Un dels sistemes més habituals del que anomenem intel·ligència artificial és l’aprenentatge profund, que es basa en un sistema de diferents capes de xarxes neuronals. En aquests casos cal entrenar el sistema mostrant-li milers de casos per tal que després sigui capaç de trobar la resposta correcta en casos nous, de la mateixa tipologia. Per exemple, podem entrenar la xarxa neuronal amb radiografies de pacients que tenen una determinada malaltia i amb unes altres de pacients que no la tenen. Un cop entrenada, a partir d’una radiografia nova ens podrà indicar si la persona pateix la malaltia o no i probablement l’encertarà.
Aquest tipus de tecnologia s’aplica ja a molts camps, des de la medicina fins a la gestió de webs de venda en línia. Avui en parlem perquè uns investigadors han decidit aplicar-ho a analitzar l’autoria d’obres d’art, en concret de pintures.
Si escanegem un quadre obtindrem una quantitat d’informació que depèn de la resolució triada. Si triem una resolució elevada, podrem disposar de molta informació però el seu tractament serà inabastable per treballar amb xarxes neuronals, especialment a l’hora d’entrenar-la. Si, en canvi, triem una resolució petita no serem capaços de treure cap conclusió fiable. En aquest cas, han optat per escollir només uns fragments de les pintures, aquells que puguin contenir més informació, i descartar la resta. Així, si la pintura té una figura amb molts detalls i un fons més aviat neutre, podem treballar amb zones de la part de la figura i prescindir de les del fons.
En aquest article de la revista IEEE Spectrum, expliquen que han obtingut coincidències molt semblants a les de reputats experts.
Cap comentari:
Publica un comentari a l'entrada