Unidad 4. Visión artificial: cómo reconoce imágenes una IA

Curso de Inteligencia Artificial · Bloque I: Fundamentos · Nivel inicial
Tiempo orientativo: 2 sesiones de 55 minutos.
Materiales: ordenador, navegador y editor de texto. No es necesario usar la cámara ni fotografiar a compañeros.

Antes de empezar

Tú puedes reconocer una bicicleta en una fotografía casi al instante. También puedes leer un cartel, identificar un semáforo o darte cuenta de que una imagen está borrosa. Pero ¿cómo consigue un ordenador realizar tareas parecidas?

La visión artificial, también llamada visión por computador o computer vision, es un área de la IA que desarrolla técnicas para extraer e interpretar información de imágenes y vídeos. Sus aplicaciones pueden reconocer objetos, encontrar regiones de interés, leer texto y ayudar a analizar imágenes médicas o industriales.

Al finalizar serás capaz de: explicar qué es la visión artificial; distinguir clasificación, detección y reconocimiento de texto; describir el recorrido de una imagen por un sistema de IA; identificar factores que afectan a sus resultados y analizar las consecuencias de un error.

4.1. ¿Qué es la visión artificial?

En la visión humana, nuestros ojos captan luz y nuestro cerebro interpreta lo que vemos. Un sistema informático sigue otro procedimiento: recibe información de una cámara, un escáner u otro dispositivo, transforma esa señal en datos y utiliza algoritmos para buscar patrones o generar una interpretación.

Cuando decimos que una máquina «ve», utilizamos una metáfora. Un ordenador no observa el mundo exactamente como una persona. Trabaja con representaciones digitales que puede procesar, y la interpretación depende del diseño y de los datos utilizados.

Una cámara captura imágenes formadas por píxeles, pequeñas unidades que contienen información de color o intensidad. Por ejemplo, una imagen en color suele representar cada píxel mediante componentes rojo, verde y azul (RGB). Los algoritmos de visión artificial trabajan con estos valores y con relaciones entre regiones de la imagen para realizar tareas.

4.2. ¿Cómo funciona un sistema de visión artificial?

Aunque existen múltiples técnicas, podemos explicar un caso sencillo mediante cinco etapas:

1. Captura: obtenemos una imagen o un fotograma de vídeo mediante una cámara, archivo o sensor.
2. Preparación: ajustamos el tamaño, el formato o los valores de la imagen cuando es necesario.
3. Análisis: un algoritmo o modelo identifica características y patrones relevantes.
4. Interpretación: el sistema genera una categoría, una localización o una descripción según la tarea.
5. Resultado y revisión: presentamos la salida y, cuando importa la precisión, comprobamos si es correcta.

Por ejemplo, una aplicación puede recibir la fotografía de un gato y devolver la categoría «gato». Si está diseñada para localizar animales dentro de una escena, también puede señalar el lugar en el que aparece cada uno. Estas son tareas relacionadas, pero no iguales.

4.3. Clasificación, detección y reconocimiento de texto

Clasificación de imágenes

Consiste en asignar una o varias categorías a una imagen. Por ejemplo, decidir si una fotografía representa principalmente una bicicleta o un automóvil. La clasificación no indica necesariamente dónde está el objeto.

Detección de objetos

Consiste en localizar objetos e identificar su categoría. Un sistema puede dibujar un rectángulo alrededor de una bicicleta y otro alrededor de una persona. Esta función es útil en control industrial, asistencia a la conducción y análisis de escenas.

Reconocimiento óptico de caracteres (OCR)

Consiste en identificar letras, números y símbolos presentes en una imagen para convertirlos en texto procesable. Por ejemplo, digitalizar una página impresa para poder buscar palabras o copiar su contenido. Puede cometer errores si el texto está borroso, torcido, tapado o escrito con una caligrafía difícil de interpretar.

Otros usos

La visión artificial también puede analizar imágenes médicas, comprobar productos en una cadena de fabricación, ayudar en agricultura o interpretar información visual de un robot. La responsabilidad y el nivel de supervisión deben ajustarse al riesgo de cada aplicación.

4.4. ¿Por qué puede equivocarse una IA que analiza imágenes?

Imagina que un clasificador ha aprendido a reconocer señales de tráfico usando fotografías tomadas de día y con buena iluminación. Después recibe una fotografía nocturna, con lluvia y una señal parcialmente oculta. Su precisión podría empeorar porque las condiciones se alejan de las imágenes con las que se ha entrenado.

Entre los factores que pueden influir encontramos la iluminación, el ángulo, la distancia, las sombras, la resolución, los objetos tapados, las diferencias del entorno y la calidad de los datos. En la práctica pueden intervenir varios factores a la vez.

Se suelen distinguir dos tipos generales de error:

• Falso positivo: el sistema afirma que ha encontrado algo que en realidad no está presente.
• Falso negativo: el sistema no detecta algo que sí está presente.

Las consecuencias dependen del caso. Confundir un dibujo en un juego puede ser una anécdota; ignorar un obstáculo importante en un sistema de asistencia a la conducción puede resultar peligroso. Por ello, no todas las aplicaciones admiten el mismo margen de error.

4.5. Experimento con dibujos: Quick, Draw!

En la actividad Quick, Draw! de Google, una red neuronal intenta adivinar qué objeto estás dibujando. Es un recurso útil para observar que el reconocimiento se basa en patrones aprendidos y que puede fallar con dibujos poco habituales.

Para utilizarlo abre https://quickdraw.withgoogle.com/?locale=es. El juego propone distintos objetos y ofrece unos segundos para dibujarlos. Observa qué respuestas genera la herramienta durante el proceso.

Este experimento nos permite plantearnos preguntas importantes: ¿qué rasgos parecen ayudar a reconocer una bicicleta?, ¿qué ocurre si olvidamos las ruedas?, ¿el sistema reconoce de igual manera dibujos realizados por personas diferentes? El objetivo no es ganar, sino analizar cómo cambia la predicción.

La propia herramienta informa de que los dibujos contribuyen a conjuntos de datos empleados en investigación. Por ello, dibuja objetos genéricos y evita escribir nombres u otra información personal.

4.6. Reconocimiento facial: capacidades y riesgos

Algunos sistemas comparan características de un rostro con imágenes de referencia para tratar de verificar una identidad. Otros solo detectan que existe un rostro en una escena. Detectar un rostro y reconocer la identidad de una persona son tareas diferentes.

La postura, la iluminación, las oclusiones y las diferencias entre los datos de entrenamiento y los usuarios reales pueden influir en los resultados. Además, la identificación biométrica exige especial atención a la privacidad, la proporcionalidad, la seguridad y los requisitos legales aplicables.

Para aprender sobre estas limitaciones no necesitamos capturar ni subir fotografías reales de compañeros. Podemos utilizar ejemplos sintéticos, imágenes autorizadas o una actividad de reconocimiento de dibujos, que evita muchos riesgos innecesarios.

4.7. Lectura automática de textos

Una aplicación de OCR permite extraer texto de carteles, apuntes impresos o imágenes de documentos. En buenas condiciones puede ahorrar mucho tiempo; cuando hay letra manuscrita, bajo contraste o mala calidad, puede fallar.

Si una herramienta confunde una cifra en una factura, una fecha de un documento o una unidad de una receta, el error puede tener consecuencias importantes. Por eso debemos comprobar siempre los datos extraídos cuando vayan a utilizarse para tomar decisiones.

Actividad 1. ¿Puede una IA reconocer tus dibujos?

Duración: 25 minutos · Modalidad: individual o por parejas.

1. Abre Quick, Draw! en español.
2. Completa una partida y anota al menos seis objetos que te haya pedido dibujar.
3. Registra si el sistema los reconoció correctamente.
4. Elige un dibujo que haya sido difícil de reconocer y describe qué le faltaba o qué podía confundirse con otro objeto.
5. Calcula el porcentaje de aciertos: (objetos reconocidos / total de objetos) × 100.
6. Explica por qué ese porcentaje, obtenido con pocos dibujos, no sirve para medir de forma rigurosa la precisión general del sistema.

Entrega: tabla de observaciones y un párrafo de conclusión.

Actividad 2. Detecta el tipo de tarea

Duración: 15 minutos · Modalidad: parejas.

Relaciona cada ejemplo con clasificación, detección de objetos o OCR y justifica tu respuesta:

• A. Un programa determina que una imagen contiene principalmente un perro.
• B. Una aplicación coloca un rectángulo alrededor de cada bicicleta de una fotografía.
• C. Un programa extrae las palabras escritas en un cartel.
• D. Un sistema revisa fotografías para decidir si muestran una manzana o una naranja.
• E. Una herramienta identifica dónde aparecen señales de stop en una imagen urbana.

Ampliación: ¿cuál de esas tareas necesitaría conocer la posición del objeto, además de su categoría?

Actividad 3. Diseña un sistema responsable

Duración: 20 minutos · Modalidad: grupos de 3.

Un ayuntamiento quiere utilizar cámaras para localizar automáticamente contenedores desbordados. Diseña el proyecto sin programarlo:

1. Describe la entrada, el proceso y la salida.
2. Indica qué fotografías necesitarías para evaluar su funcionamiento en distintas condiciones de luz.
3. Propón un posible falso positivo y un falso negativo.
4. Explica cómo evitarías recoger o conservar innecesariamente imágenes de personas.
5. Decide qué acciones puede ejecutar automáticamente el sistema y cuáles deberían revisarse por una persona.

Producto a entregar: esquema IPO y propuesta de cinco medidas de calidad y responsabilidad.

Comprueba lo aprendido

1. Define visión artificial con tus propias palabras.
2. ¿En qué se diferencia clasificar una imagen de detectar objetos dentro de ella?
3. ¿Qué función realiza el OCR?
4. Menciona cuatro condiciones que pueden perjudicar el reconocimiento de objetos.
5. Explica por qué un falso negativo puede tener consecuencias diferentes según la aplicación.

En resumen

La visión artificial permite obtener información útil de imágenes y vídeos mediante técnicas informáticas e IA. Sus tareas incluyen clasificar imágenes, detectar objetos y reconocer texto. Sus resultados dependen de los datos, las condiciones de captura y el modelo empleado. Comprender sus errores y sus implicaciones éticas resulta fundamental antes de utilizarla en situaciones reales.

Fuentes y créditos

• Education Bureau, Hong Kong (2023). Module on Artificial Intelligence for Junior Secondary Level, Booklet 1, Unit 4, pp. 37–47. Material original del alumnado.
• Google Creative Lab. Quick, Draw! (versión en español), recurso práctico de aprendizaje automático.
• Elaboración propia para TICenelAula. Desarrollo didáctico, actividades e ilustraciones originales.