Los sistemas de Inteligencia Artificial aún tienen algunas cosas por mejorar, como es poder identificar y clasificar algunas imágenes de la naturaleza, tarea que un ser humano promedio podría realizar de manera bastante sencilla. Esto vulnera la seguridad de programas como reconocimiento facial o autos con piloto automático.
Investigadores de la Universidad de California en Berkeley, la Universidad de Chicago y la Universidad de Washington recopilaron un conjunto de datos que llamaron ImageNet-A que demostraron fallas en el rendimiento de los clasificadores de imágenes de varios sistemas de cómputo. Por ejemplo, el sistema DenseNet-121 sólo logró acertar en 2% de los casos.
El recopilado de siete mil 500 imágenes son momentos cotidianos de la naturaleza que engañan a las máquinas al tratar de clasificar qué objetos aparecen. Así, varias computadoras confunden fotos de libélulas con plátanos, velas como uñas o mariposas como lavadoras.
Las computadoras confundieron a una ardilla con un león marino y un hongo con un pretzel.
También pensaron que era un colibrí las fotos de abejas y de caracoles.
Otros errores recurrentes fueron tomar como limosina lo que era un águila calva o por una silla lo que era una ardilla.
En 2017, la comunidad científica creía que el test de Image-Net había sido superado y que mejoras a los sistemas de Inteligencia Artificial no eran necesarios. Sin embargo, esta nueva prueba muestra que hay ciertas imágenes que resultan complicadas de clasificar para las computadoras.
El clima, variaciones del encuadre, objetos parcialmente cubiertos y mucha textura o color en la foto son algunos de los motivos de las fallas de reconocimiento que los investigadores reportaron.
lar