.

Apple publicó recientemente los detalles de un sistema llamado VolexNet que es capaz de reconocer peatones y vehículos a partir de datos tridimensionales.

Robótica

La guerra por el coche autónomo obliga a Apple a abandonar su cultura del secretismo

1

A diferencia de rivales como Google y Facebook, la compañía tendía a mantener ocultos sus proyectos. Pero la ferocidad del sector ha provocado un cambio de estrategia. La semana pasada, su equipo de inteligencia artificial presentó algunos de los proyectos en los que trabaja

  • por Will Knight | traducido por Teresa Woods
  • 13 Diciembre, 2017

En un taller privado para investigadores de inteligencia artificial (IA) celebrado la semana pasada, investigadores de Apple ofrecieron un extraño adelanto de algunas tecnologías de aprendizaje automático para coches autónomos en los que la empresa está trabajando.

Dirigiéndose a una audiencia exclusiva de investigadores del sector, el director de IA de Apple, Ruslan Salakhutdinov, comentó varios proyectos que podrían estar relacionados con la conducción autónoma.

Las charlas tuvieron lugar el pasado viernes, durante la conferencia de Sistemas de Procesamiento de Información Neuronal (NIPS, por sus siglas en inglés). Es el evento académico de inteligencia artificial más grande del año, y atrajo a miles de investigadores, incluidos muchos de compañías tecnológicas rivales. Pero las charlas de Apple estaban diseñadas para demostrar su destreza y atraer a posibles reclutas.

Salakdinov, quien se unió a Apple en 2016 pero que aún ocupa un puesto como profesor de la Universidad Carnegie Mellon (EE. UU.), presentó un proyecto previamente divulgado por la compañía en un documento publicado en internet el mes pasado. Este proyecto consiguió que un sistema aprendiera a reconocer peatones y otros vehículos a partir de información de puntos en 3D alojados en la nube.

Otros de los proyectos que se presentaron en las charlas incluyeron un método para clasificar diferentes objetos durante un trayecto mediante cámaras colocadas en la parte superior de un vehículo, y un método para usar el metraje de la cámara para rastrear su posición con mucha precisión. Esta técnica, conocida como SLAM visual (siglas procedentes del nombre completo en inglés: simultaneous localization and mapping, o localización y mapeo simultáneos), podría ser utilizada para la conducción autónoma pero también para la realidad aumentada y virtual.

Los rumores de que Apple está trabajando en la conducción autónoma no son nuevos. Aunque la empresa no ha llegado a reconocer públicamente sus esfuerzos en este tipo de vehículos, su interés ha ido quedando claro a raíz de una serie de filtraciones (ver Se confirma el secreto peor guardado de Apple: trabaja en coches autónomos). Por ejemplo, la empresa ha solicitado un permiso para probar vehículos autónomos en California (EE. UU.) y El CEO de Apple, Tim Cook, también confirmó el rumor cuando le dijo a Bloomberg que su compañía está "centrada en sistemas autónomos", algo que también describió como "la madre de todos los proyectos de inteligencia artificial" (ver Tras meses de rumores y pruebas, por fin Apple admite que trabaja en un coche autónomo).

El director de aprendizaje automático de Apple y profesor de la Universidad de Washington en Seattle (EEUU), Carlos Guesterin, habló después de Salakhutdinov sobre varios de los proyectos de aprendizaje automático a gran escala de la compañía, incluido el sistema de reconocimiento facial desarrollado para el iPhone X (ver El reconocimiento facial es sólo el principio. La siguiente parada del 'smartphone' está en el iris).

Guesterin aseguró a los investigadores que trabajar para Apple no implica que no puedan publicar investigaciones. También anunció que Apple está desarrollando una herramienta de fuente abierta llamada Turi Create, diseñada para facilitar el aprendizaje automático. Guesterin se unió a Apple después de que su start-up, Turi, fuera adquirida por Apple el año pasado.

Aunque la empresa de la manzana trabaja en muchas tecnologías de aprendizaje automático para sus productos, solo publica una pequeña parte de su trabajo en comparación con competidores como Google y Facebook (ver Google se alza como primer investigador del mundo en inteligencia artificial). Por lo general, Apple prefiere no hablar de sus investigaciones para evitar dar pistas a sus rivales sobre futuros productos.

El hecho de que Apple haya abandonado esta cultura del secretismo y empezado a publicar investigaciones de aprendizaje automático y a hablar más abiertamente sobre algunos proyectos dice mucho sobre la batalla actual entre las empresas tecnológicas por el talento de aprendizaje automático. La compañía incluso ha lanzado su propia revista, Machine Learning Journal, donde ha publicado detalles de varios proyectos relacionados con la IA.

El evento de la semana pasada atrajo a investigadores de grandes universidades y de empresas tecnológicas, incluidas Google y Facebook. Nvidia, Uber, Microsoft, Facebook y otras celebraron fiestas fastuosas durante la conferencia que estuvieron repletas de investigadores. Para no quedarse atrás, Apple celebró su propia fiesta varias horas después de la charla técnica.

Robótica

 

La inteligencia artificial y los robots están transofrmando nuestra forma de trabajar y nuestro estilo de vida.

  1. La nueva IA de IBM gana debates aunque no entiende sus argumentos

    Project Debater podría liderar cualquier club de debate. El programa repasa miles de textos e información para elaborar argumentos capaces de refutar cualquier punto de vista. Eso sí, no le pida que explique sus ideas, porque la máquina no comprende nada de lo que dice

  2. Cómo convertir a los robots asesinos en compañeros inofensivos

    Los cobots industriales deben permanecer confinados por su riesgo de herir a sus colegas humanos. Pero el nuevo enfoque de la 'start-up' Veo Robotics logra que las máquinas sean mucho más seguras al ralentizar sus movimientos cuando identifican que una persona se les aproxima

  3. Un nuevo enfoque de IA resuelve un cubo de Rubik sin ayuda humana

    La técnica, bautizada como iteración autodidacta, funciona en sentido inverso para que la máquina aprenda a distinguir los movimientos buenos de los malos. Gracias a ella, el sistema es capaz de resolver el 100% de los rompecabezas en una media de 30 movimientos