{"id":1198,"date":"2026-07-09T07:06:00","date_gmt":"2026-07-09T07:06:00","guid":{"rendered":"https:\/\/com-proff.com\/?p=1198"},"modified":"2026-07-08T15:07:27","modified_gmt":"2026-07-08T15:07:27","slug":"lineas-y-analisis-de-investigacion-en-ai","status":"publish","type":"post","link":"https:\/\/com-proff.com\/en\/tecnologia\/lineas-y-analisis-de-investigacion-en-ai\/","title":{"rendered":"L\u00edneas y an\u00e1lisis de investigaci\u00f3n en AI"},"content":{"rendered":"
\"\"<\/figure>\n\n\n\n

Los bloques<\/strong><\/h2>\n\n\n\n

Durante m\u00e1s de una d\u00e9cada los investigadores en Al han explorado modos de permitir que los ordenadores reconociesen e interpretase escenas simples formadas por bloques colocados aleatoriamente. Varios programas de ordenador alcanzaron cierta notoriedad por su capacidad para comportarse inteligentemente en las tareas citadas y con bloques de diferentes tama\u00f1os. La simulaci\u00f3n con bloques tiene la ventaja de simplificar el mundo real. Facilita el desarrollo de t\u00e9cnicas para la identificaci\u00f3n de l\u00edneas rectas, esquinas, etc., y se puede ampliar para describir escenas m\u00e1s complejas. Pero tambi\u00e9n se admite que la simulaci\u00f3n con bloques es tan limitada que los procedimientos asociados de comprensi\u00f3n de im\u00e1genes no se pueden generalizar a aplicaciones en el mundo real. Todos los sistemas de visi\u00f3n por ordenador utilizan supuestos que limitan el entorno en cuesti\u00f3n a fin de facilitar su manejo.<\/p>\n\n\n\n

Consideremos el ejemplo de una c\u00e1mara de televisi\u00f3n contemplando una matriz de bloques. La imagen se digitaliza y se guarda en la memoria del ordenador como una matriz de n\u00fameros que representan las intensidades de determinados puntos de imagen. Antes de que el ordenador pueda comenzar a interpretar dicha matriz de n\u00fameros, hay que utilizar diversos procedimientos de filtrado y optimizaci\u00f3n para mejorar la informaci\u00f3n almacenada en memoria (por ejemplo, el ruido afecta inevitablemente la precisi\u00f3n de la imagen). Para conseguir la necesaria optimizaci\u00f3n se pueden aplicar diversos procedimientos y reglas. Por ejemplo, si un punto de imagen es ocho veces m\u00e1s brillante que sus ocho vecinos inmediatos, se procede a reducir su intensidad, y a los puntos m\u00e1s oscuros se les puede aplicar un procedimiento. Pero hay que tener cuidado de que estos procedimientos no deterioren otras caracter\u00edsticas de las im\u00e1genes.<\/p>\n\n\n\n

Una vez que se ha filtrado y optimizado la imagen, el ordenador puede acometer los diferentes procedimientos de an\u00e1lisis. Una vez m\u00e1s no ser\u00eda pr\u00e1ctico depender de plantillas de bloques o cajas, ya que \u00e9stas pueden tener formas tan variadas como las triangulares. En su lugar se utilizan \u201cmini plantillas” para identificar elementos locales en la imagen: por ejemplo, despu\u00e9s de analizar media docena de puntos de imagen se descubre que forman parte de un borde vertical. Las diferentes mini plantillas se pasan secuencialmente por la imagen y se memorizan las coincidencias que tengan lugar. Uno de los problemas de este planteamiento es que se necesitan muchos tipos de plantilla para las diferentes caracter\u00edsticas de imagen -bordes verticales izquierdos, bordes brillantes, bordes agudos, bordes suaves, bordes difusos, etc. La tarea se puede simplificar sustituyendo la imagen por puntos en un dibujo de trazos y utilizando las plantillas para encontrar la orientaci\u00f3n de las l\u00edneas. A veces el programa puede seguir los bordes del croquis y explorando los puntos m\u00e1s brillantes de la vecindad, en cuyo caso no hay necesidad de utilizaci\u00f3n de las plantillas.<\/p>\n\n\n\n

Sabida la orientaci\u00f3n de las l\u00edneas, se pueden agrupar segmentos lineales para formar l\u00edneas de mayor longitud. Usando procedimientos similares se puede construir toda la imagen paso a paso. El ordenador se programa para que identifique todas las l\u00edneas como l\u00edmites de objetos reales. Por consiguiente, las esquinas se se\u00f1alan como l\u00edneas que se unen, las l\u00edneas independientes no se salen del contorno, los espacios entre segmentos de l\u00ednea se rellenan, etc. El procedimiento es an\u00e1logo a como los seres humanos utilizan los conocimientos previos para interpretar informaci\u00f3n visual (por ejemplo, los datos dispares que proporciona la estereopsis).<\/p>\n\n\n\n

Las im\u00e1genes de bloques y otros objetos se pueden analizar tambi\u00e9n en t\u00e9rminos de regiones y l\u00edneas. Por ejemplo, se puede asumir razonablemente que todos los puntos de una figura con la misma intensidad son parte de una misma regi\u00f3n (de hecho, las imperfecciones de una figura llevan a la b\u00fasqueda de zonas m\u00e1s significativas). Los programas de regiones mezclan diferentes zonas de imagen si \u00e9stas forman parte de una misma superficie. Para tal fin los programas usan varias reglas (tales como: mezcla \u00e1reas adyacentes si la diferencia entre sus Intensidades medias es muy peque\u00f1a). El enfoque de las zonas, como el de los bordes, puede producir errores. Por ejemplo, se pueden unir o separar zonas equivocadamente. La investigaci\u00f3n en Al trata de generar programas que no caigan en estos errores.<\/p>\n\n\n\n

Identificaci\u00f3n de objetos reales<\/strong><\/h2>\n\n\n\n

Al nivel m\u00e1s simple, cuando un ordenador analiza una Imagen est\u00e1 tratando solamente con objetos bidimensionales. El enlace entre la figura y el mundo tridimensional real es obvio para el hombre, pero totalmente obscuro para el ordenador. Si un ordenador ha de identificar objetos en el mundo real, debe estar equipado para diferenciar entre im\u00e1genes y escenas tridimensionales. Uno de los primeros programas de an\u00e1lisis de escenas (escrito por L. G. Roberts en 1965) pod\u00eda desenvolverse competentemente en un mundo habitado por cajas cuadradas o rectangulares, cu\u00f1as o pir\u00e1mides, o alguna combinaci\u00f3n de dichas formas elementales. Este programa est\u00e1 basado en las propiedades geom\u00e9tricas fundamentales de los objetos para predecir c\u00f3mo aparecer\u00e1n en la imagen. Seguidamente, el dibujo se analiza para verificar las predicciones (por ejemplo, se asume que dos tri\u00e1ngulos adyacentes deben ser caras de una pir\u00e1mide). El programa considera tambi\u00e9n las distorsiones debidas a la perspectiva.<\/p>\n\n\n\n

Otros programas toman en consideraci\u00f3n las caracter\u00edsticas del fondo de la escena (que podr\u00eda inducir a confusiones), y elementos tales como la luz y el sombreado. La finalidad de casi todos estos programas es identificar objetos y escenas definidas por l\u00edneas rectas: las curvas son m\u00e1s problem\u00e1ticas. Se ha sugerido que la investigaci\u00f3n sobre visi\u00f3n artificial se puede ver obstaculizada si se concentra demasiado en el estudio de croquis. El ojo se preocupa menos de las l\u00edneas que de los colores, texturas, movimientos, posiciones relativas, etc. Posiblemente la investigaci\u00f3n futura aprovechar\u00e1 las posibilidades inherentes de los sistemas basados en conocimientos. Sabemos, por ejemplo, que en el hombre el reconocimiento visual est\u00e1 muy relacionado con la memorizaci\u00f3n masiva de informaci\u00f3n. Nuestra visi\u00f3n est\u00e1 determinada por nuestras capacidades computacionales y experiencia acumulada. Los ordenadores aumentar\u00e1n su eficiencia visual cuando adopten estrategias similares. Puede ser \u00fatil para los ordenadores organizar, por ejemplo, sus prioridades visuales como las de los humanos. Tendemos a fijarnos preferentemente en los elementos m\u00e1s significativos de una escena, no en las minucias (aunque podemos centrarnos en cualquier objeto en caso necesario). Nuestras preocupaciones influyen lo que vemos. La atenci\u00f3n, influida por determ\u0131nadas pautas, puede variar el enfoque, y esta com\u00fan circunstancia puede influir dram\u00e1ticamente en la visi\u00f3n. Los ordenadores podr\u00edan aprender a centrar su atenci\u00f3n en aspectos particulares de una escena, dependiendo de los objetivos prevalentes de la tarea a ejecutar.<\/p>","protected":false},"excerpt":{"rendered":"

Los bloques Durante m\u00e1s de una d\u00e9cada los investigadores en Al han explorado modos de permitir que los ordenadores reconociesen e interpretase escenas simples formadas […]<\/p>\n","protected":false},"author":2,"featured_media":1199,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[224],"tags":[293,292],"class_list":["post-1198","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-tecnologia","tag-ai","tag-investigacion"],"_links":{"self":[{"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/posts\/1198","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/comments?post=1198"}],"version-history":[{"count":1,"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/posts\/1198\/revisions"}],"predecessor-version":[{"id":1200,"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/posts\/1198\/revisions\/1200"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/media\/1199"}],"wp:attachment":[{"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/media?parent=1198"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/categories?post=1198"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/tags?post=1198"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}