Inspirándose en las técnicas de análisis genético, los investigadores de Harvard y del MIT han demostrado una mejor manera de construir sistemas de visión artificial de bajo costo y alto rendimiento, con la ayuda de de hardware de videojuegos.

El proceso neuronal involucrado en el reconocimiento visual del objeto más simple en un entorno natural, es el más difícil de imitar. A pesar de eso, los investigadores David Cox  de Harvard y Nicolás Pinto del MIT se han unido para lograr procesar información visual dentro de datos utilizables, como la habilidad del cerebro humano para procesar información en una especie de sistema de “ingeniería inversa” biológico.

Para lograr esto, en vez de procesar un modelo a la vez, utilizan técnicas de muestreo de biología molecular, donde una multitud de organismos candidatos o compuestos se proyectan en paralelo para encontrar a los que tienen una propiedad de interés particular.

Utilizando unidades de procesamiento informático común, el esfuerzo habría requerido años o millones de dólares en hardware de cómputo. En su lugar, construyeron un poderoso sistema de cómputo paralelo mediante el aprovechamiento de la actuales GPUs, así el análisis se realiza en una sola semana y a un bajo costo.

Este enfoque de alto rendimiento se podría aplicar a otras áreas de visión por ordenador, tales como identificación de un rostro, seguimiento de un objeto, detección de peatones y reconocimiento de gestos, aparte de ayudar a los científicos a entender mejor los componentes que hacen un buen sistema de visión artificial.

En un futuro hipotético, estos avances junto con la realidad aumentada harían posible el escaneo y reconocimiento visual de un robot, como el T-800. Un robot que en la ciencia ficción posee un CPU con un procesador de red neuronal o unidad de aprendizaje considerado el procesador más potente con  grandes bases de datos que mejora la capacidad del Terminator.

Link: Researchers demonstrate a better way for computers to ‘see’ (Physorg)