Ir al contenido principal

Una nueva manera de dar lecciones de manejo a los vehículos autónomos

El etiquetado automático acelera el aprendizaje automático

Algunos predicen que hasta 33 millones de vehículos autónomos podrían llegar a circular por las carreteras del mundo para 2040.

Pero para que esto sea realidad, los automóviles, camiones, y autobuses sin conductor del futuro, tendrán que ser seguros.

Una innovadora compañía en Taiwán enfrenta este masivo desafío tecnológico. Utiliza una forma de IA para enseñar a otros sistemas de IA cómo “ver” hacia dónde van los vehículos y qué hay alrededor de ellos mientras viajan.

Paul Shieh, fundador y CEO de Linker Networks, menciona que su compañía trabaja con fabricantes globales de autos que tratan de crear sistemas IA que puedan conducir vehículos con una funcionalidad perfecta de reconocimiento de imagen. Para conseguir esto, los sistemas utilizan aprendizaje automático para reconocer millones de imágenes digitales de otros objetos, incluidos otros vehículos, caminos, señalizaciones, peatones, y una gran cantidad de otras características y objetos.

Para hacer esto, las imágenes de todas estas cosas primero deben ser identificadas y etiquetadas.

Shieh explica, “En la actualidad, a muchas compañías se les dificulta contratar a miles de trabajadores que quieren realizar esta labor de imágenes de manera manual. Es algo que consume tiempo y es una labor intensa. Más aún, cada trabajador debe mantener un enfoque implacable en la tarea, lo que deja abierta la posibilidad del error natural humano. Un solo error es todo lo que se requiere para afectar la calidad del conjunto de datos y disminuir el desempeño general, y por lo tanto, el nivel de seguridad de un modelo”.

Etiquetado manual
El etiquetado manual consume mucho tiempo y es una labor intensiva. Por ejemplo, etiquetar un solo auto toma a un trabajador 30 segundos.

Como ejemplo, Shieh menciona que etiquetar a un solo auto toma a un trabajador hasta 30 segundos – lo que coloca a la duración requerida para que mil trabajadores procesen cantidades más grandes de imágenes, digamos 100 millones, en más de un año.

Pero imaginen poder etiquetar todos esos datos con un solo clic. Esa es la promesa del auto etiquetado – la más reciente aventura en IA de Linker Networks.

Inventar la vía rápida

Al usar un modelo pre-entrenado para etiquetar imágenes digitales, el sistema reconoce objetos a través de tecnología de transferencia de aprendizaje – un método que permite a las máquinas aplicar conocimiento existente a varios escenarios similares. Por ejemplo, los sistemas entrenados para reconocer autos pueden aplicar el mismo algoritmo para reconocer otros vehículos, como autobuses o camiones.

“Si ingresas una imagen que tiene alrededor de cien automóviles en ella y oprimes el botón de auto etiquetado, la mayoría de ellos serán etiquetados de manera automática en sólo unos segundos con una precisión muy alta”, comentó Shieh. “Esto ahorra mucho tiempo y mejora la calidad del reconocimiento de imagen”.

Conducción autónoma
Empleados como Cindy Chao, que antes realizaba etiquetado manual, han recibido entrenamiento para realizar control de calidad de los algoritmos de etiquetado automático, también conocido como enseñanza automática.

Las tasas de precisión también se han incrementado. Al mismo tiempo, las inspecciones y correcciones manuales aún se llevan a cabo, para asegurar una precisión de los datos cercana al 100 por ciento.

El proceso permite que millones de imágenes sean etiquetadas en menos de un día, lo cual representa una reducción del 70 por ciento en tiempo en comparación con el etiquetado manual. La compañía también ve ahorros en costos de más del 60 por ciento.

Shieh comparte que, “El modelo de auto etiquetado de Linker utiliza el servicio Microsoft Azure Machine para reducir costos, impulsar la productividad y mejorar la precisión al permitir a los clientes seleccionar imágenes para auto etiquetar y almacenar”.

IA en conducción autónoma
En última instancia, con la IA, la meta de Linker Networks es que los fabricantes de automóviles construyan vehículos más inteligentes y seguros.

Los empleados que realizaban el etiquetado manual han recibido entrenamiento para realizar el control de calidad de los algoritmos de etiquetado automático, conocido como enseñanza automática. El modelo de IA busca obtener conocimiento de la gente en lugar de extraerlo sólo de los datos. Con personas que guían a los sistemas de IA para aprender las cosas que ya saben, el trabajo requiere pensamiento crítico y algunas tareas repetitivas y monótonas.

“Los científicos de datos de Linker son capaces de enfocarse en desarrollar la IA y dejar que Azure se haga cargo de escalar sus labores de entrenamiento de IA”, explicó Shieh.

Otras posibilidades

En última instancia, con la IA, la meta de la compañía es que los fabricantes de automóviles construyan vehículos más inteligentes y seguros. Con la tecnología de etiquetado automático, Linker Networks imagina una capacidad de auto conducción segura en un futuro cercano.

Además de en la conducción autónoma, el etiquetado automático puede ser utilizado en fábricas para detectar defectos en productos, identificar robos en tiendas minoristas y perfilar vehículos para fortalecer la seguridad. Shieh comentó, “El sistema de etiquetado automático nos permite aprovechar todos los beneficios de IA, para impulsar a las personas a hacer lo que mejor hacen, mientras se mejoran la eficiencia y la seguridad”.