Posts Tagged ‘redes neuronales’

Copias súper realistas de la tecnología deepfake plantean dudas sobre la seguridad y sus repercusiones

sábado, marzo 27th, 2021

El rápido crecimiento de la tecnología ha generado dudas sobre la transgresión de derechos de autor, la seguridad de Internet, la pornografía de venganza y la propaganda política.

Ciudad de México, 27 de marzo (RT).- A finales de febrero, en la red social TikTok se hicieron virales varios videos en los que supuestamente aparece el actor estadounidense Tom Cruise. En la cuenta deeptomcruise se publicaron tres clips que, en total, obtuvieron más de 10 millones de visitas. Sin embargo, quien aparece en las imágenes no es el artista, sino su copia súper realista, creada con el uso de redes neuronales y la ayuda de la tecnología deepfake.

En el primer video, un hombre que se hace pasar por Tom Cruise saluda a los usuarios y luego golpea una pelota en un campo de golf. En el segundo, habla de un encuentro con el exlíder de la URSS, Mijaíl Gorbachov, y en el tercero, realiza un truco con una moneda.

Las tres grabaciones muestran a una persona que se hace pasar por el famoso actor de Hollywood, donde se mueve, habla e interactúa activamente con el entorno. A pesar de que no hay rastros de superposición obvia de caras en los videos, en realidad, en ninguno de estos aparece Tom Cruise.

“ATRAÍDOS POR LA ILUSIÓN”

Chris Ume, un especialista en efectos visuales de video de Bélgica, afirmó a la revista Fortune que él creó el material audiovisual viral, pero no está claro quién interpreta a la estrella de cine. Por su parte, el imitador de Cruise, Evan Ferrante, comentó a la publicación Mic que cree que es otro actor llamado Miles Fisher, que se parece al artista y que había hecho reproducciones de él en el pasado.

Ferrante señaló que también usa deepfakes, trabajando con los mejores profesionales de la industria. No obstante, subrayó que los imágenes recientes están “recibiendo muchos elogios, porque la tecnología sigue mejorando cada vez más”.

“La gente se siente atraída por la ilusión y la gente se siente atraída por personas parecidas por alguna razón, porque a la gente le gusta ser engañada o cuestionar las cosas”, apuntó el imitador.

LA TECNOLOGÍA DEEPFAKE

Los deepfakes son generados y manipulados por la inteligencia artificial, con mayor frecuencia cambiando la cabeza o el rostro de una persona por el cuerpo de otra. En el caso del video, las imágenes podrían haber sido tomadas de múltiples fuentes, como fotos o clips de las películas de Cruise, para crear la falsificación animada y mostrar cómo se ve su cara desde varios ángulos con diferentes luces y movimientos.

Con respecto a los videos del Tom Cruise simulado, TikTok comentó a The Times que no permite falsificaciones digitales “que engañan a los usuarios al distorsionar la verdad de los eventos y causar daño al sujeto del video, a otras personas o a la sociedad”. Sin embargo, admite que deeptomcruise permanezca activo porque el nombre de usuario deja en claro que no estaban tratando de engañar a los espectadores.

[youtube wq-kmFCrF5Q]

LAS DUDAS Y LAS IMPLICACIONES

El rápido crecimiento de la tecnología ha generado dudas sobre la transgresión de derechos de autor, la seguridad de Internet, la pornografía de venganza y la propaganda política. En ese sentido, los datos de MIT Technology Review confirman que la mayoría de los deepfakes desde finales de 2018 han sido utilizados para generar contenidos de pornografía no consensuada, como poner la cabeza de una exnovia en el cuerpo de una estrella de cine para adultos.

Rachel Tobac, directora ejecutiva de la empresa de seguridad en línea SocialProof, aseguró a The New York Post que los videos de Cruise están tan bien hechos que sus implicaciones dan miedo.

“Los deepfakes impactarán la confianza pública, proporcionarán encubrimiento y negación plausible para los delincuentes o abusadores capturados en video o audio, y serán (y son) utilizados para manipular, humillar y lastimar a las personas”, aseveró Tobac.

ESTE CONTENIDO ES PUBLICADO POR SINEMBARGO CON AUTORIZACIÓN EXPRESA DE RT. VER ORIGINAL AQUÍ. PROHIBIDA SU REPRODUCCIÓN. 

Regresión probatoria profunda, un sistema para saber qué tan confiables son las redes neuronales de IA

domingo, diciembre 6th, 2020

Los investigadores estiman que conocer el nivel de incertidumbre en las decisiones tomadas por esos sistemas podría brindar resultados más seguros.

Ciudad de México, 6 de diciembre (RT).- Un grupo de investigadores del Instituto de Tecnología de Massachusetts (MIT, por sus siglas en inglés) y de la Universidad de Harvard, ambas de EU, desarrollaron un sistema para saber si las conclusiones de los sistemas de inteligencia artificial conocidos como redes neuronales de aprendizaje profundo son correctas o no. La utilidad del proceso radica en que este tipo de redes son cada vez más utilizadas en la vida cotidiana, como en la conducción de un vehículo autónomo o en la medicina.

Para ello, elaboraron una forma rápida para que la red no solamente genere una predicción, sino que también determine el nivel de confianza en los resultados, con base en la calidad de los datos con los que se cuenta. Para ello, Alexander Amini, estudiante de doctorado en el Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT (CSAIL, por sus siglas en inglés), recurrió a un enfoque llamado “regresión probatoria profunda“, con el que se podría llegar a resultados más seguros.

“Necesitamos la capacidad no sólo de tener modelos de alto rendimiento, sino también de comprender cuándo no podemos confiar en esos modelos”, afirmó Amini. Por su parte, Daniela Rus, profesora del CSAIL, agregó: “Esta idea es importante y aplicable ampliamente. Se puede utilizar para evaluar productos que se basan en modelos aprendidos. Al estimar su incertidumbre, también aprendemos cuánto error esperar del modelo y qué datos faltantes podrían mejorarlo”.

EFECTIVIDAD DEL 99 POR CIENTO

En cuanto a la efectividad que tienen los procesos de las redes neuronales, Amini aseguró que “son realmente buenas para saber la respuesta correcta el 99 por ciento de las veces”. Sin embargo, manifestó su preocupación “por ese 1 por ciento”, por lo que es necesario “detectar esas situaciones de manera confiable y eficiente”.

Para ello, desarrollaron una forma que permite a la red tomar una decisión y reflejar las evidencias que la apoyan. De esta manera, se puede determinar si esa incertidumbre puede ser reducida o si la información con la que trabajó la red no es precisa.

Este procedimiento fue probado a través del análisis de una imagen en color monocular y estimaron un valor de profundidad (distancia desde la lente de la cámara) para cada píxel. Este tipo de cálculos son los que podría utilizar un vehículo de conducción autónoma para determinar su cercanía con otro vehículo o con un peatón.

La red proyectó un alto nivel de incertidumbre referida a los píxeles en los que la profundidad que predijo fue incorrecta. “Estaba muy calibrado para los errores que comete la red, que creemos que fue una de las cosas más importantes para juzgar la calidad de un nuevo estimador de incertidumbre”, explicó Amini.

“Cualquier usuario del método, ya sea un médico o una persona en el asiento del pasajero de un vehículo, debe ser consciente de cualquier riesgo o incertidumbre” asociados con las decisiones de la red señaló Amini, quien estima que el sistema también utilizará el resultado para tomar decisiones que eviten el peligro. “Cualquier campo que vaya a tener aprendizaje automático, en última instancia, debe tener un conocimiento confiable de la incertidumbre”, concluyó.

ESTE CONTENIDO ES PUBLICADO POR SINEMBARGO CON AUTORIZACIÓN EXPRESA DE RT. VER ORIGINAL AQUÍ. PROHIBIDA SU REPRODUCCIÓN.

¿Un auto que frene solo ante una emergencia? Las redes neuronales spiking podrían hacerlo posible

lunes, julio 9th, 2018

La magia reside en un algoritmo que responde por el conductor ante una posible emergencia. Éste trabaja como un pequeño cerebro que es capaz de procesar unos datos, de pensar. Hasta el momento, los expertos han centrado las simulaciones en sistemas de frenada y tracción, frente a una situación peligrosa, en la que se activa ese control neuronal.

Cabina de automóvil
Foto: TICBeat

Ciudad de México, 9 de julio (TICBeat/SinEmbargo).- Puede sonar a ciencia ficción, pero un grupo de investigadores españoles quiere reproducir de forma artificial cómo piensa la mente para dirigir los movimientos, por ejemplo de una pierna, o a la hora de conducir. En ello trabajan los expertos de la Universidad de Málaga, quienes han  empleado redes neuronales de impulso (spiking neural networks, modelos artificiales que actúan de forma muy similar a las biológicas), a la hora de procesar la información y dar las órdenes a un miembro artificial.

Estas redes neuronales spiking, consideradas como la tercera generación de estas estructuras, se activan a través de impulsos, y se basan en operaciones matemáticas que simulan el funcionamiento del cerebro. La novedad del estudio es su aplicación en control activo en vehículos.

Esta innovación mejora la fiabilidad en la conducción de un ser humano, que solo depende de la vista y de la sensación de velocidad ante una frenada. Por el contrario, estos sistemas, al recoger más datos como la velocidad exacta del vehículo, la potencia del motor, la humedad o la temperatura ambiente, van a responder mejor que un ser humano.

En ese sentido, la magia reside en un algoritmo que responde por el conductor ante una posible emergencia. Éste trabaja como un pequeño cerebro que es capaz de procesar unos datos, de pensar. Hasta el momento, los expertos han centrado las simulaciones en sistemas de frenada y tracción, frente a una situación peligrosa, en la que se activa ese control neuronal.

Otra de las aplicaciones consiste en el perfeccionamiento de exoesqueletos robóticos, es decir, armazones artificiales que ayudan a una persona a mover partes de su cuerpo que no puede articular por sí misma. Por ejemplo, el control de un brazo biomecánico, a través de los impulsos que estas redes neuronales artificiales envían desde el cerebro.

En el campo de la ingeniería destacan otras utilidades, como por ejemplo en la industria, regulando la temperatura de los reactores, la velocidad de los motores o la distribución de los materiales o de la maquinaria. Funcionarán a través de pequeños algoritmos que pensarán cada vez de forma más compleja por sí solos.

ESTE CONTENIDO ES PUBLICADO POR SINEMBARGO CON AUTORIZACIÓN EXPRESA DE TICBeat. Ver ORIGINAL AQUÍ. PROHIBIDA SU REPRODUCCIÓN.

Investigadores trabajan en la obtención de petróleo sintético a partir de biomasas

lunes, julio 11th, 2016

Los investigadores han propuesto, en un artículo recientemente publicado en la revista científica Fuel, utilizar redes neuronales artificiales para determinar el poder calorífico de cada tipo de biomasa utilizando su composición, ya que se trata de un material muy irregular y es difícil tratarla utilizando las tecnologías convencionales.

Foto: TICbeat

Foto: TICbeat

Por Marcos Merino

Ciudad de México, 11 de julio (SinEmbargo/TICbeat).- El grupo de investigación de Procesos Catalíticos para la Valorización de Residuos de la Universidad del País Vasco trabaja en diversas líneas de investigación en torno a las energías renovables, una de las cuales corresponde a la obtención de bioóleos o petróleo sintético a partir de biomasa (materia orgánica no fósil, una de las principales fuentes de energía y calor en el ámbito de las renovables).

Los investigadores han propuesto, en un artículo recientemente publicado en la revista científica Fuel, utilizar redes neuronales artificiales para determinar el poder calorífico de cada tipo de biomasa utilizando su composición, ya que se trata de un material muy irregular y es difícil tratarla utilizando las tecnologías convencionales.

El grupo ha analizado el proceso de creación de una refinería para obtener bioóleos o petróleo sintético de biomasa, en colaboración con investigadores de la Universidad de Sao Carlos de Brasil y en el marco de un proyecto europeo. “Después, del bioóleo producido se pueden lograr los mismos productos que se obtienen del petróleo, tanto hidrógeno, como cualquier otro compuesto”, explica Martín Olazar, líder del proyecto. El reactor cónico de lecho en surtidor –patentado por el equipo– resulta muy apropiado para este proceso, debido a que es capaz de tratar materiales irregulares y adherentes.

REDES NEURONALES ARTIFICIALES 

En el diseño del proceso de obtención de bioóleos a partir de biomasa hay que determinar ciertas variables: qué temperatura se ha de obtener, cómo obtener esa temperatura, cuánto combustible hay que quemar, etc. El poder calorífico bruto es un parámetro clave en la determinación de todos esos datos, pero las correlaciones existentes en la bibliografía dan resultados muy variables, en función de cada tipo de biomasa y sus características.

Por tanto, los investigadores del grupo proponen utilizar redes neuronales artificiales para estimarlo. Han probado experimentalmente que el sistema da muy buenos resultados: han alimentado el sistema con datos tanto bibliográficos como de sus propias investigaciones, y han observado que obtienen resultados muy fiables y en muy poco tiempo.

“Estas redes neuronales deben ser continuamente alimentadas —explica Olazar—, ya que los resultados mejoran a medida que se introducen casuísticas más amplias […] Este es uno de los eslabones de la cadena del proceso de obtención de petróleo sintético en base a nuestra tecnología, y se trata de un eslabón muy útil”, concluye Olazar.

ESTE CONTENIDO ES PUBLICADO POR SINEMBARGO CON AUTORIZACIÓN EXPRESA DE TICbeat. Ver ORIGINAL aquí. Prohibida su reproducción.