Al aprender a desviarse de la información conocida de la misma manera que lo hacen los humanos, un algoritmo de "imaginación" para la inteligencia artificial (IA) es capaz de identificar objetos nunca antes vistos a partir de descripciones escritas.

El algoritmo desarrollado por el investigador de KAUST Mohamed Elhoseiny en colaboración con Mohamed Elfeki de la Universidad de Florida Central, allana el camino para la imaginación artificial y la clasificación automatizada de nuevas especies de plantas y animales.

"La imaginación es una de las propiedades clave de la inteligencia humana que nos permite no solo generar productos creativos como el arte y la música, sino también para entender el mundo visual, "explica Elhoseiny.

La inteligencia artificial se basa en los datos de entrenamiento para desarrollar su capacidad de reconocer objetos y responder a su entorno. Los humanos también desarrollan esta habilidad a través de la experiencia acumulada, pero los humanos pueden hacer algo que la IA no puede. Pueden deducir intuitivamente una clasificación probable para un objeto no encontrado previamente imaginando cómo debe verse algo a partir de una descripción escrita o por inferencia de algo similar. En IA, esta capacidad de imaginar lo desconocido se está volviendo cada vez más importante a medida que la tecnología se implementa en aplicaciones complejas del mundo real donde la clasificación errónea o el reconocimiento erróneo de nuevos objetos pueden resultar desastrosos.

También es importante el gran volumen de datos necesarios para entrenar de manera confiable la IA para el mundo real. Es inviable entrenar a la IA con imágenes de incluso una fracción de las especies conocidas de plantas y animales en el mundo en todas sus permutaciones, y mucho menos las innumerables especies no descubiertas o no clasificadas.

La investigación de Elhoseiny y Elfeki tuvo como objetivo desarrollar lo que se llama un algoritmo de aprendizaje cero (ZSL) para ayudar con el reconocimiento de categorías nunca antes vistas basadas en descripciones de nivel de clase sin ejemplos de capacitación.

"Modelamos el proceso de aprendizaje visual para categorías 'invisibles' relacionando ZSL con la creatividad humana, observar que ZSL se trata de reconocer lo invisible, mientras que la creatividad se trata de crear un 'invisible agradable, '", dice Elhoseiny.

En creatividad, algo nuevo pero agradable o "agradable" debe ser diferente del arte anterior, pero no tan diferente como para ser irreconocible. Del mismo modo, Elhoseiny y Elfeki modelaron cuidadosamente una señal de aprendizaje que fomenta inductivamente la desviación de las clases vistas, sin embargo, no se ha llevado tan lejos que la clase imaginada se vuelva poco realista y pierda la transferencia de conocimientos de las clases vistas. El algoritmo resultante mostró una mejora constante sobre los puntos de referencia de última generación para ZSL.

"Una de las posibles aplicaciones de nuestro enfoque es la identificación de especies desconocidas, ", dice Elhoseiny." La IA que funciona con esta tecnología podría ayudar a informar sobre avistamientos de especies sin imágenes, solo con descripciones de idiomas ".