La IA conductual está haciendo que la visión artificial tenga más impacto

Durante muchos años, las innovaciones en computer vision 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 aplicaciones en áreas como los vehículos autónomos, la fabricación y la sanidad.

Sin embargo, estas tareas suelen limitarse a 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, imagina que pudieran entender que el perro está persiguiendo 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 avance importante 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 vision AI, el concepto de análisis de comportamiento impulsado por IA ocupó un lugar central durante una interesante charla de David Scott, CEO de The Main Branch.

En su charla, David exploró la transición de las tareas básicas de visión artificial al seguimiento conductual. Con más de 25 años de experiencia en la creación de aplicaciones tecnológicas de vanguardia, mostró el impacto de este salto. Destacó cómo la decodificación de patrones y comportamientos está remodelando sectores como la agricultura y el bienestar animal.

En este artículo, repasaremos los puntos clave de la charla de David y exploraremos cómo el seguimiento del comportamiento hace que la IA sea más práctica.

Entender los retos de la adopción de la IA#

David Scott comenzó su ponencia con una dosis de realidad: "Un colega mío suele decir: 'La ciencia no vende', lo cual nos ofende un poco a muchos de los que estamos aquí porque realmente nos gusta la ciencia. La IA es genial, ¿por qué no la compraría la gente? Pero la realidad es que la gente no quiere comprarla solo porque pensemos que es genial; necesitan una razón para comprarla".

Continuó explicando que en su empresa, The Main Branch, el enfoque siempre está en resolver problemas reales con IA, no solo en presumir de sus capacidades. Muchos clientes acuden queriendo hablar sobre cómo pueden usar la IA en general, pero él ve eso como un enfoque erróneo: es como tener una solución sin un problema. En su lugar, trabajan con clientes que traen retos específicos para poder crear soluciones de IA que realmente marquen la diferencia.

Fig 1. David Scott en el escenario de YV24.

David también compartió que su trabajo a menudo va más allá del simple reconocimiento de objetos en una escena. Identificar qué hay ahí es solo el primer paso. El verdadero valor reside en averiguar qué hacer con esa información y hacerla útil dentro de la cadena de valor global.

Tecnología de seguimiento conductual: la clave de una IA accionable#

Un paso fundamental para hacer que la IA sea verdaderamente útil es ir más allá de las tareas de computer vision básicas, como la detección de objetos, y utilizar esos datos para el seguimiento del comportamiento. David destacó que la IA conductual se centra en comprender acciones y patrones, y no solo en identificar objetos. Esto hace que la IA sea capaz de reconocer eventos significativos y proporcionar información útil.

Puso el ejemplo de un animal rodando por el suelo, lo cual podría indicar 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 monitorizar objetos de forma continua, detectar comportamientos específicos, enviar una alerta y permitir una actuación rápida. Esto convierte los datos brutos en algo práctico y valioso.

David también demostró que este enfoque hace que la IA no solo sea interesante, sino verdaderamente impactante. Al abordar problemas reales, como observar comportamientos y actuar en consecuencia, el seguimiento conductual puede convertirse en una parte clave de soluciones de IA eficaces en diversos sectores.

Haciendo realidad la IA conductual#

David Scott ilustró entonces cómo Ultralytics YOLOv8, un modelo de computer vision, supuso un gran avance para los proyectos de seguimiento del comportamiento de su equipo. Les proporcionó una base sólida para detectar, clasificar y rastrear objetos. Su equipo también dio un paso más y entrenó de forma personalizada YOLOv8 para centrarse en monitorizar comportamientos a lo largo del tiempo, haciéndolo más práctico y útil para situaciones del mundo real.

Curiosamente, con el lanzamiento de Ultralytics YOLO11, soluciones como las creadas por The Main Branch pueden volverse aún más fiables y precisas. Este modelo más reciente ofrece características como una mayor precisión y un procesamiento más rápido que mejoran su capacidad para rastrear comportamientos. Hablaremos de esto con más detalle tras comprender mejor las aplicaciones para las que se puede usar la IA conductual.

A continuación, vamos a explorar las soluciones de las que habló David y cómo se utiliza la tecnología de seguimiento conductual en aplicaciones del mundo real para resolver retos cotidianos y lograr un impacto significativo.

HerdSense con análisis de comportamiento basado en IA#

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

Fig 2. HerdSense centrado en la monitorización e identificación de vacas mediante IA conductual.

Para empezar a resolver el problema de identificar a cada vaca y seguir sus comportamientos, el equipo de David llevó a cabo un taller de dos días para describir todos los posibles comportamientos que necesitaban controlar. Identificaron más de 200 comportamientos en total.

Cada uno de los 200 comportamientos dependía de la capacidad para reconocer con precisión a cada vaca, ya que todos los datos debían vincularse a animales específicos. Una de las principales preocupaciones era el seguimiento de las vacas cuando se agrupaban, lo que dificultaba ver a los animales individualmente.

El equipo de David desarrolló un sistema de visión artificial para garantizar que cada vaca fuera identificada sistemáticamente, incluso en situaciones difíciles. Consiguieron confirmar que a la misma vaca se le asignaría siempre el mismo ID, incluso si desaparecía de la vista, se mezclaba con otras o reaparecía más tarde.

Monitorización de la salud de los caballos mediante visión artificial#

Siguiendo adelante, David presentó otro proyecto fascinante en el que aplicaron técnicas similares de seguimiento del comportamiento para monitorizar caballos. En este proyecto, el equipo de David no necesitaba rastrear las identificaciones individuales de los caballos de forma tan minuciosa como lo hicieron con las vacas. En su lugar, se centraron en comportamientos específicos y rastrearon detalles como los patrones de alimentación y los niveles generales de actividad para detectar cualquier problema de salud de forma temprana. Identificar pequeños cambios en el comportamiento podría conducir a intervenciones más rápidas para proporcionar un mejor cuidado y prevenir problemas antes de que se vuelvan graves.

Fig 3. Monitorización de caballos con la 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 a través de un ejemplo intrigante. Mientras investigaban formas de mejorar el análisis del comportamiento, su equipo se topó con una empresa que afirmaba detectar hurtos en tiendas analizando posturas específicas, como alguien con la mano en el bolsillo. Al principio, esto 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, a medida que David exploraba más, se dio cuenta de las limitaciones de este método. Una sola pose, como tener la mano en el bolsillo, no significa necesariamente que alguien esté robando. Podría simplemente indicar que está relajado, pensando o incluso que tiene frío. El problema de centrarse en poses aisladas es que ignora el contexto general. El comportamiento no es solo una acción única, es un patrón de acciones a lo largo del tiempo, moldeado por el contexto y la intención.

David destacó que el verdadero seguimiento conductual es mucho más complejo y requiere un enfoque holístico. Se trata de analizar secuencias de acciones y comprender qué significan en un panorama más amplio. Aunque el sector de la IA está avanzando, señaló que todavía queda mucho trabajo por hacer para mejorar el seguimiento conductual y así obtener resultados significativos y precisos.

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

Posteriormente, David llevó a la audiencia tras bambalinas para mostrarles cómo su equipo construyó una solución de visión por ordenador para monitorizar la salud de las vacas con la ayuda de Ultralytics YOLOv8 y sus capacidades de pose estimation.

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 mejorar la capacidad del modelo a la hora de analizar el movimiento. A continuación, el modelo se entrenó con un enorme conjunto de datos de más de 2 millones de imágenes y 110 millones de ejemplos de comportamiento.

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

El resultado fue una solución basada en IA de visión capaz de detectar y realizar el seguimiento de ocho comportamientos diferentes de las vacas, como comer, beber y tumbarse, para detectar cambios mínimos en el comportamiento que pudieran indicar problemas de salud. Esto permite a los ganaderos actuar con rapidez y mejora la gestión del rebaño.

El camino a seguir para la IA conductual#

David concluyó su charla compartiendo una importante lección con la audiencia: "Si no das a la IA margen para fallar, te estás preparando para el 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 momentos en los que no acierte. En lugar de temer a esos errores, la clave es construir sistemas que puedan manejarlos y seguir mejorando con el tiempo.

Esto también se aplica a los propios modelos de computer vision. Por ejemplo, Ultralytics YOLO11, la última versión de los modelos de Ultralytics YOLO, se ha creado teniendo en cuenta la necesidad de llevar las cosas al siguiente nivel en comparación con YOLOv8.

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

En particular, YOLO11 de Ultralytics ofrece un mejor rendimiento, especialmente en lo que respecta a aplicaciones en tiempo real donde la precisión es clave, como la agricultura y la sanidad. Con sus funciones avanzadas, YOLO11 está redefiniendo cómo las industrias utilizan la IA al proporcionar información innovadora en tiempo real y ayudarles a abordar los desafíos de forma más eficaz.

Conclusiones clave#

La ponencia de David en YV24 fue un recordatorio de que la IA es algo más que una innovación genial: es una herramienta poderosa 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 áreas como el control de la salud animal y el reconocimiento de patrones significativos en las acciones cotidianas.

El potencial de la IA conductual es emocionante, y solo estamos al principio. Al transformar los datos brutos en información práctica, la IA conductual pasa de la monitorización pasiva a la resolución activa de problemas. A medida que se desarrolle aún más, la IA conductual estará preparada para impulsar decisiones más inteligentes, agilizar los procesos y aportar mejoras significativas a nuestras vidas.

Mantente conectado con nuestra comunidad para saber más sobre la IA y sus aplicaciones en el mundo real. Visita nuestro repositorio de GitHub para descubrir innovaciones en áreas como la IA en la agricultura y el computer vision en la fabricación.