Desde facilitar el diagnóstico hasta mejorar el tratamiento de los trastornos oculares, los beneficios de la Inteligencia Artificial en la oftalmología no han parado de crecer. Por ese motivo, esta tecnología está cada vez más implantada en esta especialidad médica.
Cámaras, automóviles autónomos y muchas otras tecnologías actuales dependen de la Inteligencia Artificial para extraer significado de la información visual. La tecnología de IA actual tiene redes neuronales artificiales en su núcleo, y la mayoría de las veces podemos confiar en estos sistemas de visión por computadora de Inteligencia Artificial para ver las cosas de la manera en que las vemos, pero a veces fallan.
Los algoritmos automatizados utilizan y analizan una enorme cantidad de datos, lo que supone la principal ventaja de su empleo en oftalmología. Algunos de los sistemas más avanzados que han sido desarrollados con esta tecnología llegan a alcanzar un éxito cercano al 90%, convirtiéndose en un gran apoyo al trabajo de los expertos.
Una persona sola sería incapaz de analizar estas enormes cantidades de información, puesto que los diagnósticos se obtienen a partir de miles de datos médicos y biológicos, estas herramientas permiten también crear guías sobre estas patologías.
Según los científicos investigadores del MIT e IBM, una forma de mejorar la visión por computadora es instruir a las redes neuronales artificiales en las que se basan para imitar deliberadamente la forma en que la red neuronal biológica del cerebro procesa las imágenes visuales.
Un modelo de visión por computadora es más robusto si se entrena para que funcione como una parte del cerebro humano, que procesa el reconocimiento de objetos.
Un equipo del Instituto Tecnológico de Massachusetts informó que cuando entrenaron una red neuronal artificial usando patrones de actividad neuronal en la corteza temporal inferior (IT) del cerebro, la red neuronal artificial fue más capaz de identificar objetos en imágenes que un modelo que carecía de ese entrenamiento neuronal, y las interpretaciones de las imágenes del modelo coincidían más con lo que veían los humanos, incluso cuando las imágenes incluían distorsiones menores que dificultaban la tarea.
Muchas de las redes neuronales artificiales utilizadas para la visión por computadora ya se parecen a los circuitos cerebrales de múltiples capas que procesan la información visual en humanos y otros primates. Al igual que el cerebro, utilizan unidades similares a neuronas que trabajan juntas para procesar información. A medida que están capacitados para una tarea en particular, estos componentes en capas procesan de manera colectiva y progresiva la información visual para completar la tarea, determinando, por ejemplo, que una imagen representa un oso, un automóvil o un árbol.
Cuando los sistemas de visión por computadora de aprendizaje profundo establecen formas eficientes de resolver problemas visuales, terminan con circuitos artificiales que funcionan de manera similar a los circuitos neuronales que procesan la información visual en el cerebro. Es decir, resultan ser modelos científicos sorprendentemente buenos de los mecanismos neuronales que subyacen a la visión humana y de primates.
Esa semejanza está ayudando a los neurocientíficos a profundizar su comprensión del cerebro. Al demostrar las formas en que se puede procesar la información visual para dar sentido a las imágenes, los modelos computacionales sugieren hipótesis sobre cómo el cerebro podría realizar la misma tarea. A medida que los desarrolladores continúan refinando los modelos de visión por computadora, los neurocientíficos han encontrado nuevas ideas para explorar en su propio trabajo.
“A medida que los sistemas de visión mejoran su rendimiento en el mundo real, algunos de ellos resultan ser más parecidos a los humanos en su procesamiento interno. Eso es útil desde el punto de vista de la biología de la comprensión”, dice DiCarlo, quien también es profesor de ciencias cognitivas y del cerebro e investigador en el Instituto McGovern para la Investigación del Cerebro.
Por: Dalia Solano.
Fuentes:
Massachusetts Institute of technology.
When computer vision works more like a brain, it sees more like people do.
