Por @Alvy — 12 de Enero de 2020

Si los cálculos son correctos, cuando esta belleza empiece a hacer cálculos matemáticos vas a sentir algo acojonante.

– parafraseando a «Doc» Emmett Brown

El equipo de ingenieros de Stanford han mejorado los algoritmos de conducción autónoma de MARTY, el DeLorean auto hace trompos con estilo para completar una gimkana que han llamado, cariñosamente, MARTYkhana. El resultado es bastante espectacular, como puede verse en el vídeo.

La pista tiene un kilómetro de «obstáculos», que curiosamente el DeLorean no necesita ver con cámaras, porque únicamente utiliza un GPS de precisión. Los zig-zags y trompos son aun así tan precisos como preciosos, y de hecho cuentan que funcionó perfectamente «al primer intento».

El entrenamiento consiste en realizar maniobras con el coche en recorridos similares, anotando con sus sensores las posiciones exactas y los resultados. Luego el coche básicamente «apunta hacia donde quiere ir» y calcula con qué intensidad debería mover acelerador, freno y volante. Esta técnica resulta «evasiva y predictiva» parece funcionar muy bien. También han publicado un vídeo con el Cómo se hizo la MARTYkhana.

En el fondo han tenido que convertir en cálculos matemáticos muchos ejemplos de «conducción extrema», pero el resultado permite controlar el vehículo en situaciones comprometidas. La MARTYkhana es una simple «demostración de poderío» pero también podría tener su aplicación en el MundoReal™.

Relacionado:

Compartir en Flipboard Compartir en Facebook Tuitear
Por @Alvy — 5 de Enero de 2020

Bernat Cuni ha utilizado ilustraciones antiguas de miles de escarabajos para crear un «generador de escarabajos» que produce nuevas imágenes mediante aprendizaje automático. Algo que puede producir imágenes bonitas e imaginarias, de ahí que lo haya llamado Confusing coleopterists («Cómo confundir a los entomólogos»).

Las imágenes proceden de la Biodiversity Heritage Library y del libro Biologia Centrali-Americana: zoology, botany and archaeology entre otros. Luego utilizó StyleGAN, StyleGAN2 y RunawayML

Confusing coleopterists / Bernat Cuni

Y como no puede haber proyecto visual sin póster, de paso ha subido algunos a Society6 donde se pueden comprar bonitos pósteres enmarcados con sus creaciones.

(Vía @BoixRichter.)

Relacionado:

Compartir en Flipboard Compartir en Facebook Tuitear
Por @Alvy — 26 de Noviembre de 2019

El código se puede bajar y probar aquí: Real Time Voice Cloning y es el sistema descrito en este trabajo de varios investigadores de Google: Transfer Learning from Speaker Verification to Multispeaker Text-To-Speech Synthesis [PDF] con un vocoder (codificador de voz) que funciona en tiempo real. A partir de una muestra de voz cualquiera genera en cuestión de segundos una transcripción de texto-a-voz bastante realista utilizando esa misma voz de muestra.

Transfer Learning from Speaker Verification to Multispeaker Text-To-Speech Synthesis

Tal y como decía Mikeal Roger es una mezcla de «increíble y terrorífico» a la vez, asombroso pero también un poco tenebroso porque estas cosas no sabes para qué maldad acabarán usándose, a pesar de que se haya concebido como una tecnología totalmente neutra.

El vocoder que utiliza este sistema es WaveNet, una red neuronal profunda para generar audio a partir de muestras, creado por la gente de DeepMind y de la que ya hablamos por aquí hace algunos años.

Relacionado:

Compartir en Flipboard Compartir en Facebook Tuitear
Por @Alvy — 21 de Noviembre de 2019

En este vídeo de la Universidad de York explican cómo en el departamento de psicología han estado haciendo experimentos con unas máscaras de silicona hiperrealistas. Son tan reales, tan reales, que cuando se hacen pruebas con grupos de gente voluntaria para distinguirlas de una persona sin máscara, no siempre aciertan bien cuál es cuál. Esto es gracioso porque así a simple vista en el vídeo las máscaras parecen un tanto burdas (ejem) y recuerdan un poco a Joaquín Reyes disfrazado (!) Pero por otro lado dicen que han hecho el experimento correctamente, así que les dejamos el beneficio de la duda.

Máscaras hiperrealistas que engañan en las pruebas a la mayor parte de la gente

El estudio completo está publicado en Cognitive Research Journal (More human than human: a Turing test for photographed faces). Según parece la capacidad de distinguir si un rostro es real o es una máscara depende bastante del tiempo de observación; con tiempos de 0,5 segundos la gente se equivocaba un 33% de las veces; con tiempo ilimitado, sólo un 20%. Hicieron las pruebas con 120 personas voluntarias. Dicen que es una especie de «test de Turing» para las máscaras: si consiguen engañar a la mayor parte de la gente, es que son tan reales como un rostro real. Algo así como en Misión: imposible, vamos.

Los investigadores dicen que estudian estas cosas para ver la fiabilidad de las respuestas de la gente, qué puede suponer esto en el caso de las pruebas forenses, evaluar la fiabilidad de los sistemas de reconocimiento facial y cosas así.

Dicen que ya ha habido varios casos de delitos con gente haciéndose pasar por otras personas de forma ultrarrealista, a veces simplemente para dejar pistas falsas, a veces para conseguir mayor efectividad en sus actividades (un conocido caso fue en el que imitaron a un ministro francés). Una máscara de silicona de este tipo cuesta unos 1.000 euros más o menos. Un trabajo curioso el de estos psicólogos, la verdad.

Compartir en Flipboard Compartir en Facebook Tuitear