Percepción de máquina - Enciclopedia
La percepción de máquina es la capacidad de un sistema computacional de interpretar datos de una manera similar a la forma en que los humanos utilizan sus sentidos para relacionarse con el mundo que los rodea. El método básico que los computadores utilizan para captar y responder a su entorno es a través del hardware adjunto. Hasta hace poco, la entrada se limitaba a un teclado o un ratón, pero los avances tecnológicos, tanto en hardware como en software, han permitido que los computadores tomen información sensorial de una manera similar a los humanos.
La percepción de máquina permite que el computador utilice esta información sensorial, así como los métodos computacionales convencionales de recopilar información, para obtener información con mayor precisión y presentarla de una manera más cómoda para el usuario. Esto incluye la visión computacional, el oído computacional, el tacto computacional y el olfato computacional, ya que los olores artificiales, a nivel de compuesto químico, molecular y atómico, son indistinguibles e idénticos.
El objetivo final de la percepción de máquina es dotar a las máquinas de la capacidad de ver, sentir y percibir el mundo de la misma manera que los humanos, y por lo tanto, ser capaces de explicar de manera humana por qué están tomando decisiones, advertirnos cuando está fallando y, más importante aún, la razón por la que está fallando. Este propósito es muy similar a los fines propuestos para la inteligencia artificial en general, excepto que la percepción de máquina solo otorgaría a las máquinas una sensibilidad limitada, en lugar de otorgarles una conciencia completa, autoconciencia e intencionalidad.
Visión computacional
La visión computacional es un campo que incluye métodos para adquirir, procesar, analizar y comprender imágenes y datos de alta dimensión del mundo real para producir información numérica o simbólica, por ejemplo, en la forma de decisiones. La visión computacional tiene muchas aplicaciones ya en uso hoy en día, como el reconocimiento facial, el modelado geográfico e incluso el juicio estético.
Sin embargo, las máquinas aún luchan por interpretar la información visual de manera precisa si es borrosa o si el punto de vista desde el que se ve el estímulo varía con frecuencia. Los computadores también luchan por determinar la naturaleza adecuada de algunos estímulos si se superponen o se tocan suavemente por otro estímulo. Esto se refiere al Principio de Continuidad Buena. Las máquinas también luchan por percibir y registrar la función de los estímulos según el Principio del Movimiento Aparente, que es un campo de investigación en la psicología de la Gestalt.
Oído computacional
El oído computacional, también conocido como escucha computacional o audición computacional, es la capacidad de un computador o máquina para captar y procesar datos de sonido, como el habla o la música.
Este área tiene una amplia gama de aplicaciones, incluyendo la grabación y compresión de música, la síntesis y reconocimiento del habla. Además, esta tecnología permite que la máquina replique la capacidad del cerebro humano para enfocarse selectivamente en un sonido específico entre muchos otros sonidos competitivos y ruido de fondo. Esta capacidad se llama "análisis de escena auditiva". La tecnología permite que la máquina segmente varios flujos que ocurren al mismo tiempo.
Muchos dispositivos comúnmente utilizados, como los smartphones, los traductores de voz y los coches, utilizan alguna forma de oído computacional. La tecnología actual aún tiene desafíos en la segmentación del habla. Esto significa que a veces no puede dividir correctamente las palabras dentro de las oraciones, especialmente cuando se habla con acento atípico.
Tacto computacional
El tacto computacional es un área de percepción de máquina donde la información táctil es procesada por una máquina o computador. Las aplicaciones incluyen la percepción táctil de las propiedades de la superficie y la destreza, donde la información táctil puede habilitar reflejos inteligentes e interacción con el entorno. Aunque esto podría realizarse mediante la medición de cuándo y dónde ocurre la fricción, así como la naturaleza e intensidad de la fricción, las máquinas aún no tienen manera de medir algunas experiencias físicas humanas comunes, incluyendo el dolor físico. Por ejemplo, los científicos aún no han inventado un sustituto mecánico para los nociceptores del cuerpo y el cerebro que son responsables de notar y medir el malestar y el sufrimiento humanos.
Olfato computacional
Los científicos están desarrollando computadores conocidos como olfato computacional que pueden reconocer y medir olores también. Se detectan y clasifican los compuestos químicos en el aire con un dispositivo a veces conocido como nariz electrónica.
Gusto computacional
Futuro
Además de los mencionados anteriormente, algunos de los obstáculos futuros que la ciencia de la percepción de máquina aún debe superar incluyen, pero no se limitan a:
- Cognición encarnada: La teoría de que la cognición es una experiencia de cuerpo completo, y por lo tanto solo puede existir, y por lo tanto puede medirse y analizarse, plenamente si todas las capacidades y procesos humanos requeridos funcionan juntos a través de una red de sistemas mutuamente conscientes y solidarios.
- El paradoja de Moravec (ver el enlace)
- El Principio de Similitud: La capacidad que desarrollan los niños pequeños para determinar a qué familia pertenece un estímulo nuevo, incluso cuando el estímulo es diferente de los miembros con los que el niño usualmente asocia esa familia. (Un ejemplo podría ser un niño que deduce que un chihuahua es un perro y una mascota en lugar de un roedor.)
- La inferencia inconsciente: El comportamiento natural humano de determinar si un nuevo estímulo es peligroso o no, qué es y cómo relacionarse con él sin requerir ningún esfuerzo consciente nuevo.
- La capacidad innata de los humanos para seguir el principio de probabilidad para aprender de las circunstancias y los demás con el tiempo.
- La teoría de reconocimiento por componentes: ser capaces de analizar y dividir mentalmente incluso los mecanismos complejos en partes manejables con las que interactuar. Por ejemplo: una persona que ve tanto las partes de la taza y el asa que conforman una taza llena de chocolate caliente, para usar el asa para sostener la taza para evitar quemarse.
- El principio de la energía libre: determinar con antelación cuánta energía se puede delegar de manera segura para estar consciente de las cosas fuera de uno mismo sin perder la energía necesaria para mantener su vida y función satisfactoriamente. Esto permite que uno sea consciente de manera óptima del mundo a su alrededor sin agotar su energía tanto que experimenta estrés perjudicial, agotamiento de la toma de decisiones y / o agotamiento.
Ver también
Sensación robótica
Sensores
SLAM
Historia de la inteligencia artificial
Referencias