The Independent Sentinel #04

CNNs, pesadillas sintéticas y futuros (¿presentes?) distópicos

¡Hola!

Soy Javier Fuentes, CEO de Akoios y esto es The Independent Sentinel, la newsletter en la que tratamos temas relacionados con la Inteligencia Artificial y la Ciencia de Datos de la manera más entendible y entretenida que nos es posible.

Si aún no te has suscrito, puedes hacerlo ahora:

¡Suscríbete ahora!

Hoy hablaremos de las Redes Neuronales Convolucionales 🤯, de un generador de pesadillas y de los futuros distópicos que nos puede llevar a imaginar la Inteligencia Artificial.

Resultado de imagen de orwell dystopia

¡Comenzamos! 🚀


🎼  ¿Quieres banda sonora? ¡Dale al Play!


1. Inteligencia Artificial 🤖

Recordando modelos, técnicas y conceptos 🤓

Reconozco que me es difícil en ocasiones recordar los detalles de la multitud de técnicas, conceptos y modelos que usamos cuando trabajamos en Data Science.

Por ello, soy un gran admirador del trabajo divulgativo de Chris Albon, un científico de datos norteamericano, autor del libro Machine Learning with Python Cookbook y el creador de las famosas Machine Learning Flashcards.

En estas “tarjetas”, Chris Albon sintetiza de forma amigable y visual todo tipo de conceptos, ideas y modelos relacionados con la Ciencia de Datos:

Es posible ver muchas de ellas en su cuenta de Twitter y, si te gustan, puedes comprar todas por sólo $12 en su web.

¡Pero esto no es todo! El bueno de Chris ha creado un repositorio tremendo de snippets de código para un montón de tareas que los científicos e ingenieros de datos se pueden encontrar en su día a día.

Ejemplo de snippet de código

Muy, muy recomendable echarle un vistazo a todo lo que hay, desde manejo de datos a modelos concretos pasando por todo tipo de técnicas de pre-procesado.

Para terminar, y por si te ha interesado el trabajo de este científico de datos, tiene hasta un podcast llamado "Partially Derivative” en el que habla de todos estos temas. 🔊 Puedes escucharlo aquí.

Modelos y Algoritmos 💻

Una Red Neuronal Convolucional (Convolutional Neural Network - CNN) es un algoritmo de Deep Learning que, partiendo de una imagen de entrada, es capaz de identificar patrones en la misma con el fin de clasificarla y diferenciarla de otras.

Uno de los aspectos más interesantes de este algoritmo es que requiere poco pre-procesado de los datos de entrada, por lo que se puede poner a funcionar de forma relativamente rápida.

Para ilustrarlo con una analogía, se podría decir que las CNNs se inspiran en el cerebro humano y, más concretamente, en la organización del córtex visual. En el córtex, las neuronas únicamente responden a los estímulos de una zona acotada denominada como campo receptivo. En nuestro cerebro, la visión se compone por una agregación de estas zonas, que es justamente como funciona a alto nivel este modelo.

Las tareas principales de una CNN son las siguientes:

1️⃣ Clasificar el contenido visual (describir “lo que se ve”),

2️⃣ Reconocer objetos y patrones (por ejemplo, ruedas, faros, puertas en un coche),

3️⃣ Agrupar los objetos reconocidos en grupos (clusters) (por ejemplo, ruedas con ruedas, faros con faros…)

En este tipo de redes neuronales (explicadas muy bien en este artículo), se incluye una capa llamada “convolucional” que nos permite explorar por zonas la imagen en búsqueda de patrones de modo que podamos predecir de qué tipo de imagen se trata.

Las siguientes imágenes dan una idea intuitiva del proceso de convolución:

Otro gran ejemplo para trabajar en nuestra intuición sobre este algoritmo se muestra en este artículo. En el mismo, se explica esta operación de convolución de una imagen con un filtro circular:

Al convolucionar la imagen de Wally con un filtro circular, el filtro responde a los ojos de manera significativa.

Si quieres entenderlo mejor, puedes echar un vistazo a este vídeo dónde explica cómo funciona una CNN de manera más detallada. ¡Recomiendo ver a partir del 4:27 dónde explica con un Excel cómo funciona la capa convolucional!

Casos de uso ⚙️

Una de las aplicaciones más típicas del Machine Learning es la del reconocimiento o clasificación automatizada de objetos en imágenes que, como seguro ya estás intuyendo, se hace de forma habitual usando los algoritmos CNN que acabamos de ver.

Entre los casos de uso, cabe destacar el gran impacto del uso de este tipo de algoritmos (y en general todo lo relacionado con la Visión Artificial) en multitud de ámbitos:

  • Reconocimiento de imágenes y OCR

  • Detección de objetos para vehículos autónomos

  • Reconocimiento facial

  • Detección de tumores y lesiones

👉 Por si no lo sabías, en Akoios nos dedicamos a crear tecnología para que poner en productivo todo tipo de modelos AI/ML, sea una labor más sencilla, ágil y eficaz de lo que es ahora. Puedes saber más visitando nuestra web o agendando una reunión conmigo directamente.

🎃 👻🕯️Halloween BONUS 🦇🕷️⚰️

Aprovechando las fechas en las que estamos hablaremos hoy sobre una divertida iniciativa del MIT Media Lab llamada “The Nightmare Machine” (La máquina de pesadillas) en la que están utilizando el Machine Learning para generar imágenes terroríficas.

En su web, se pueden ver desde “Haunted Faces” (Caras encantadas) hasta “Haunted Places” (Lugares encantados).

Parte de lo divertido de la iniciativa es que son los propios usuarios los que están entrenando la red. ¡Si no te da miedo, puedes hacer tu aportación aquí!

Respecto a los sitios encantados, han conseguido transformar edificios de partida mediante algoritmos ML según diversos estilos: Fright Night, Slaughter House, Toxic City, Ghost Town, Inferno, Tentacle Monster y Alien Invasion.

Aquí podéis ver el Coliseo de Roma con un estilo que parece sacado de una novela de Lovecraft:

Cthulhu “El Impronunciable” aparecerá de un momento a otro

Y aquí, el Palacio Real de Madrid con el estilo Inferno:

Imagen Original del Palacio Real
Imagen después del algoritmo
Distintas fases de transformación

2. Historias 📔

La Inteligencia Artificial y los futuros distópicos

Siguiendo en la línea del reconocimiento de imágenes, seguro que has visto imágenes en las últimas semanas de las recientes revueltas e incidentes en Hong Kong.

En estas imágenes, te habrá llamado la atención de la multitud de "láseres" usados por los manifestantes.

Cómo se ve en el vídeo, los manifestantes están usando estos láseres para evitar las cámaras de reconocimiento facial en una suerte de ciber-guerra (que no ha hecho más que comenzar) contra la Inteligencia Artificial China.

Los láseres son solo el principio, en esta investigación llevada a cabo por un centro de investigación de Huawei en Moscú, se detalla cómo engañar a un conocido algoritmo de detección facial.

Usando dos pegatinas que parecen un código QR deformado, se puede hacer caer la tasa detección del algoritmo un 95% cuando se ponen en la cara de una persona.

Fuente: Klim Kireev/YouTube

Al ver todo esto, es difícil no pensar en futuros distópicos para nuestras sociedades, más aún cuando estos posibles futuros han estado muy presentes en el imaginario colectivo desde que John Stuart Mill acuñó el término distopía en una intervención parlamentaria en 1868.

Pese a que el término data de finales del siglo XIX, no fue hasta los años 20 del siglo XX cuando esta idea comenzó a ser más conocida. Se dice que fue la novela “Nosotros” de Yevgeny Zamyatin la que dio comienzo a este género literario (si es que se puede llamar así) en 1921.

Resultado de imagen de Yevgeny Zamyatin"

Nosotros surge a partir de las vivencias del autor en la Rusia de antes y de después de la Revolución de 1917 y describe una sociedad futura donde la vigilancia y represión por parte del Estado es total.

La novela de Zamyatin influyó de manera muy importante en dos de las novelas distópicas más conocidas, Un Mundo Feliz de Aldous Huxley y 1984 de George Orwell, ambas influenciadas por la sombra de la Guerra Mundial.

¡Ya estás tardando en leer estos dos libros si es que aún no lo has hecho!

Viajando en el tiempo 70 años hasta nuestros tiempos, se puede ver que, pese a todos los avances que nos ha permitido realizar la tecnología (y que nos seguirá permitiendo) hay algunos aspectos relacionados con la hiper-vigilancia que posibilita la IA, que nos recuerdan a estos futuros poco deseables que se plantearon hace más de medio siglo.

En este vídeo, se muestra el estado actual del reconocimiento facial en China y cómo, lo que se vende como una utopía de atención personalizada, eficiencia y automatización, se podría convertir de forma súbita en una pesadilla distópica Orwelliana (si es que no lo es ya).

Aunque sea ingenuo negar los peligros del uso de la IA para el control y la vigilancia extrema, esto no debe ser un impedimento para seguir trabajando en todo aquello que Inteligencia Artificial puede ofrecernos para vivir mejor en muchos sentidos y para todos (incluso a aquellos más desfavorecidos) sin necesidad de menoscabar las libertades individuales.


Para finalizar, y como lectura para estos días aprovechando que comienza la campaña electoral, os recomiendo la lectura de un divertido cuento de Isaac Asimov de 1955 titulado "Sufragio universal".

Resultado de imagen de franchise asimov

En este relato, que tiene lugar avanzado el siglo XXI, las elecciones se realizan mediante una supercomputadora llamada Multivac, capaz de tener en cuenta los deseos e intereses de todos los habitantes. sin necesitar más que la ayuda de un humano, un único votante.

Gracias por leer hasta aquí, ¡feliz puente!

Bye Bye Goodbye GIF by GIPHY Studios Originals


¿Estás disfrutando The Independent Sentinel? ¡Ayúdanos a llegar a más gente compartiendo nuestra publicación en RRSS!

¿Te has perdido los números anteriores? Puedes leerlos aquí:

👉 Si quieres saber más sobre nuestra tecnología, te recomiendo echar un vistazo a nuestra nueva serie de tutoriales en Medium.

Loading more posts…