Reconocimiento facial: son capaces de identificar caras en imágenes y vídeos, lo que se usa en aplicaciones como el desbloqueo facial de smartphones y sistemas de seguridad.

Medicina: se emplean para diagnosticar enfermedades a través de imágenes médicas, como radiografías y resonancias magnéticas. También son útiles en la segmentación de imágenes para el estudio de órganos y tejidos.

Traducción automática de texto a lenguaje de signos: las CNN se aplican para traducir texto en lenguaje de signos, mejorando la accesibilidad para personas sordas.

Detección de estafas: se emplean para detectar actividades fraudulentas al analizar patrones de transacciones y comportamientos sospechosos.

Industria creativa: en la industria del entretenimiento, las redes neuronales convolucionales se utilizan para la generación de arte, el mejoramiento de imágenes y la creación de efectos visuales en películas y videojuegos.

Agricultura inteligente: las CNN se aplican en la detección de enfermedades en plantas, la clasificación de frutas y la gestión de cultivos.

Robótica: en este campo, las redes neuronales convolucionales permiten a los robots "ver" su entorno y tomar decisiones en tiempo real.

Búsqueda por voz de Google

Predicción de precios de acciones

Generación de texto, transcripciones y traducción automática

Generación de música

Predicción de niveles de inundaciones

Análisis de sentimientos

La visión por computadora es necesaria para habilitar los autos sin conductor. Los fabricantes como Tesla, BMW, Volvo y Audi utilizan múltiples cámaras, lidar, radar y sensores ultrasónicos para obtener imágenes del entorno para que sus autos autónomos puedan detectar objetos, marcas de carriles, señales y señales de tránsito para conducir de manera segura.

¿Qué se entiende por visión por computadora?

Computer Vision es un campo de la informática que se centra en permitir que los equipos identifiquen y comprendan objetos y personas en imágenes y vídeos.
¿Cómo se entrena la visión por computadora?

Los informáticos entrenan a las computadoras para que reconozcan datos visuales introduciendo grandes cantidades de información . Los algoritmos de aprendizaje automático (ML) identifican patrones comunes en estas imágenes o videos y aplican ese conocimiento para identificar imágenes desconocidas con precisión.

¿Cuál es la aplicación de la visión por computadora?

La visión artificial se ha aplicado ampliamente en tomografías computarizadas y análisis de resonancia magnética.

¿Qué es un algoritmo de visión por computadora?

Los algoritmos de visión artificial se refieren al conjunto de procedimientos y técnicas utilizados para permitir que las computadoras comprendan e interpreten datos visuales, como imágenes y vídeos, para realizar tareas como reconocimiento de objetos, segmentación de imágenes y detección de movimiento.

¿Qué es la visión por computadora y cómo se aplica en la robótica?

La visión por computadora permite a los robots interactuar con los humanos de una manera visualmente informada. Pueden comprender nuestros gestos, expresiones faciales y lenguaje corporal, lo que les permite interpretar y responder a las señales humanas.

• ¿Qué son? también conocidas como CNN (convolutional neural network) o ConvNet, es una clase de red neuronal diseñada para procesar datos utilizando un sistema que imita al ojo humano.

Funcionan de forma similar al cerebro humano. Se agrupan en capas para ir comprendiendo los diferentes niveles de abstracción. Primero se detectan los patrones más simples (líneas, curvas, etc.) y a continuación los más complejos (caras, objetos, etc.).

Cada capa de neuronas de la red neuronal convolucional aprende a detectar las diferentes características de una imagen de entrada. Se aplica un filtro o núcleo (kernel) a cada imagen para producir una salida, que se vuelve progresivamente mejor y más detallada después de cada capa. Los filtros iniciales son generalmente funciones simples.

En cada capa sucesiva los filtros son más complejos para verificar e identificar características que representan de forma única el objeto que representa la imagen de entrada a la ConvNet. Por lo tanto, la salida de cada imagen convolucionada (la imagen parcialmente reconocida después de cada capa) se convierte en la entrada para la siguiente capa. En la última capa, la CNN reconoce la imagen o el objeto que representa.

Ejemplo:

Identificación de rostros con bajos niveles de sesgo mediante la aplicación de la Inteligencia artificial. El reconocimiento biométrico facial es definido como una tecnología de inteligencia artificial que implementa comparaciones automáticas de diversos rasgos faciales.

La inteligencia artificial (IA) es un conjunto de algoritmos (reglas que definen con precisión un conjunto de operaciones) que permiten realizar cálculos para percibir, razonar y actuar. La IA es usada para llevar a cabo la realización de múltiples tareas, pero puede usarse para brindar mejoras a la inteligencia humana.

El sistema de reconocimiento se puede ajustar para una mayor eficiencia siempre y cuando se incremente el tamaño de los datasets generados por individuo para un posterior más robusto entrenamiento.

El lenguaje de programación Python brinda muchas facilidades para la programación de este tipo, refiriéndose a Visión Artificial como a Inteligencia artificial, con la gran cantidad de librerías que ofrecen métodos para una mejor experiencia en estos campos.

Algunos rasgos faciales pueden ser compartidos por una o más personas, para ello es mejor ampliar el tamaño de los datasets y así poder ser más específicos al entrenar a la red neuronal. Los datasets de imágenes solo son usados para crear el modelo, una vez esto esté hecho ya no es necesario mantenerlos, puede deshacerse de ellos o almacenarlos, de aquí en adelante para las predicciones sólo es necesario usar los valores que están dentro del modelo generado.

Redes Neuronales recurrentes:

• ¿Qué es? Una red neuronal recurrente (RNN) es un modelo de aprendizaje profundo que está entrenado para procesar y convertir una entrada de datos secuencial en una salida de datos secuencial específica.

Las RNN están formadas por neuronas: nodos de procesamiento de datos que trabajan juntos para realizar tareas complejas. Las neuronas se organizan en capas de entrada, salida y ocultas. La capa de entrada recibe la información para procesar y la capa de salida proporciona el resultado. El procesamiento, el análisis y la predicción de los datos se llevan a cabo en la capa oculta. 

Ejemplo:

La IA generativa en Amazon Web Services (AWS) brinda servicios, herramientas y recursos que puede utilizar para crear, administrar y escalar aplicaciones de IA tradicionales con tecnología avanzada basada en transformadores. Por ejemplo:

• Amazon SageMaker es un servicio totalmente administrado para preparar datos y crear, entrenar e implementar modelos de ML para cualquier caso de uso. Cuenta con una infraestructura, herramientas y flujos de trabajo totalmente administrados.

• Amazon Bedrock simplifica el desarrollo de la IA generativa al permitir la personalización y el despliegue de modelos fundacionales (FM) líderes del sector, de forma segura y eficiente.

• AWS Trainium es un acelerador de ML que puede utilizar para entrenar y escalar modelos de aprendizaje profundo en la nube, de forma asequible. 

Funciona mediante una infraestructura robusta de servicios en la nube diseñados para crear, estrenar, implementar y administrar aplicaciones basadas en IA y aprendizaje automático (ML). Estos servicios están optimizados para satisfacer las necesidades de usuarios desde principiantes hasta expertos en IA.

ML: Machine learning es definido como aprendizaje automático, y su uso está enfocado en el análisis masivo de datos.

Servicios de Machine Learning (ML) de AWS

AWS ofrece herramientas y servicios especializados en diferentes aspectos de Machine Learning y AI. Estos servicios incluyen:

• Amazon SageMaker: Una plataforma completa para construir, entrenar y desplegar modelos de ML. Permite desde crear y entrenar modelos hasta la implementación y monitoreo de los mismos en producción. SageMaker tiene herramientas como:

  • SageMaker Studio: Un entorno de desarrollo integrado (IDE) para ML.

  • SageMaker Autopilot: Para automatizar el proceso de construcción de modelos de ML sin necesidad de escribir código.

  • SageMaker Ground Truth: Para la creación de datos etiquetados que sirven como insumo para entrenar modelos.

  • SageMaker Pipelines: Para crear flujos de trabajo automáticos para modelos de ML.

• Amazon Comprehend: Un servicio de procesamiento de lenguaje natural (NLP) que permite analizar y extraer insights de texto, como sentimientos, entidades, temas y más.

• Amazon Polly: Transforma texto en voz (TTS, Text-to-Speech), permitiendo la creación de aplicaciones que hablen de manera natural.

• Amazon Rekognition: Servicio de análisis de imágenes y videos basado en IA que permite realizar tareas como detección de objetos, reconocimiento facial, y análisis de escenas.

• Amazon Lex: Motor para construir chatbots y asistentes conversacionales con tecnologías de procesamiento de lenguaje natural (NLP) y reconocimiento de voz.

• Amazon Translate: Servicio que ofrece traducción automática entre idiomas, utilizando IA avanzada para mejorar la precisión.

• AWS Deep Learning AMIs: Amazon Machine Images (AMIs) preconfiguradas con bibliotecas y frameworks populares de deep learning como TensorFlow, PyTorch y MXNet.

Bibliografía:

Campos, J. E. M. R., Rodríguez, C. S. C., Luján, L. D. A., & de los Santos, A. C. M. (2023). Sistema de reconocimiento facial para el control de accesos mediante Inteligencia Artificial. Innovación y Software, 4(1), 24-36.

AWS. (2024). ¿Qué es una RNN (red neuronal recurrente)?. Recuperado el 28 de noviembre 2024, sitio web: https://aws.amazon.com/es/what-is/recurrent-neural-network/#:~:text=Una%20red%20neuronal%20recurrente%20(RNN,salida%20de%20datos%20secuencial%20espec%C3%ADfica.

UNIR. (2024). ¿Qué son las redes convolucionales y para qué se usan?. Recuperado el 28 de noviembre de 2024. De sitio web: https://www.unir.net/revista/ingenieria/redes-neuronales-convolucionales/

Las redes neuronales recurrentes

(RNN, por sus siglas en inglés) son un tipo especial de red neuronal diseñado para procesar datos secuenciales, como texto, audio o series temporales.

Su característica distintiva es que tienen "memoria", lo que les permite utilizar información de entradas anteriores para influir en la salida actual.

Esto se logra mediante conexiones recurrentes en las capas ocultas, que almacenan el estado de la red y lo actualizan con cada nuevo dato en la secuencia. Gracias a esta capacidad, las RNN son ideales para tareas donde el contexto de los datos previos es importante.

Ejemplo

1. Procesamiento de lenguaje

natural (PLN):

• Predicción de texto: Completar frases o sugerir palabras (como en los teclados de móviles).

• Análisis de sentimientos:

Clasificar si un texto es positivo, negativo o neutral (reseñas o tweets).

• Traducción automática: Convertir frases de un idioma a otro (Google

Translate utiliza modelos avanzados basados en RNN).

2. Reconocimiento de voz:

• Convertir audio en texto (por ejemplo, subtítulos automáticos en

YouTube).

• Sistemas de dictado como Dragon

NaturallySpeaking.

Por ejemplo al momento de desbloquear un teléfono con el reconocimiento facial, lo que lee o analiza las facciones son algoritmos de visión por computadora y redes neuronales especializados, estos algoritmos leen tus facciones para procesarlos y analizar matemáticamente.

Estos algoritmos permiten identificar detalles únicos que te diferencian de otras personas.

las redes neuronales: son un método de inteligencia artificial (IA) que enseña a las computadoras a procesar datos de una manera similar a como lo hace el cerebro humano.

¿Qué es la búsqueda por voz y cómo funciona?

La búsqueda por voz es una tecnología que permite al usuario utilizar un comando de voz para buscar,en Internet en un sitio web o en una aplicación.

¿Qué es la búsqueda por voz de Google?

es un tecnología de Google que permiten utilizar google search hablando con un teléfono móvil con un ordenador.

¿Cómo funciona la voz de Google?

Google voice almacena, procesa y mantiene tu historial de llamada incluyendo números telefónicos de las persona que llama,y el número de teléfono de la persona que recibe la llamada.

¿Cómo funciona el reconocimiento de voz de Google?

Cuando dices ok google puedes obtener ayuda con las manos libres,ya que activa por voz tus dispositivos habilitados para el asistente. Puedes usar un altavoz o una pantalla inteligente con el asistente de google integrado.

¿Como hago que google reconozca mi voz?

Toca tu foto de perfil en la esquina superior derecha haz clic en HOLA GOOGLE y haz clic en comenzar toca siguiente y acepta.

Un software que procesa estos datos mediante algoritmos y son resguardados de manera cifrada en el almacenamiento local del teléfono.

Cuando el usuario vuelve a introducir sus datos para desbloquear el dispositivo, el software los procesa nuevamente para compararlos con la información que ya tiene almacenada y procede a dar el acceso o denegarlo.

Al activar Siri mediante un botón, Siri responde sólo con texto si el iPhone está en modo silencioso; si el dispositivo está en modo de tono, Siri responde en voz alta. La capacidad de Siri para comprender las solicitudes de los usuarios, como encontrar rutas a lugares cercanos y se basa en principalmente en el "El Pensamiento del lenguaje Natural" (PLN).

1. Cómo hacer funcionar a Siri

   • En un iPhone con Face ID: mantén presionado el botón lateral.

   • En un iPhone con botón de inicio: mantén presionado el botón de inicio.

   • Con unos EarPods: mantén presionado el botón central o de llamada.

   • Con CarPlay: mantén presionado el botón de comando de voz del volante o mantén presionado el botón de inicio de la pantalla de inicio de CarPlay.

   • Con Eyes Free de Siri: mantén presionado el botón de comando de voz ubicado del volante.

El reconocimiento facial es un proceso tecnológico que permite identificar o verificar la identidad de una persona a partir de su rostro. Este sistema utiliza varios métodos y técnicas, principalmente basados en la visión por computadora, el aprendizaje automático y la inteligencia artificial. A continuación te explico cómo funciona de manera general:

1. Captura de la imagen

El primer paso en el reconocimiento facial es capturar la imagen o video del rostro de una persona. Esto se puede hacer mediante una cámara digital, una cámara de seguridad, un teléfono móvil, entre otros dispositivos. La imagen debe ser lo suficientemente clara y con buena resolución para facilitar el análisis posterior.

2. Detección de la cara

Una vez que se ha capturado la imagen, el sistema necesita identificar dónde está la cara en la imagen. En esta fase, se utilizan algoritmos para detectar y localizar la cara de la persona entre el resto de los objetos presentes en la imagen. El algoritmo más comúnmente utilizado para este fin es el Haar Cascade Classifier, que detecta patrones faciales como los ojos, la nariz, y la boca.

3. Extracción de características

Cuando se detecta la cara, el siguiente paso es extraer características faciales únicas que puedan ser utilizadas para distinguir a esa persona de otras. Estas características pueden incluir:

• Distancias y posiciones de los ojos, nariz y boca.

• Curvas y contornos de la cara.

• Características geométricas y texturales que ayudan a diferenciar a una persona de otra.

En este proceso se utilizan técnicas como:

• Análisis de componentes principales (PCA): Permite reducir la dimensión de los datos, extrayendo las características más relevantes.

• Mapas de características (embeddings): Son representaciones matemáticas de las caras, que permiten comparar rostros a través de vectores numéricos.

• Redes neuronales convolucionales (CNN): Son algoritmos de aprendizaje profundo que ayudan a reconocer patrones faciales complejos.

4. Comparación y coincidencia

Después de extraer las características, el sistema compara los puntos clave de la cara con las caras almacenadas en una base de datos. Existen dos principales objetivos en este paso:

• Verificación facial: El sistema verifica si la persona en la imagen es quien dice ser. Es decir, compara la cara de la persona con una imagen preexistente en la base de datos (por ejemplo, en un pasaporte o en un teléfono móvil).

• Identificación facial: El sistema identifica a la persona de entre un grupo de personas posibles. Esto se hace comparando la cara detectada con todas las imágenes almacenadas en una base de datos para determinar a quién pertenece.

5. Decisión

Finalmente, el sistema toma una decisión basada en los resultados de la comparación. Si el sistema encuentra una coincidencia suficiente entre las características faciales extraídas y las de la base de datos, se puede concluir que la persona está correctamente identificada o verificada.

El aparato (por ejemplo, un teléfono móvil, una cámara de seguridad, o cualquier sistema de reconocimiento facial) realiza el reconocimiento facial mediante una serie de pasos que combinan técnicas de procesamiento de imágenes, inteligencia artificial y aprendizaje automático. A continuación te explico detalladamente cómo funciona el proceso, paso a paso:

1. Captura de la Imagen o Video

El primer paso para realizar el reconocimiento facial es capturar una imagen o secuencia de video del rostro de una persona. Esto se hace utilizando una cámara, que puede ser la cámara frontal de un teléfono móvil, una cámara de seguridad o cualquier otro dispositivo de captura.

• Sensor de la cámara: El dispositivo utiliza un sensor para capturar la luz reflejada por la cara de la persona y convertirla en una imagen digital.

• Condiciones de iluminación: La calidad del reconocimiento puede depender de la iluminación. Algunos sistemas, como los de los teléfonos móviles, usan tecnologías de infrarrojos para mejorar el rendimiento en entornos oscuros o con poca luz.

Asistentes virtuales (RNN y
LSTM):

• Siri, Alexa o Google Assistant para procesar y responder preguntas.

Los asistentes virtuales como Siri, Alexa o Google Assistant utilizan redes neuronales recurrentes

(RNN) y sus variantes avanzadas como LSTM para procesar y responder preguntas de manera eficiente. Estos modelos son esenciales para interpretar, entender y generar lenguaje natural (PLN).

¿Cómo funcionan las RNN/LSTM en asistentes virtuales?

1. Reconocimiento de voz:

• Utilizan RNN o LSTM para convertir señales de audio en texto.

• Ejemplo: Al decir "¿Cómo está el clima hoy?", el asistente traduce la señal de audio en la pregunta textual.

2. Comprensión del lenguaje

natural (NLU):

Una vez que el texto está procesado, las RNN analizan el contexto de las palabras y su relación.

• Ejemplo: "¿Clima?" y "hoy" se combinan para identificar que se trata de una consulta meteorológica.

3. Generación de respuesta:

Las RNN generan la respuesta en texto basándose en la consulta.

• Ejemplo: Responden "Hoy

estará soleado con una temperatura de 25°C".

4. Conversión de texto a voz:

• Las LSTM convierten la respuesta generada en texto a una salida de audio fluida y natural.