Al permitir que los modelos vean el mundo de forma más parecida a como lo ven los humanos, el trabajo podría ayudar a mejorar la seguridad de los conductores y arrojar luz sobre el comportamiento humano.

La visión periférica permite a los humanos ver formas que no están directamente en nuestra línea de visión, aunque con menos detalle. Esta capacidad amplía nuestro campo de visión y puede resultar de ayuda en muchas situaciones, como por ejemplo detectar un vehículo que se acerca a nuestro coche por el lateral.

 

 

A diferencia de los humanos, la IA no tiene visión periférica. Equipar modelos de visión por ordenador con esta capacidad podría ayudar a detectar peligros que se aproximan de manera más efectiva o predecir si un conductor humano notaría un objeto que se aproxima.

 

Dando un paso en esta dirección, los investigadores del MIT (Instituto Tecnológico de Massachusetts) han desarrollado un conjunto de datos de imágenes que les permite simular la visión periférica en modelos de aprendizaje automático. Han descubierto que entrenar modelos con este conjunto de datos mejoraba la capacidad de los modelos para detectar objetos en la periferia visual, aunque los modelos aún funcionaban peor que los humanos.

 

Sus resultados también revelaron que, a diferencia de los humanos, ni el tamaño de los objetos ni la cantidad de desorden visual en una escena tuvieron un fuerte impacto en el rendimiento de la IA.

 

Construir modelos de aprendizaje automático que puedan ver el mundo de forma más parecida a como lo ven los humanos puede ayudar a mejorar la seguridad del conductor. Además, estos modelos podrían usarse para desarrollar pantallas que sean más fáciles de ver para las personas.

 

Además, una comprensión más profunda de la visión periférica en los modelos de IA podría ayudar a los investigadores a predecir mejor el comportamiento humano, añade la autora principal Anne Harrington.

 

Más información en https://news.mit.edu

 

 

---

Volver al listado