La IA del comportamiento aumenta el impacto de la visión artificial

Durante muchos años, las innovaciones en visión artificial 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 hecho posibles aplicaciones en ámbitos como los vehículos autónomos, la fabricación y el sector sanitario.

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 está persiguiendo una pelota o que un coche frena de repente porque está cruzando un peatón. Este paso del reconocimiento básico a la comprensión contextual supone 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 análisis del comportamiento mediante IA ocupó un lugar destacado durante una interesante charla de David Scott, director ejecutivo de The Main Branch.

En su charla, David analizó la transición de las tareas básicas de visión artificial al seguimiento del comportamiento. Con más de 25 años de experiencia en el desarrollo de aplicaciones tecnológicas avanzadas, mostró el impacto de este avance. Destacó cómo descifrar patrones y comportamientos está transformando sectores como la agricultura y el bienestar animal.

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

Cómo entender los retos de la adopción de la IA#

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

Después explicó 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 al revés: es como tener una solución sin un problema. En cambio, trabajan con clientes que plantean retos concretos para crear soluciones de IA que realmente marquen la diferencia.

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

David también compartió que su trabajo suele ir más allá de reconocer objetos en una escena. Detectar lo que hay es solo el primer paso. El verdadero valor reside en averiguar qué hacer con esa información y cómo aprovecharla dentro de la cadena de valor más amplia.

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

Un paso fundamental para que la IA resulte realmente útil es ir más allá de las tareas básicas de visión artificial, como la detección de objetos, y aprovechar esos conocimientos para hacer un 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 sucesos relevantes y ofrecer información útil para actuar.

Puso como ejemplo a un animal que se revuelca por el suelo, algo que podría indicar que está enfermo. Aunque las personas no pueden vigilar a un animal las 24 horas del día, los sistemas de vigilancia basados en IA con capacidades de seguimiento del comportamiento sí pueden hacerlo. Estas soluciones pueden supervisar objetos de forma continua, 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 sea 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 un componente clave de soluciones de IA eficaces en diversos sectores.

La IA conductual en acción#

David Scott explicó después cómo Ultralytics YOLOv8, un modelo de visión artificial, 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. El equipo fue un paso más allá y entrenó YOLOv8 con datos personalizados 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, soluciones como las creadas por The Main Branch pueden ser aún más fiables y precisas. Este modelo ofrece funciones como una mayor precisión y un procesamiento más rápido, que mejoran su capacidad para seguir comportamientos. Lo analizaremos con más detalle después de entender mejor las aplicaciones para las que puede utilizarse la IA del comportamiento.

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

HerdSense y el análisis del comportamiento mediante IA#

Para empezar, 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 a 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 en total.

La identificación precisa de cada vaca era fundamental para los 200 comportamientos, ya que todos los datos debían vincularse a animales concretos. Una de las principales dificultades era seguir a las vacas cuando se agrupaban, lo que dificultaba distinguir a cada animal.

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

Supervisión de la salud de los caballos mediante visión artificial#

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 tanta precisión como en el caso de las vacas. En su lugar, se centró en comportamientos concretos y siguió detalles como los patrones de alimentación y los niveles generales de actividad para detectar pronto posibles problemas de salud. Identificar pequeños cambios de comportamiento podría permitir intervenir antes, ofrecer mejores cuidados y evitar que los problemas se agraven.

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

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

David también habló de la complejidad del seguimiento del comportamiento con un ejemplo intrigante. Mientras investigaba formas de mejorar el análisis del comportamiento, su equipo encontró una empresa que afirmaba poder detectar hurtos en tiendas analizando posturas concretas, como la de alguien con la mano en el bolsillo. Al principio parecía una idea inteligente: ciertos movimientos podrían indicar un comportamiento sospechoso, ¿no?

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

Sin embargo, al investigar más, David se dio cuenta de las limitaciones de este método. Una postura aislada, como tener una mano en el bolsillo, no significa necesariamente que alguien esté robando en una tienda. Podría 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 única 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 integral. Se trata de analizar secuencias de acciones y comprender qué significan en un contexto más amplio. Aunque el sector de la IA está avanzando, señaló que aún queda trabajo por hacer para desarrollar el seguimiento del comportamiento y obtener información relevante y precisa.

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

A continuación, David mostró al público cómo su equipo creó una solución de visión artificial para supervisar la salud de las vacas con ayuda de Ultralytics YOLOv8 y sus capacidades de estimación de pose.

Empezaron creando un conjunto de datos personalizado para estimar la pose de una vaca y aumentaron el número estándar de puntos clave de 17 a 145 para que el modelo analizara mejor el movimiento. Después, entrenaron el modelo con un conjunto de datos enorme 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 tardado con hardware convencional. Después, integraron el modelo entrenado 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 seguir ocho comportamientos distintos de las vacas, como comer, beber y tumbarse, para detectar pequeños cambios de comportamiento que pudieran indicar problemas de salud. Esto permite a los ganaderos actuar rápidamente y mejora la gestión del rebaño.

El futuro de la IA conductual#

David terminó su charla compartiendo una importante lección con el público: «Si no dejas margen para que la IA falle, te estás abocando al fracaso porque, al fin y al cabo, es estadística». Señaló que la IA, pese a sus puntos fuertes, no es infalible. Es una herramienta que aprende de patrones y siempre habrá ocasiones en las que se equivoque. 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 artificial. Por ejemplo, Ultralytics YOLO11, la versión más reciente de los modelos Ultralytics YOLO en aquel momento (que desde entonces ha sido sustituida por Ultralytics YOLO26), se diseñó teniendo en cuenta la necesidad de ir un paso más allá de YOLOv8.

Fig. 5. Tareas de visión artificial compatibles con Ultralytics YOLO11.

En particular, Ultralytics YOLO11 ofrece un mejor rendimiento, especialmente en aplicaciones en tiempo real donde la precisión es clave, como la agricultura y la sanidad. Gracias a sus funciones avanzadas, YOLO11 ayuda a distintos sectores a obtener información en tiempo real y a abordar los retos con mayor eficacia.

Conclusiones clave#

La conferencia inaugural de David en YV24 recordó al público que la IA es mucho más que una innovación fascinante: 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 empezando a explorarlo. Al transformar 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, impulsará decisiones más inteligentes, agilizará los procesos y aportará mejoras significativas a nuestras vidas.

Mantente en contacto 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 ámbitos como la IA en la agricultura y la visión artificial en la fabricación.