Cuando nos encontramos en una oscuridad casi total, los seres humanos usualmente no somos muy buenos para reconocer imágenes o características particulares de algunos objetos. Por ello, los ingenieros del Instituto Tecnológico de Massachusetts (MIT, por sus siglas en inglés) han desarrollado un método de Inteligencia Artificial (IA) que puede revelar dichos objetos en la oscuridad.

En un estudio publicado hoy, los expertos del MIT lograron reconstruir objetos transparentes partiendo de fotografías de esos objetos que fueron capturadas en condiciones de iluminación casi nulas. En este sentido, utilizaron una técnica de IA conocida llamada red neuronal profunda para entrenar un ordenador con las imágenes de los objetos tomadas en la oscuridad e imágenes con iluminación.

Los investigadores entrenaron a una máquina para reconocer aproximadamente 10,000 imágenes casi transparentes de los objetos en la oscuridad. Dichas imágenes fueron capturadas en entornos con poca iluminación, con menos de un fotón por cada píxel. Este registro es mucho menor que el de una cámara en una habitación cerrada y en total oscuridad.

Posteriormente, los expertos mostraron a la máquina una imagen nueva y granulada que no estaba incluida en los datos de entrenamiento de la IA, lo que trajo como resultado que la reconstrucción del objeto en la oscuridad por parte de la computadora.

Amazon trabaja en un software que analiza registros médicos y sugiere tratamientos para pacientes

Según el informe, estos resultados prueban que el uso de redes neuronales profundas para la iluminación de elementos ‘transparentes’ en imágenes con poca luz es altamente efectivo.  Más allá de los resultados positivos que un método como este podría traer al sector de la fotografía, los investigadores confían en que la tecnología contribuya al sector de la medicina. En este sentido, George Barbastahis, ingeniero mecánico y profesor del MIT que participa en el proyecto, afirmó:

En el laboratorio, si destruyes células biológicas con luz, las quemas, y no queda nada para la imagen (…) Cuando se trata de imágenes de rayos X, si expone a un paciente a rayos X, aumenta el peligro de que puedan contraer cáncer. Lo que estamos haciendo aquí es que puede obtener la misma calidad de imagen, pero con una menor exposición al paciente. Y en biología, puedes reducir el daño a los especímenes biológicos cuando quieras muestrearlos.

Finalmente, Barbastahis dijo que la importancia práctica de este estudio radica en el uso positivo de redes neuronales para reducir la exposición de los pacientes a la radiación cuando se realizan estudios radiológicos.

Más en TekCrispy