MADRID, 18 Jun. (EDIZIONES/Portaltic) -
La compañía DeepMind ha introducido la tecnología Generative Query Network en el campo de la inteligencia artificial, que permite la renderización del entorno mediante el uso de redes de representación y generación detectando escenarios de una forma similar a como lo haría un humano a través de la observación.
Como ha informado la propia empresa en su página web, GQN permite que las máquinas generen mentalmente su entorno a partir del aprendizaje y la renderización de los datos captados. A partir de esta información obtenida del entorno por la propia máquina, se puede conseguir una visión completa del mundo, según la compañía propiedad de Google.
GQN se compone de dos partes, una red de representación y otra de generación. La primera toma la observación del agente como input y describe la escena capturando sus elementos más importantes para elaborar una representación del entorno.
Durante el entrenamiento, el generador aprende aspectos y regularidades sobre el entorno y esto es utilizado por la segunda red para rellenar la escena con los datos necesarios, permitiendo imaginarla desde un punto de vista no observado previamente.
La tecnología GQN supone un avance considerable respecto a las técnicas actuales de reconocimiento visual de los sistemas artificiales. La mayoría se entrenan utilizando grandes colecciones de imágenes producidas y etiquetadas por los humanos, lo cual requiere de un trabajo laborioso y limita el aprendizaje de los sistemas. Por su parte, GQN se asemeja a las habilidades cognitivas y de pensamiento abstracto utilizadas por los humanos.
Este proyecto se apoya principalmente en la geometría multiperspectiva, la generación de modelos, el aprendizaje sin supervisión y el aprendizaje predictivo, según la compañía de especializada en inteligencia artificial.
A pesar de los avances que incluye, DeepMind ha reconocido que el método aún tiene muchas limitaciones comparadas con técnicas de visión más tradicionales de los ordenadores, y por el momento funciona solamente en escenas sintéticas y no en situaciones reales.
