El proyecto “Harnessing Vision Science to Overcome the Critical Limitations of Artificial Neural Networks” ha sido uno de los 5 proyectos seleccionados en el Programa Fundamentos de la Fundación BBVA
-
El proyecto está coliderado por Marcelo Bertalmío del IO-CSIC, por Jesús Malo de la Universidad de Valencia y Felix Wichmann de la Universidad de Tubinga (Alemania).
Madrid / 19 de febrero de 2024
La convocatoria del Programa Fundamentos de la Fundación BBVA ha sido resuelta con la concesión de ayudas de 600.000 euros por proyecto para el desarrollo de 5 investigaciones de carácter fundamental e interdisciplinar en diferentes áreas de la ciencia.
De entre ellas, el proyecto ganador en la categoría “Matemáticas, Estadística, Ciencias de la Computación, Inteligencia Artificial” ha sido el proyecto que lidera Marcelo Bertalmío, del Instituto de Óptica del CSIC; y en el que también participa Javier Portilla, también miembro del grupo de Ciencias de la Imagen y la Visión.
Últimas noticias
El objetivo de este Programa Fundamentos es apoyar la investigación exploratoria de cuestiones centrales o fundacionales de un campo científico o de la intersección de varias disciplinas.
En esta convocatoria del 2022 se han valorado total de 305 solicitudes y los proyectos ganadores tendrán un plazo de ejecución de 3 años.
El proyecto “Harnessing Vision Science to Overcome the Critical Limitations of Artificial Neural Networks (VIS4NN)”, tiene como objetivo principal el desarrollar un nuevo tipo de redes neuronales artificiales cuyo comportamiento sea más similar al de un observador humano y que no tengan las limitaciones de las inteligencias artificiales actuales que las incapacitan para realizar por sí solas algunas tareas que son triviales para humanos.
Las redes neuronales actuales se basan en los primeros modelos de funcionamiento de las neuronas de la vista que, aunque ya están superados por otros mejores, han permitido que las redes neuronales artificiales hayan conseguido unos resultados asombrosos en los últimos años teniendo múltiples aplicaciones en la ciencia, la industria y la sociedad en general.
Sin embargo, las expectativas de las capacidades de estas redes neuronales artificiales están chocando con unas limitaciones insalvables que les excluyen de poder realizar algunas tareas como por ejemplo el poder conducir un coche de forma completamente autónoma.
De los límites actuales de las redes neuronales artificiales, se considera que los más críticos son tres:
- Problemas de generalización. Las redes neuronales para realizar bien su tarea necesitan entrenarse con un conjunto de datos enorme, que cubra todas las posibilidades del mundo real porque si se encuentran algo no previsto en su conjunto de datos de entrenamiento sus posibilidades de acertar empeoran mucho.

- Susceptibilidad a ataques de adversarios. Es sencillo hacer que falle la red neuronal si sabes cómo funciona.

- Cantidad de datos de formación y costes energéticos asociados. La cantidad de energía que hay que consumir en entrenar a las cada vez mejores redes neuronales aumenta exponencialmente y se está convirtiendo en un problema más a añadir al calentamiento global.

Estas nuevas redes neuronales necesitarán muchos menos datos para ser entrenadas y serán más simples, reduciendo las emisiones de CO2 a la vez que se eliminan las limitaciones del anterior modelo.
Comunicación IO-CSIC
cultura.io@io.cfmac.csic.es
Noticias relacionadas
Nuestro compañero Sergio Barbero participa en la inauguración de la exposición sobre Piedad de la Cierva
Madrid / 19 de noviembre de 2024La Universidad de Navarra inaugura hoy 19 de noviembre, la exposición “Piedad de la Cierva: pionera, visionaria y...
El 4 de noviembre charla de nuestro compañero Sergio Barbero en el Ciclo de Conferencias sobre Historia de la Óptica
Madrid / 31 de octubre de 2024El próximo lunes (4 de noviembre) a las 12:30 pm, tendremos la segunda charla virtual del IV Ciclo de Conferencias...
Métrica de suavidad de tercer orden para caracterizar lentes de adición progresiva
Una nueva métrica de suavidad de tercer orden permite un análisis más preciso de las lentes progresivas, mejorando la evaluación de la calidad...