 o 60 personas, concentrarse en ellas y olvidar al resto, ignorarlas. También, en el futuro, la economía digital lo usará para comprobar de manera remota la identidad de la persona que hace una cuantiosa transacción o que dice llamarse X y se quiere verificar que sea así. Puede hacerse incluso desde dispositivos móviles y pedir verificación del rostro. La biometría puede colaborar en muchas aplicaciones.

    —Mencionó al Gran Hermano. La imagen y el video están siendo usados en todos lados. ¿Estos miedos de la población a ser vigilada desafían a ingenieros y matemáticos que trabajan en aspectos de salud y seguridad?

    —Definitivamente es un problema que no debe ser ignorado. Uno no puede hacer una aplicación sin abordar el tema de la privacidad y la seguridad. Hay dificultades, gente tratando de acceder a bases de datos, a datos personales, a cuentas bancarias, hay preocupación. Pero en regímenes totalitarios (a principios del siglo XX) hicieron vigilancia igual sin tener estas herramientas informáticas. Las nuevas generaciones están acostumbradas a trabajar con dispositivos móviles y tecnológicos, parecen menos preocupadas que las más viejas. Probablemente deberían estudiar el tema psicólogos y científicos. ¿Será un problema en el futuro?