En la Universidad de Cambridge tienen un curioso departamento dedicado podríamos decir al análisis de diversas versiones del fin de mundo, apropiadamente llamado

• Centro para el Estudio de los Riesgos Existenciales (CSER)

Estos riesgos existenciales para la raza humana los han dividido en cuatro, que son básicamente eventos de baja probabilidad pero alto impacto, entre ellos:

• Riesgos tecnológicos extremos
• Riesgos biológicos catastróficos globales
• Riesgos extremos relacionados con el colapso del ecosistema
• Riesgos asociados a la Inteligencia Artificial

Cada apartado tiene interesantes contenidos y apuntes sobre qué tipo de eventos producirían estos problemas catastróficos: desde una inteligencia artificial controlando las armas militares y causando un desastre global por error al colapso del ecosistema debido a la emergencia climática global en que estamos inmersos o a una pandemia que borre a los seres humanos del mapa.

Para no verlo todo negativfo y ser un poco positifvos el CSER también se dedica a preparar trabajos y vídeos acerca de cómo mitigar o minimizar estos riesgos. Entre otros están cómo hacer que las IA sean más fiables, cómo conservar las semillas para que sobrevivan a un posible escenario apocalíptico y cosas así. Tranquiliza saber que al menos hay alguien pensando en todo esto.

(Vía Genís Roca + Pilar Kaltzada.)

Face Depixelizer es un interesante invento (basado en otro llamado PULSE) que consiste en regenerar un rostro a partir de una imagen de pocos píxeles. Es algo así como el «sueño de los CSI» y de los guionistas de series y películas: sacar algo de donde no hay, algo teórica y aparentemente imposible. Con la diferencia de que esto «funciona»… Más o menos.

Lo que hace el algoritmo basado en redes neuronales es básicamente crear un «rostro realista» a resolución aceptable que al ser reducido produzca la misma imagen pixelada que se utiliza como imagen de entrada, buscando que al mismo tiempo sea un rostro «perceptualmente realista». Lo que sucede es que esos rostros son en cierto modo inventados, como esas caras generadas mediante inteligencia artificial detrás de las cuales no hay una persona real. Se busca que el resultado final encaje… pero no siempre es algo exacto, porque puede haber muchas características diferentes del rostro que encajen con una misma reducción de tamaño.

Uno de los contraejemplos más claros es la despixelación del rostro de Barack Obama, que para los humanos resulta perfectamente reconocible incluso sumamente pixelado. ¿El problema? Al parecer el conjunto de datos con el que se ha entrenado la red neuronal está sesgado hacia las personas de raza blanca, de modo que tiende a mostrar resultados muy diferentes para las imágenes pixeladas de personas negras o asiáticas. Probablemente ampliando los datasets de entrenamiento la cosa podría mejorar un poco.

La gente se ha entretenido probando incluso con personajes de videojuegos y cómics, con resultados bastante raros cuando menos.

Está claro que es una herramienta interesante pero que no sirve como sistema mágico de identificación de personas pixeladas, ni ayudará mucho a los CSI ni a la Policía, como han planteado algunos respecto a las consideraciones éticas del algoritmo. La cuestión de fondo es en realidad, como decía @Sindero, que nos resulta muy fácil darnos cuenta de esos sesgos con solo mirar algunos de los resultados pero, ¿podríamos detectarlo tan fácilmente en un algoritmo de evaluación de hipotecas, o de riesgos médicos?

Relacionado:

• Inteligencia artificial vs. inteligencia artificial
• Generador de personajes de anime
• Edición de fotos con técnicas de redes neuronales

En Becoming Human, un blog dedicado a la exploración de la inteligencia artificial, Stefan Kojouharov lleva años recopilando pósteres –aunque prefiere llamarlo chuletas, sin duda merecido término– acerca de todos estos campos de la informática:

• Inteligencia artificial (IA)
• Redes neuronales (Neural Networks)
• Aprendizaje automático (Machine Learning)
• Aprendizaje profundo (Deep Learning)
• Big Data

Son resúmenes de ideas, algoritmos, conjuntos de instrucciones, funciones y definiciones relacionadas con un área en concreto, a veces sobre un paquete de software determinado. Todo lo que hace falta saber acerca de algo, reducido a una sola página. Al hacer la recopilación cuida de que todas estas chuletas puedan acabar un gigantesco póster en PDF (con las ventajas de que es buscable e imprimible) en el que se puedan leer sin problema todos los textos, por pequeños que sean.

Se pueden descargar todas de aquí:

• Becoming Human: Cheat Sheets for AI, Neural Networks, Machine Learning, Deep Learning & Big Data [2019]
• Becoming Human: Cheat Sheets for AI [2017, versión anterior]

Hay decenas de ellas, divididas en secciones temáticas y perfectamente organizadas. Y además de ser informativas son una gozada para la vista. Al final del blog hay una lista de enlaces a todas las fuentes, que muchas veces son escuelas o institutos, universidades, desarrolladores de código abierto y empresas de software.

También se puede solicitar la versión «PDF gigante» donde aparecen todas las chuletas a la vez; basta indicar el nombre y dirección de correo electrónico y te envían un enlace a los 45 MB de descarga del PDF full equipe pata negra.

Relacionado:

• Las madre de todas las «chuletas» para software Adobe CC: Photoshop, Illustrator, InDesign, After Effects, LightRoom y más
• El póster de las redes neuronales
• La superchuleta «todo en uno» del saber matemático en un PDF
• Una «chuleta» tipográfica sobre símbolos y caracteres
• Chuleta para viajeros del tiempo
• Una «chuleta» de baja tecnología para ayudarte en un examen

Desde el departamento de webs que no sirven para nada útil pero molan nos llega This Word Does Not Exist, que hace exactamente lo que dice su nombre: generar palabras que no existen, incluyendo su imaginaria descripción de diccionario, y también ejemplos de uso.

Para lograrlo utiliza diversas técnicas de redes neuronales y una enorme base de datos de textos comunes. Está basado en GPT-2, al que ya hemos visto generar textos bastante creíbles. Además de eso me ha parecido interesante que a veces genera palabras muy cortas, que como no existen pueden servir para dar nombre a nuevos proyectos.

Aunque las palabras, definiciones y ejemplos parten del inglés como idioma base a mí me han salido los equivalentes a asombramiento y cremallerafobia , que suenan muy bien. También puedes inventarte una palabra y te genera una descripción, aunque hay que tener cuidado porque probé con dispersiómetro y resulta que existe. Maravillas del lenguaje.

Relacionado:

• GPT-2 permite experimentar cómo escribe una inteligencia artificial
• La Biblia de Markov
• Remezclas tuiteras