{"id":1228,"date":"2026-07-28T12:19:25","date_gmt":"2026-07-28T12:19:25","guid":{"rendered":"https:\/\/com-proff.com\/?p=1228"},"modified":"2026-07-28T12:19:27","modified_gmt":"2026-07-28T12:19:27","slug":"programas-de-vision-y-el-uso-de-la-ai","status":"publish","type":"post","link":"https:\/\/com-proff.com\/en\/tecnologia\/programas-de-vision-y-el-uso-de-la-ai\/","title":{"rendered":"PROGRAMAS DE VISI\u00d3N Y EL USO DE LA AI"},"content":{"rendered":"
\"\"<\/figure>\n\n\n\n

La historia de la inteligencia sint\u00e9tica en cualquier campo del saber es predominantemente la cronolog\u00eda de programas pioneros: software dise\u00f1ado para comportarse inteligentemente en aplicaciones concretas. As\u00ed es en la investigaci\u00f3n sobre la visi\u00f3n, como lo es tambi\u00e9n en la resoluci\u00f3n de problemas, en el juego de partidas, en la demostraci\u00f3n de problemas, etc. Podemos indicar unos cuantos programas de visi\u00f3n como importantes ejemplos en un campo en r\u00e1pida expansi\u00f3n. Roberts, ya mencionado, eligi\u00f3 un entorno de cubos, s\u00f3lidos rectangulares, cu\u00f1as y prismas hexagonales para desarrollar un programa que pudiese analizar la fotograf\u00eda de una escena e identificar todos los objetos visibles en ella. Utilizando nuestros conocimientos sobre la geometr\u00eda de la toma de fotograf\u00edas (por ejemplo, la posici\u00f3n, de la c\u00e1mara y la distancia focal), el programa trabaja a partir de la semejanza entre la fotograf\u00eda y la realidad: preguntando si una transformaci\u00f3n permitida por las reglas puede haber producido la fotograf\u00eda usando uno o m\u00e1s de los modelos abstractos: cubos, prismas, etc. Se hace una evaluaci\u00f3n matem\u00e1tica del grado de congruencia, y las interpretaciones que caen fuera de determinado umbral se rechazan.<\/p>\n\n\n\n

Por tanto, el programa comienza haciendo un croquis de la fotograf\u00eda y buscando el modelo que mejor se adapta a ella. Cuando se detectan las caracter\u00edsticas bidimensionales asociadas con cada modelo, \u00e9stas se utilizan para indexar los modelos apropiados. Una hip\u00f3tesis de soporte supone que cada objeto descansa sobre otro objeto o sobre la superficie de referencia. Este supuesto facilita el c\u00e1lculo de la profundidad. Los planteamientos de Roberts han influido considerablemente sobre los esfuerzos posteriores de an\u00e1lisis de escenas. Otros investigadores han utilizado otros enfoques. Por ejemplo, el programa SEE de Adolfo Guzm\u00e1n se puede interpretar como un planteamiento m\u00e1s generalizado del an\u00e1lisis de croquis a base de l\u00edneas rectas, y no se basa ni en complejos procesos matem\u00e1ticos ni en teor\u00edas de identificaci\u00f3n de objetos tridimensionales encapsulados en una representaci\u00f3n bidimensional. Guzm\u00e1n se vio influido por el modo en que los seres humanos pueden distinguir los diferentes componentes de una escena compuesta por un conglomerado de objetos s\u00f3lidos \u00bfC\u00f3mo pueden los ordenadores hacer una proeza semejante?<\/p>\n\n\n\n

El programa SEE (desarrollado en 1965) busca uniones y zonas en la imagen, as\u00ed como pistas que indiquen que dos zonas forman parte de un mismo cuerpo. Las uniones, puntos en los que se unen dos o m\u00e1s l\u00edneas, se clasifican en funci\u00f3n de la geometr\u00eda de sus l\u00edneas incidentes. Las zonas alrededor de las uniones se analizan para hacer proposiciones heur\u00edsticas que permitan asignar las zonas a un cuerpo u otro. SEE fue el primer programa que utiliz\u00f3 uniones y v\u00e9rtices para ayudar a la identificaci\u00f3n de objetos tridimensionales. Una soluci\u00f3n muy utilizada en sistemas posteriores. SEE tiene tambi\u00e9n un programa complementario, BACGROUND, que sirve para seleccionar el fondo del croquis de una escena. Este programa se ha utilizado en un robot dise\u00f1ado en el MIT.<\/p>\n\n\n\n

Con un planteamiento similar al de Robert, G. Falk desarroll\u00f3 el programa INTERPRET que pod\u00eda identificar objetos visibles en una fotograf\u00eda y determinar sus posiciones respectivas en un espacio tridimensional. Sin embargo, Falk previ\u00f3 la posibilidad de entrada imperfecta para hacer frente a vistas pobres de algunos objetos y a la total ausencia de bordes definidos por una mala iluminaci\u00f3n. En este sistema se utilizaron nueve modelos para representar objetos tales como s\u00f3lidos rectangulares y cu\u00f1as. Para identificar objetos en la fotograf\u00eda se emple\u00f3 una estrategia de “hip\u00f3tesis y verificaci\u00f3n”. Despu\u00e9s de identificar los objetos, un croquis interpretativo de la escena se compara con el dibujo original. Se usan procedimientos heur\u00edsticos, como en los trabajos de Guzm\u00e1n y los posteriores de Huffman y Clowes, a fin de desarrollar un enfoque m\u00e1s sistem\u00e1tico del an\u00e1lisis de escenas. D. Waltz ampli\u00f3 estos trabajos para hacer frente a un mayor n\u00famero de contingencias y refinar el examen de uniones adyacentes mediante algoritmos de filtro. Estos tipos de programas trabaja a partir de croquis de escenas. En contraposici\u00f3n, el enfoque de Y Shirai es desarrollar sistemas que puedan encontrar l\u00edneas en fotograf\u00edas y generar l\u00edneas directamente de matrices de intensidad. Una tarea muy dif\u00edcil, porque imperfecciones en los sensores y en la fotograf\u00eda confunden el proceso de interpretaci\u00f3n: un buscador de l\u00edneas demasiado sensible interpreta el ruido como l\u00edneas, mientras que otro menos sensible interpreta el ruido como l\u00edneas, mientras que otro menos sensible ignora l\u00edneas reales. El enfoque de Shirai introduce en el procedimiento de b\u00fasqueda de l\u00edneas conocimientos espec\u00edficos de las escenas. Por ejemplo, si el sistema sabe (o supone) que un objeto determinado est\u00e1 formado por l\u00edneas de trazo fuerte, ello puede ayudarle a buscar las de trazo d\u00e9bil.<\/p>\n\n\n\n

Tambi\u00e9n se pueden ajustar los par\u00e1metros que conforman la sensibilidad para examinar en detalle zonas en las que se sospeche la existencia de una l\u00ednea. Para a\u00f1adir sofisticaci\u00f3n al proceso de b\u00fasqueda de l\u00edneas, el programa de Shirai incorpora diez heur\u00edsticos. Es interesante se\u00f1alar que la aplicaci\u00f3n de un determinado heur\u00edstico depende de las interpretaciones previas, es decir, la experiencia mejora el programa. Otro buscador de l\u00edneas inteligente, escrito por G. R. Grape en Stanford, usa modelos abstractos de los temas visuales esperados (poliedros convexos) para ayudar a interpretar la informaci\u00f3n de entrada. Como en el programa Shirai, se usan im\u00e1genes digitizadas de TV. El sistema Grape busca activamente l\u00edneas que pueden ser ambiguas en el contexto local, pero que son significativas cuando se contemplan desde una perspectiva m\u00e1s amplia. El programa, como la vista humana que puede hacer suposiciones err\u00f3neas, comete equivocaciones de vez en cuando. Por ejemplo, puede trazar un croquis err\u00f3neo relacionando elementos que no guardan entre s\u00ed ninguna relaci\u00f3n.<\/p>","protected":false},"excerpt":{"rendered":"

La historia de la inteligencia sint\u00e9tica en cualquier campo del saber es predominantemente la cronolog\u00eda de programas pioneros: software dise\u00f1ado para comportarse inteligentemente en aplicaciones […]<\/p>\n","protected":false},"author":2,"featured_media":1229,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[224],"tags":[269,289],"class_list":["post-1228","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-tecnologia","tag-ia","tag-vision"],"_links":{"self":[{"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/posts\/1228","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=1228"}],"version-history":[{"count":1,"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/posts\/1228\/revisions"}],"predecessor-version":[{"id":1230,"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/posts\/1228\/revisions\/1230"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/media\/1229"}],"wp:attachment":[{"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/media?parent=1228"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/categories?post=1228"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/tags?post=1228"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}