La IA del comportamiento está haciendo que la visión artificial tenga más impacto

Durante muchos años, las innovaciones en visión por ordenador se han centrado en tareas como la detección de objetos: identificar objetos como un perro o un coche en imágenes y vídeos. Estos enfoques han permitido desarrollar aplicaciones en ámbitos como los vehículos autónomos, la fabricación y la atención sanitaria.

Sin embargo, estas tareas suelen centrarse únicamente en identificar qué es un objeto. ¿Y si los sistemas de IA de visión pudieran ir un paso más allá? Por ejemplo, en lugar de limitarse a detectar un perro, podrían entender que el perro persigue una pelota o que un coche está frenando de repente porque un peatón está cruzando. Este cambio del reconocimiento básico a la comprensión contextual representa un gran avance hacia una IA conductual más inteligente y consciente del contexto.

En YOLO Vision 2024 (YV24), el evento híbrido anual de Ultralytics que celebra los avances en IA de visión, el concepto de análisis del comportamiento impulsado por IA ocupó un lugar central durante una interesante ponencia de David Scott, director ejecutivo de The Main Branch.

En su ponencia, David analizó la transición de las tareas básicas de visión por ordenador al seguimiento del comportamiento. Con más de 25 años de experiencia en la creación de aplicaciones tecnológicas de vanguardia, mostró el impacto de este salto. Destacó cómo la descodificación de patrones y comportamientos está transformando sectores como la agricultura y el bienestar animal.

En este artículo repasaremos los aspectos más destacados de la ponencia de David y exploraremos cómo el seguimiento del comportamiento hace que la IA sea más práctica.

Cómo afrontar los retos de la adopción de la IA#

David Scott comenzó su ponencia con una contundente dosis de realidad y dijo: «Un colega mío suele decir: “La ciencia no vende”, lo que ofende un poco a muchos de los que estamos aquí porque la ciencia nos gusta mucho. La IA es realmente genial; ¿por qué no iba a comprarla la gente? Pero la realidad es que la gente no quiere comprarla solo porque nosotros pensemos que es genial; necesita un motivo para comprarla».

Continuó explicando que, en su empresa, The Main Branch, el objetivo siempre es resolver problemas reales con IA, no limitarse a presumir de sus capacidades. Muchos clientes llegan queriendo hablar de cómo pueden utilizar la IA en general, pero él considera que ese enfoque está planteado al revés: es como tener una solución sin un problema. En su lugar, trabajan con clientes que plantean retos concretos para poder crear soluciones de IA que realmente marquen la diferencia.

Fig. 1. David Scott en el escenario de YV24.

David también explicó que su trabajo suele ir más allá de reconocer objetos en una escena. Detectar qué hay es solo el primer paso. El verdadero valor está en averiguar qué hacer con esa información y conseguir que resulte útil dentro de la cadena de valor más amplia.

Tecnología de seguimiento del comportamiento: la clave para una IA accionable#

Un paso fundamental para que la IA sea realmente útil consiste en ir más allá de las tareas básicas de visión por ordenador, como la detección de objetos, y utilizar esos conocimientos para el seguimiento del comportamiento. David destacó que la IA conductual se centra en comprender acciones y patrones, no solo en identificar objetos. Esto permite a la IA reconocer eventos relevantes y proporcionar información útil para actuar.

Puso como ejemplo un animal que rueda por el suelo, lo que podría indicar una enfermedad. Aunque las personas no pueden vigilar a un animal las 24 horas del día, los sistemas de vigilancia impulsados por IA con capacidades de seguimiento del comportamiento sí pueden hacerlo. Estas soluciones pueden supervisar objetos continuamente, detectar comportamientos concretos, enviar una alerta y permitir actuar a tiempo. Así, los datos sin procesar se convierten en algo práctico y valioso.

David también mostró que este enfoque hace que la IA no solo resulte interesante, sino que tenga un impacto real. Al abordar problemas reales, como supervisar comportamientos y actuar en consecuencia, el seguimiento del comportamiento puede convertirse en una parte clave de soluciones de IA eficaces en diversos sectores.

Cómo hacer realidad la IA conductual#

A continuación, David Scott explicó cómo Ultralytics YOLOv8, un modelo de visión por ordenador, supuso un gran avance para los proyectos de seguimiento del comportamiento de su equipo. Les proporcionó una base sólida para detectar, clasificar y seguir objetos. Su equipo también fue un paso más allá y entrenó YOLOv8 de forma personalizada para centrarse en supervisar comportamientos a lo largo del tiempo, lo que lo hizo más práctico y útil en situaciones reales.

Curiosamente, con el lanzamiento de Ultralytics YOLO11, las soluciones como las creadas por The Main Branch pueden ser aún más fiables y precisas. Este último modelo ofrece funciones como una precisión mejorada y un procesamiento más rápido, que potencian su capacidad para seguir comportamientos. Hablaremos de ello con más detalle después de comprender mejor las aplicaciones en las que se puede utilizar la IA conductual.

A continuación, exploremos las soluciones de las que habló David y cómo se está utilizando la tecnología de seguimiento del comportamiento en aplicaciones reales para resolver retos cotidianos y generar un impacto significativo.

HerdSense con análisis del comportamiento impulsado por IA#

En primer lugar, David compartió un reto apasionante que abordaron con un proyecto llamado HerdSense, que consistía en supervisar la salud de miles de vacas en un enorme cebadero. El objetivo era seguir el comportamiento de cada vaca para identificar posibles problemas de salud. Esto implicaba vigilar a decenas de miles de animales al mismo tiempo, y no era una tarea sencilla.

Fig. 2. HerdSense se centró en supervisar e identificar vacas mediante IA conductual.

Para empezar a resolver el problema de identificar cada vaca y seguir sus comportamientos, el equipo de David organizó un taller de dos días para definir todos los comportamientos posibles que debían supervisar. Identificaron más de 200 comportamientos en total.

Cada uno de los 200 comportamientos dependía de poder reconocer con precisión a cada vaca, ya que todos los datos debían estar asociados a animales concretos. Una de las principales dificultades era seguir a las vacas cuando se agrupaban, lo que complicaba la visibilidad de cada animal.

El equipo de David desarrolló un sistema de visión por ordenador para garantizar que cada vaca se identificara de forma constante, incluso en situaciones complicadas. Pudieron confirmar que siempre se asignaba el mismo ID a una misma vaca, aunque desapareciera de la vista, se mezclara con otras o reapareciera más tarde.

Supervisión de la salud de los caballos mediante visión por ordenador#

A continuación, David presentó otro proyecto fascinante en el que aplicaron técnicas similares de seguimiento del comportamiento para supervisar a caballos. En este proyecto, el equipo de David no necesitaba seguir los ID individuales de los caballos con el mismo nivel de detalle que en el caso de las vacas. En su lugar, se centraron en comportamientos concretos y siguieron aspectos como los patrones de alimentación y los niveles generales de actividad para detectar posibles problemas de salud de forma temprana. Identificar pequeños cambios en el comportamiento podía dar lugar a intervenciones más rápidas para proporcionar mejores cuidados y evitar que los problemas se agravaran.

Fig. 3. Supervisión de caballos con ayuda de la IA conductual.

Por qué la IA conductual no es tan sencilla como parece#

David también analizó la complejidad del seguimiento del comportamiento mediante un ejemplo interesante. Mientras investigaban formas de mejorar el análisis del comportamiento, su equipo encontró una empresa que afirmaba poder detectar hurtos en tiendas analizando determinadas posturas, como la de alguien con la mano en el bolsillo. Al principio, parecía una idea inteligente: ciertos movimientos podrían sugerir un comportamiento sospechoso, ¿verdad?

Fig. 4. Comprender los retos de la tecnología de seguimiento del comportamiento.

Sin embargo, al profundizar en el tema, David se dio cuenta de las limitaciones de este método. Una sola postura, como tener la mano en el bolsillo, no significa necesariamente que alguien esté robando en una tienda. Puede indicar simplemente que está relajado, pensando o incluso que tiene frío. El problema de centrarse en posturas aisladas es que se ignora el contexto general. El comportamiento no es una sola acción, sino un patrón de acciones a lo largo del tiempo, determinado por el contexto y la intención.

David destacó que el verdadero seguimiento del comportamiento es mucho más complejo y requiere un enfoque holístico. Consiste en analizar secuencias de acciones y comprender su significado dentro de un contexto más amplio. Aunque el sector de la IA está avanzando, señaló que aún queda trabajo por hacer para mejorar el seguimiento del comportamiento y ofrecer información significativa y precisa.

Creación de modelos de IA de visión más inteligentes que comprendan las acciones#

Posteriormente, David llevó al público entre bastidores para mostrarle cómo su equipo creó una solución de visión por ordenador para supervisar la salud de las vacas con ayuda de Ultralytics YOLOv8 y sus capacidades de estimación de poses.

Comenzaron creando un conjunto de datos personalizado para la estimación de poses de una vaca, aumentando el número estándar de puntos clave de 17 a 145 para que el modelo analizara mejor el movimiento. Después, el modelo se entrenó con un conjunto de datos masivo de más de 2 millones de imágenes y 110 millones de ejemplos de comportamiento.

Mediante una infraestructura de hardware avanzada, el equipo de David pudo entrenar el modelo en solo dos días, en lugar de las semanas que habría necesitado con hardware convencional. Después, el modelo entrenado se integró con un rastreador de comportamientos personalizado que analizaba simultáneamente varios fotogramas de vídeo para detectar patrones en las acciones de las vacas.

El resultado fue una solución impulsada por IA de visión capaz de detectar y seguir ocho comportamientos diferentes de las vacas, como comer, beber y tumbarse, para identificar pequeños cambios de comportamiento que podrían indicar problemas de salud. Esto permite a los ganaderos actuar con rapidez y mejora la gestión del ganado.

El futuro de la IA conductual#

David terminó su ponencia compartiendo una lección importante con el público: «Si no dejas que la IA tenga margen para fallar, te estás abocando al fracaso porque, al fin y al cabo, es estadística». Señaló que la IA, a pesar de sus puntos fuertes, no es infalible. Es una herramienta que aprende de los patrones, y siempre habrá ocasiones en las que no acierte. En lugar de temer esos errores, la clave está en crear sistemas capaces de gestionarlos y seguir mejorando con el tiempo.

Esto también se aplica a los propios modelos de visión por ordenador. Por ejemplo, Ultralytics YOLO11, la última versión de los modelos YOLO de Ultralytics, se ha desarrollado teniendo en cuenta la necesidad de llevar las cosas al siguiente nivel con respecto a YOLOv8.

Fig. 5. Tareas de visión por ordenador compatibles con Ultralytics YOLO11.

En particular, Ultralytics YOLO11 ofrece un mejor rendimiento, especialmente en aplicaciones en tiempo real en las que la precisión es fundamental, como la agricultura y la atención sanitaria. Gracias a sus funciones avanzadas, YOLO11 está redefiniendo la forma en que los sectores utilizan la IA, al proporcionar información innovadora en tiempo real y ayudarles a afrontar los retos de forma más eficaz.

Conclusiones clave#

La ponencia de David en YV24 recordó que la IA es mucho más que una innovación atractiva: es una herramienta potente para resolver problemas reales y mejorar nuestra forma de vivir y trabajar. Al centrarse en el comportamiento, la IA ya está teniendo un impacto en ámbitos como el seguimiento de la salud animal y el reconocimiento de patrones relevantes en las acciones cotidianas.

El potencial de la IA conductual es apasionante y apenas estamos al principio. Al transformar los datos sin procesar en información útil para actuar, la IA conductual pasa de la supervisión pasiva a la resolución activa de problemas. A medida que siga desarrollándose, la IA conductual está llamada a impulsar decisiones más inteligentes, agilizar procesos y aportar mejoras significativas a nuestras vidas.

Mantente en contacto con nuestra comunidad para obtener más información sobre la IA y sus aplicaciones en el mundo real. Visita nuestro repositorio de GitHub para descubrir innovaciones en ámbitos como la IA en la agricultura y la visión por ordenador en la fabricación.