Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

Los sistemas de toma de decisión altamente exactos se pueden crear con la acción recíproca persona-máquina

Las máquinas se pueden entrenar para clasificar imágenes y para determinar así tumores en exploraciones del CT, composiciones minerales en rocas, o patologías en análisis ópticos de la microscopia. Esta técnica de la inteligencia artificial se conoce como aprendizaje de máquina y ha ganado nuevas aplicaciones estos últimos años.

El entrenamiento de la máquina se realiza vía la repetición de las imágenes usadas como ejemplos de un contexto determinado o la situación y la preparación adecuada de ese material requiere el esfuerzo de expertos de una variedad de áreas.

Los coordenadas del ser humano. Sin el especialista que controla el proceso del entrenamiento, la máquina puede aprender tomar las decisiones basadas en las características de la imagen que no se relacionan con el problema del objetivo. Esto genera un resultado o pobre restringido a la base de datos en la cual la máquina fue entrenada. Cuando la base de datos cambia, los desvíos aumentan considerablemente, haciendo el análisis de la máquina no fiable.”

Alejandro Javier Falcão, del instituto de calcular de la universidad de Campinas (UNICAMP)

Falcão ha estado combinando ciencia que calculaba con diversas áreas del conocimiento sobre la base de proyectos del aprendizaje de máquina, desarrolladas con el asiento de investigación de São Paulo - el apoyo de FAPESP, en una línea de la investigación que investiga la acción recíproca persona-máquina en la toma de decisión.

Automatización de la detección del parásito

Uno de los proyectos llevó por Falcão y presentó en los objetivos de Francia de la semana de FAPESP para automatizar la detección del parásito en análisis del taburete. La investigación conducto vía una sociedad entre Immunocamp (una compañía Campinas-basada especializada en productos del hospital) y los investigadores de los institutos de calcular y de la química de UNICAMP, así como la escuela de ciencias médicas de la misma universidad.

Las personas interdisciplinarias han desarrollado una máquina - patentada y pronto disponible en el mercado - capaz de determinar las 15 especies más frecuentes de parásitos que infectan a seres humanos en el Brasil.

La técnica de aprendizaje de máquina mostró la eficiencia más de 90%, que es mucho más alta que los análisis convencionales realizados por los seres humanos con el análisis visual de las diapositivas ópticas de la microscopia, a cuyos regímenes varían a partir de la 48%, a lo más, el 76%. La máquina es también capaz de tramitar 2.000 imágenes en cuatro minutos.

“La idea no es substituir el trabajo de seres humanos, especialmente porque necesitan entrenar a las máquinas para determinar más especie del parásito y para confirmar la diagnosis de los patógeno descubiertos por la máquina, pero evitar bastante fatiga humana y aumentar la precisión de los resultados,” él dijo.

La tecnología innovadora también fue soportada por FAPESP con la investigación innovadora en el programa de las pequeñas empresas (TUBO).

Aprendizaje de máquina interactivo

Una de las innovaciones creadas por las personas de UNICAMP era un sistema para separar los parásitos y las impurezas basados en el principio de la flotación de aire disuelta, que permite a diapositivas ópticas de la microscopia con menos impurezas ser generada.

En la pieza de la ciencia de los datos, la máquina puede realizar una exploración automatizada de la diapositiva y descubrir los parásitos que aparecen en imágenes en la pantalla de ordenador. Esto era posible usando las técnicas de cómputo que separan los componentes de la imagen para verificar y para decidir a si se relacionan con las impurezas o con una de las 15 especies parásitas.

“La acción recíproca persona-máquina tiene el potencial de reducir esfuerzo humano y de aumentar confianza en la decisión algorítmica. Nuestra aproximación ha mostrado que ésa incluyendo el especialista en el ciclo de entrenamiento genera los sistemas de toma de decisión seguros basados en análisis de imagen.”

Sistemas de toma de decisión seguros

El objetivo de la metodología es disminuir el esfuerzo hecho por el especialista en términos de observación en grande de la imagen, buscando la construcción de los sistemas de toma de decisión altamente exactos.

“La aproximación clásica, que utiliza ejemplos previos y ninguna acción recíproca humana durante el entrenamiento, deja diversas preguntas por contestar. Son preguntas esenciales, tales como cuántos ejemplos son necesarios para que las máquinas aprendan o cómo explicar las decisiones tomadas por la máquina. Nuestra metodología consiste en el incluir del especialista en el ciclo del aprendizaje de máquina para contestar preguntas tales como éstos,” él dijo.

Por lo tanto, la estrategia usada por las personas de Falcão para construir sistemas de toma de decisión seguros ha sido explorar capacidades complementarias. Los “seres humanos son superiores en la abstracción del conocimiento. Las máquinas no cansan y son mejores en el tramitación de una gran cantidad de datos. Así pues, el esfuerzo del especialista es disminuido controlando el ciclo de aprendizaje y las decisiones de las máquinas llegan a ser explicables,” él dijo.

El simposio de Francia de la semana de FAPESP está ocurriendo entre el 21 y 27 de noviembrest th, gracias a una sociedad entre FAPESP y las universidades de Lyon y París, ambas en Francia. Lea otras noticias sobre la acción en: http://www.fapesp.br/week2019/france/.