¿Qué es la visión artificial? Sus usos en el mundo real

Puntos clave

• La visión artificial es un campo de la IA que ayuda al software a interpretar imágenes y vídeos.
• Entre sus usos habituales están la lectura de documentos, la inspección de productos para detectar defectos y la identificación de objetos en las carreteras.
• Empieza con una tarea pequeña y medible, protege las imágenes sensibles y encarga a personas la revisión de los resultados importantes.

La visión artificial es una rama de la inteligencia artificial que permite a los ordenadores extraer información útil de una imagen o un vídeo, como identificar objetos, leer texto o seguir movimientos. Transforma la información visual de entrada en resultados que las personas o el software pueden utilizar para tomar decisiones.

Cómo funciona

Una imagen digital es una cuadrícula de píxeles, cada uno de los cuales contiene información sobre el color y el brillo. Los sistemas de visión artificial analizan patrones en esos píxeles para estimar qué contiene la imagen.

Muchos sistemas modernos aprenden a partir de grandes colecciones de imágenes. Durante el entrenamiento, un modelo aprende patrones asociados a objetos, características o actividades. Algunos métodos de entrenamiento utilizan ejemplos etiquetados por personas; otros aprenden de imágenes sin etiquetar o de pares de imagen y texto.

Cuando el modelo entrenado recibe una imagen nueva, genera una predicción. Puede ser una etiqueta, una ubicación, un bloque de texto o una descripción.

Entre las tareas habituales de visión artificial se incluyen:

• Clasificación de imágenes: Asignar una categoría a una imagen, como «paquete dañado» o «paquete intacto».
• Detección de objetos: Encontrar objetos y marcar sus ubicaciones, a menudo con recuadros rectangulares.
• Segmentación: Etiquetar píxeles individuales para separar objetos o regiones, como una calzada de la acera.
• Reconocimiento óptico de caracteres (OCR): Convertir texto visible en texto legible por máquinas.
• Seguimiento: Seguir un objeto a lo largo de los fotogramas de un vídeo.

Un sistema operativo suele necesitar algo más que un modelo. Las cámaras, la iluminación, la preparación de las imágenes y las conexiones con otros programas influyen en el resultado. Una cámara de almacén con la lente sucia puede perjudicar el funcionamiento de un sistema que, por lo demás, es competente.

Ejemplos del mundo real

Fabricación: comprobar la calidad de los productos

Las fábricas utilizan la visión artificial para inspeccionar productos en busca de defectos visibles, como arañazos, componentes ausentes o etiquetas incorrectas.

Una cámara captura cada artículo y el software señala posibles problemas para que el artículo se rechace o lo revise una persona. Esto resulta especialmente útil para comprobaciones repetitivas con iluminación controlada.

Sin embargo, un sistema entrenado con un producto puede necesitar ajustes cuando cambian el embalaje, el material o la línea de producción.

Sanidad: apoyar la revisión de imágenes

La visión artificial puede ayudar a los profesionales sanitarios a analizar imágenes médicas, incluidas radiografías y otras exploraciones. Según el sistema, puede resaltar zonas sospechosas o ayudar a priorizar los casos que deben revisarse.

Son aplicaciones especializadas que requieren una validación y una supervisión adecuadas. Un chatbot de propósito general capaz de analizar imágenes no sustituye a un sistema de imagen médica ni a un profesional sanitario cualificado.

Transporte: identificar las condiciones de la carretera

Los sistemas de asistencia al conductor y de conducción automatizada utilizan la visión artificial para detectar elementos como marcas de carril, vehículos y peatones.

La información visual puede combinarse con datos de radares u otros sensores. El mal tiempo, los deslumbramientos, las obstrucciones y las situaciones inusuales siguen siendo retos importantes, por lo que detectar un objeto no significa automáticamente que un vehículo pueda responder de forma segura.

Oficinas: extraer información de documentos

Los sistemas de procesamiento de documentos utilizan OCR y análisis de la disposición de los elementos para convertir facturas, recibos y formularios escaneados en información estructurada o que permita realizar búsquedas.

Por ejemplo, un flujo de trabajo podría extraer el número de factura, el nombre del proveedor y el importe total, y luego enviar esos campos a un programa de contabilidad.

Los documentos escaneados borrosos, la escritura a mano y los formatos poco habituales pueden provocar errores. Los valores críticos deben comprobarse en lugar de aceptarse automáticamente.

Comercio minorista y agricultura: supervisar las condiciones visibles

Los comercios pueden utilizar la visión artificial para identificar espacios vacíos en las estanterías y facilitar las comprobaciones de existencias. Los agricultores pueden usar imágenes de cámaras o drones para supervisar el estado de los cultivos y señalar zonas que necesitan inspección.

En ambos casos, las imágenes ayudan a dirigir la atención. No necesariamente explican la causa: una hoja descolorida podría deberse a una enfermedad, estrés hídrico u otro problema.

Ventajas y limitaciones

La principal ventaja es convertir la información visual en algo que permita realizar búsquedas, mediciones o acciones.

La visión artificial puede reducir el trabajo de inspección repetitivo, procesar grandes colecciones de imágenes y ayudar a las personas a detectar patrones. En condiciones adecuadas, puede aplicar criterios uniformes a numerosos artículos.

Sus limitaciones son igual de importantes:

• La calidad de la imagen afecta a los resultados. El desenfoque, las sombras, la baja resolución y las vistas obstruidas pueden ocultar detalles importantes.
• El rendimiento puede cambiar en entornos nuevos. Otras cámaras, entornos o diseños de producto pueden reducir la precisión.
• Los errores tienen distintos costes. No detectar un defecto peligroso no equivale a señalar un artículo que no está dañado.
• El rendimiento puede ser desigual. Los datos de entrenamiento pueden no representar adecuadamente a todas las personas, objetos o situaciones con los que se encuentra el sistema.
• La privacidad requiere planificación. Las imágenes pueden revelar rostros, direcciones, documentos y otra información sensible.

La puntuación de confianza de un modelo no demuestra que su resultado sea correcto. Para decisiones de alto impacto, utiliza comprobaciones independientes, reglas de revisión claras y una supervisión continua.

Cómo empezar

No necesitas crear un modelo para explorar la visión artificial. Empieza con una tarea acotada y una herramienta existente.

1. Define el resultado que necesitas

Elige un objetivo concreto: «Extraer la fecha impresa de estos recibos» es más fácil de evaluar que «Comprender nuestros documentos».

Decide cómo debe ser un resultado correcto y qué debe ocurrir cuando el sistema no esté seguro.

2. Prueba una herramienta pertinente

ChatGPT admite imágenes como entrada y puede ayudarte a explorar tareas como describir una escena, comentar un diagrama o interpretar texto visible. Contrasta sus respuestas con la imagen original, especialmente en el caso de textos pequeños, recuentos y mediciones precisas.

Para un flujo de trabajo de diseño, Fronty utiliza la visión artificial para convertir imágenes en HTML y CSS. Trata el código generado como un punto de partida: revisa su adaptación a distintos tamaños de pantalla, su accesibilidad y su facilidad de mantenimiento antes de publicarlo.

No confundas la interpretación de imágenes con la generación de imágenes. Midjourney, por ejemplo, genera imágenes a partir de instrucciones de texto; esa tarea principal es distinta de detectar defectos o extraer campos de documentos.

3. Prueba con imágenes representativas

Utiliza ejemplos que reflejen las condiciones reales de trabajo, incluidos los casos difíciles. Incluye imágenes borrosas, formatos inusuales o cambios de iluminación cuando sea pertinente.

Registra tanto los resultados incorrectos como los elementos no detectados. Unas pocas demostraciones impresionantes no bastan para demostrar la fiabilidad.

4. Añade medidas de protección antes de ampliar el uso

Consulta las políticas de tratamiento de datos de la herramienta antes de subir material confidencial. Mantén la revisión humana de los resultados que tengan consecuencias importantes y repite las pruebas siempre que cambien los datos de entrada o los flujos de trabajo.

Preguntas frecuentes

¿Es la visión artificial lo mismo que el reconocimiento de imágenes?

No. El reconocimiento de imágenes forma parte de la visión artificial. La visión artificial también abarca tareas como localizar objetos, leer texto, estimar la profundidad y seguir movimientos en un vídeo.

¿Comprende la visión artificial las imágenes como una persona?

No de la misma manera. Aprende patrones que permiten hacer predicciones útiles, pero puede pasar por alto el contexto y cometer errores que resultan obvios para una persona. Las descripciones fluidas no garantizan una interpretación visual precisa.

¿Necesito saber programar para utilizar la visión artificial?

No para las tareas básicas. Las herramientas existentes permiten subir imágenes y solicitar resultados útiles. Los flujos de trabajo personalizados, los modelos especializados y las integraciones con software empresarial suelen requerir más trabajo técnico y una evaluación cuidadosa.