Un nuevo sistema permite a una máquina deducir lo que no puede ver

Un estudio que publica Science presenta el sistema creado por expertos de Google DeepMind que es capaz de aprender cómo es la composición 3D de un entorno usando una pequeña cantidad de imágenes 2D de muestra tomadas de la escena y sin que sea necesaria supervisión humana.> > El sistema, llamado Generative Query Network (red generadora de búsqueda ) "podría" sentar las bases para crear máquinas que puedan aprender del mundo "de forma autónoma usando sus propios sensores", indica la revista.> > Uno de los autores principales del estudio Ali Eslami explicó que los actuales sistemas de visión artificial trabajan con aprendizaje supervisado, que usa gran cantidad de conjuntos de datos etiquetados por humanos para decir a la máquina lo que contiene una imagen, un proceso que "requiere mucho tiempo y es muy costoso".> > Sin embargo, el nuevo método de aprendizaje no necesita de esa intervención humana.> > La GQN consta de dos partes: una red de representación que elabora una imagen codificada de la escena a partir de las imágenes de muestra, y otra de producción, que genera imágenes probables de la escena desde puntos de vista nuevos y completa las partes de la secuencia que pudieran estar ocultas.> > Eslami señaló que desde los años sesenta se trabaja en dar a los ordenadores la capacidad de que "miren una imagen y la entiendan de la forma en que lo hacemos nosotros, que reconozcan cuántos objetos hay, dónde están situados en el espacio tridimensional y de qué tipo son".> > Los niños aprenden principalmente a través de la observación y la interacción con el medio recordó, lo que sugiere que es la mejor manera de hacerlo, por lo que el estudio propone "una forma fácil de aprender a partir de la observación, de manera que se acostumbra a la red a ver una imagen y que prediga cómo será desde un punto de vista diferente".> > Los...