Se ha intentado desarrollar por separado los algoritmos necesarios para computar los diferentes elementos que combinados producen la visión; v. g.: ver un Mercedes rojo y saber lo que es. Poggio,1984, por ejemplo, explora la secuencia de algoritmos que:
– extrae información del contorno de una imagen iluminada.
– ya partir de dichos contornos calcula la profundidad del objeto en un entorno de tres dimensiones
Es decir, nos estamos refiriendo a la estereopsis, el familiar fenómeno de la visión estereoscópica que ha sido investigado, entre otros, por el Laboratorio de Inteligencia Artificial del Instituto Tecnológico de Massachusetts (MIIT). Hay que señalar que la estereopsis como otros procesos fisiológicos aparentemente sencillos ha demostrado ser muy difícil de implantar en sistemas automáticos pese a disponer de abundante evidencia empírica sobre el fenómeno.
La luz se refleja (o se emite) desde un entorno de tres dimensiones en una matriz retiniana bidimensional.
En el MIT, por ejemplo, tales sensores forman una matriz de 1000 por 1000 valores de intensidad lumínica. Cada uno de ellos es un pixel. Obviamente hay que efectuar varios procesos computacionales sobre la información suministrada por la célula o matriz bidimensional receptora para poder reconstruir una imagen precisa del mundo exterior. Varios procesos (módulos) trabajan en paralelo y en serie para construir los diferentes aspectos de la imagen. Por ejemplo, se precisan varios módulos de visión para construir una imagen tridimensional. Se necesitan módulos adicionales para hacer frente a otras características intrínsecas de las formas: sombreado, movimiento, oclusiones, etc., además de la información correspondiente, a la estereopsis. Se comienza procesando la imagen inicial (la respuesta sensorial de la retina o de la matriz de sensores), pero para otros módulos puede ser más idóneo trabajar con imágenes posteriores (pre computadas).
En los animales que poseen visión binocular, cada ojo ve el mundo desde un ángulo diferente. Ello significa que el cerebro recibe información dispar pero pertinente. La estereopsis depende de la decodificación de información dispar para conseguir una eficaz representación tridimensional. Esto implica complejos cálculos matemáticos. La estereopsis es un proceso de cuatro etapas: elegir la ubicación de una imagen retiniana; medir sus posiciones: de la disparidad entre las dos medidas calcular la distancia a la ubicación.
Las dos primeras etapas (es decir, encontrar la proyección de un mismo punto del mundo físico en cada ojo) son realmente problemáticas. ¿Cómo adaptar, por ejemplo, dos matrices bidimensionales de células punto por punto? Los trabajos de Bela Julesz en los Laboratorios Bell de ATT sobre estereogramas de puntos aleatorios han ayudado a los investigadores a formular los objetivos del cálculo matemático de la estereopsis. Hay que adaptar los elementos de las dos imágenes sin depender de la identificación de los objetos o de sus partes. El cerebro realiza esta tarea haciendo suposiciones sobre el mundo físico que restringen el problema oportunamente. David Marr y Tomasso Poggio, trabajando en el MIT en 1976, descubrieron que simples suposiciones sobre superficies físicas (v. g.: que las variaciones en profundidad de una superficie sólo son discontinuas en los límites) pueden hacer el problema manejable por los algoritmos estereopsis que puede ejecutar un ordenador. Este descubrimiento produjo nuevas perspectivas al problema de la estereopsis: por ejemplo, la importancia de la intensidad en la interpretación de la imagen.
Poggio (1984) comentaba que “el análisis de una combinación de argumentos informáticos y datos biológicos sugiere que el primer paso importante para la estereopsis y otros procesos visuales es la detección y marcado de los cambios de intensidad en una imagen a diferentes escalas espaciales”. La ejecución del algoritmo estereoscópico de Marr/Poggio implica la ejecución de una serie de cálculos matemáticos, ello significa que el ordenador puede ejecutar uno de los procedimientos fundamentales requeridos por la visión. Grinson, también del MIT, implementó y amplió el algoritmo citado. Una contribución importante, por ejemplo, para el análisis de fotografías aéreas y para una eficaz simulación de muchas de las cualidades de la percepción de profundidad por el ojo humano.
Otra consecuencia de este tipo de investigación es destacar la importancia de los conocimientos previos. Resumiendo, lo que conocemos determina lo que vemos (u oímos, etc.). Ello tiene muchas Implicaciones en el diseño de sistemas de Al. Además, existe una influencia recíproca: los progresos en informática afectan nuestra visión de la percepción humana (por ejemplo, la investigación sobre programas de ordenador que interpretan imágenes muestran cómo se usa el conocimiento y la pericia en la percepción). Una vez más queda claro cómo complejos procedimientos computacionales son el núcleo de las más simples actividades perceptivas. Incluso para identificar un simple elemento en el campo de visión hay que realizar tareas tales como:
– discernir entre puntos de diferente intensidad
– decidir cómo agrupar determinadas características
– determinar las características a ignorar
– determinar los elementos contiguos no relacionados
– hacer inferencias respecto a partes u objetos ocultos
– estar atento a aparentes inconsistencias para redirigir la atención a la adquisición de nuevos datos
– identificar claves del tipo de escena considerada para discriminar entre diferentes interpretaciones de la evidencia disponible
– reconocer qué interpretaciones sencillas y evidentes pueden ser erróneas
Estos y otros procesos importantes para la visión requieren diferentes tipos de computaciones, por ejemplo, ver e identificar una línea como una línea. El conocimiento previo (es decir, estructuras reprogramadas) es esencial para la ejecución de las diferentes tareas subyacentes en el fenómeno de la visión y en otras actividades perceptivas (Sloman,1978, se sorprendía de como Emmanuel Kant, que desconocía la informática, podía haber postulado en el siglo dieciocho la necesidad del conocimiento previo para las cualidades cognoscitivas humanas). No cabe duda de que la visión requiere una compleja gama de procesos computacionales cooperativos y que éstos se pueden modelar en los sistemas artificiales. Quizás los sistemas de Al desarrollen métodos desconocidos en los sistemas biológicos, pero, tomando en consideración la superlativa eficiencia del ojo humano, una profunda comprensión de los sistemas biológicos de visión beneficiará el desarrollo de la Al.
Belén Stettler, oriunda de Río Gallegos, Santa Cruz, Argentina, cuenta con 35 años y es Licenciada en Ciencias de la Comunicación Social por la Universidad de Buenos Aires (UBA). A lo largo de sus 13 años de trayectoria en comunicación política, ha trabajado como consultora en Buenos Aires, especializándose en estrategia, investigación y comunicación directa. Ha dirigido equipos de comunicación en diversas campañas. Su experiencia incluye roles importantes en la Obra Social del Personal de Seguridad Pública de Buenos Aires, la Vicejefatura de Gobierno de Buenos Aires, Claves Creativas, Ford Argentina y AkzoNobel, iniciando su carrera en Grupo Suessa Organización Empresaria.
