Visión de máquina: ejemplos positivos mínimos

Abstract

Actualmente las redes neuronales están siendo cada vez más importantes en cada aspecto de la vida de las personas, muchas veces complementando y potenciando labores realizadas a diario; otras veces, y cada vez más, toman las labores más repetitivas de la sociedad permitiendo usar el intelecto humano en aquellas cosas donde es realmente necesario. Uno de los problemas que enfrentan las nuevas tecnologías es determinar cuando las máquinas logran ser lo suficientemente competentes para tomar el relevo; por otro lado se entiende que el desarrollo de mejores redes neuronales conlleva entender, en parte, qué es lo que las hace diferentes de un cerebro biológico y de esta manera poder pensar mecanismos para disminuir la distancia entre ellos. En esta memoria se presenta, en primera instancia, una forma de caracterizar las redes neuronales por medio de la generación de imágenes positivas mínimas, obtenidas a partir de la disminución de parámetros que afectan la confianza para tomar decisiones de clasificación. Como segunda parte se ofrece un estudio comparativo que evalúa la capacidad de reconocer las imágenes mínimas, generadas en la primera parte, de un grupo de personas para entender las diferencias entre ambos. Con respecto a los resultados obtenidos en la primera parte, se muestra que dependiendo de qué información se va perdiendo las redes pueden ser más o menos sensible, en particular se observa que son muy poco sensibles a disminuciones en la cantidad de colores disponibles, así como también del contexto donde están insertos los elementos a clasificar. Por otra parte disminuir la resolución de las imágenes tiene un efecto inmediato en la capacidad de reconocer. Contrastando con los modelos de clasificación, los seres humanos son mucho menos sensibles a la pérdida de información, en especial con la pérdida de colores y resolución, pero tienden a depender de múltiples factores para tomar una decisión, en particular detalles contextuales