La visión por computador (computer vision) permite que una máquina identifique objetos, personas y escenas en imágenes y vídeos, y tome decisiones a partir de esa información. Ya está detrás de cosas tan cotidianas como desbloquear el móvil con la cara o del sistema que frena un coche cuando detecta un peatón, y el salto de calidad de los últimos años se debe casi por completo a un tipo concreto de redes neuronales.
Cómo aprenden las máquinas a «ver»
Las redes neuronales convolucionales (CNN) son las responsables de la mayor parte de estos avances. Procesan una imagen por capas, cada una especializada en detectar un tipo de patrón (bordes, texturas, formas, hasta llegar a objetos completos), de forma parecida a como el córtex visual humano procesa lo que ve. Cuantas más imágenes etiquetadas ha visto la red durante el entrenamiento, mejor distingue un gato de un perro o una señal de stop de una de ceda el paso.
Dónde se usa ya
- Reconocimiento facial: desbloquear el teléfono o verificar identidad en un control de seguridad son los usos más extendidos, aunque también los más cuestionados por temas de privacidad.
- Coches autónomos: las cámaras del vehículo alimentan modelos que detectan obstáculos, peatones y señales de tráfico en tiempo real para tomar decisiones de conducción.
- Diagnóstico médico: en radiología, algunos modelos ya identifican tumores en resonancias magnéticas o radiografías con una precisión comparable a la de un radiólogo experimentado, aunque siempre como apoyo a la decisión clínica, no como sustituto.
- Agricultura de precisión: cámaras y drones detectan plagas y analizan el estado de los cultivos para ajustar riego y tratamientos solo donde hace falta.
El ejemplo más citado de visión por computador aplicada a gran escala son las tiendas Amazon Go, donde el cliente entra con el móvil, coge lo que quiere de las estanterías y sale sin pasar por caja: cámaras y sensores registran cada producto que se retira. Amazon ha promocionado el sistema como prácticamente sin fricción, aunque la propia compañía ha reconocido después que el proceso no era tan autónomo como parecía, con revisores humanos apoyando al sistema en segundo plano, lo que da una idea de lo difícil que sigue siendo llevar la visión por computador a producción con fiabilidad total.
Los límites: sesgo, privacidad y vigilancia
El reconocimiento facial es donde más se nota el problema del sesgo: si los datos de entrenamiento no representan bien a toda la población, el sistema falla más con ciertos grupos que con otros, y ese error puede traducirse en discriminación real cuando el sistema se usa para identificar sospechosos. A eso se suma el debate de siempre sobre qué imágenes y vídeos alimentan estos modelos y con qué permiso, la misma discusión de fondo que hay detrás de la disputa que Apple mantiene por usar vídeos de YouTube para entrenar sus modelos.
La vigilancia masiva es el otro flanco sensible: la misma tecnología que desbloquea un teléfono sirve para rastrear a una persona por una ciudad entera si se despliega en cámaras públicas sin control. Por eso varios países ya discuten límites legales específicos para el reconocimiento facial en espacios públicos, separados de la regulación general de la IA.
Preguntas frecuentes
¿Qué son las redes neuronales convolucionales?
Un tipo de red neuronal que procesa imágenes por capas, cada una especializada en detectar un patrón distinto, desde bordes simples hasta objetos completos.
¿En qué se usa la visión por computador hoy?
En reconocimiento facial, coches autónomos, diagnóstico médico por imagen y agricultura de precisión, entre otros usos.
¿Por qué genera polémica el reconocimiento facial?
Porque los sesgos en los datos de entrenamiento pueden hacer que falle más con ciertos grupos de población, y porque permite vigilancia masiva si se despliega sin control en espacios públicos.
¿Las tiendas Amazon Go funcionan sin personas?
No del todo. Amazon ha reconocido que revisores humanos apoyaban al sistema de cámaras en segundo plano, lo que muestra los límites actuales de la visión por computador en producción.
