Si una máquina parece inteligente, entonces es inteligente. Para llegar a esta premisa, Alan Turing ideó un sencillo test al que llamó Juego de la Imitación y que situaba a un hipotético juez frente a una máquina y un ser humano. Si haciendo preguntas a ambos, el magistrado era incapaz de saber quién era quién, los ordenadores pensaban. La primera vez que se habló del test de Turing, en 1950, aún faltaban seis años para que el término 'Inteligencia Artificial' empezase a sonar fuerte y los avances en la materia consiguieran “engañar” al juez.
El test de Turing se quedó obsoleto el día que una máquina consiguió parecer inteligente. La IA ya reconoce caras pixeladas, juzga a las personas según sus rasgos faciales, gana a los humanos al póker, al Go y en el pasado lo hizo al Jeopardy! Ahora, tres investigadores de la Universidad de Granada han conseguido desarrollar una tecnología que identifica armas de fuego cortas en vídeos o películas. Pronto lo hará también en tiempo real, en cámaras de seguridad de bancos, almacenes, garajes o cualquier sistema que utilice el vídeo.
Francisco Herrera, Roberto Olmos y Siham Tabik han colgado el estudio en arXiv, un repositorio abierto de artículos científicos en Internet. Allí explican cómo, entrenando redes neuronales convolucionales, consiguieron desarrollar el algoritmo que señala cuándo una pistola aparece en pantalla.
Aunque en computación existen muchos tipos diferentes de redes neuronales, las convolucionales se caracterizan por estar diseñadas específicamente para procesar imágenes a través de los píxeles. Gracias a ellas, los investigadores ganan tiempo y ahorran cálculos a la hora de procesar grandes cantidades de información con buena calidad. “Son modelos que intentan imitar al sistema nervioso o al cerebro, pero evidentemente están muy lejos de la complicidad. Aquí lo que se ha obtenido son modelos que computacionalmente han conseguido minimizar el número interno de parámetros para abordar problemas complejos”, explica a eldiario.es Francisco Herrera, director del proyecto. Y es que sería prácticamente inabarcable hacerlo de otra forma.
¿Llevas un arma? Al 96% sí
La idea surgió en septiembre del año pasado, mientras Olmos y Herrera (alumno de máster y profesor, respectivamente) charlaban sobre su proyecto final de curso. “Me propuso este tema porque lo de llevar armas en México es muy normal”, explica el director. Según un estudio de Smalls Arms Survey, en 2012 había 15 armas de fuego por cada 100 habitantes en el país centroamericano. Roberto Olmos no lo dijo por casualidad: él es mexicano, solo que estaba en Granada gracias a una beca concedida por su universidad. “Así fue como empezamos a discutir el tema para desarrollar un modelo que, primero, fuera capaz de distinguir o encontrar un arma en una imagen; y segundo, que detectara el arma en una secuencia de vídeos, lo que te obliga a ser computacionalmente óptimo ya que tienes que detectar el arma en tiempo real”, dice Herrera.
La tercera integrante es Siham Tabik. Llegó al grupo en octubre, contratada gracias a una beca Ramón y Cajal dentro del Programa Estatal de Promoción del Talento y su Empleabilidad en I+D+i. Ella se ha encargado de la parte más técnica del estudio y ha subido los resultados y varios vídeos a GitHub, un repositorio de código abierto. “La idea es, en un espacio abierto o cerrado vigilado con un par de cámaras, nuestro sistema analiza el vídeo grabado por esas cámaras y detecta la presencia de una pistola con mucha precisión”, explica.
La tecnología identifica el arma en el cuadro (o frame) exacto en el que se encuentre. Y para los que se lo estén preguntando, no reconoce armas bajo la ropa, “es algo que nos dejamos para el futuro”, reconoce Tabik. Han aplicado el algoritmo en vídeos de baja calidad de YouTube. También en películas de finales de los 80 y principios de los 90 como Pulp Fiction, Misión Imposible o James Bond. ¿El resultado? “El sistema consigue una precisión de hasta 96.51% dependiendo de la calidad del vídeo”, afirma la investigadora.
La Policía no es tonta
En los vídeos se puede apreciar un cuadro rojo que contiene el arma de fuego junto a un número, que es la precisión con la que el algoritmo está “viendo” la pistola. Ellos lo llaman “positivo verdadero”, o lo que es lo mismo: una capacidad de acierto superior al 50% de las veces.
Herrera explica que, de momento, barajan dos escenarios posibles en los que utilizar la tecnología. El primero, “para cualquier empresa que tenga cámaras de seguridad en cualquier recinto, susceptible de ser atacada por un arma”. El granadino pone el ejemplo del atraco a un banco donde la cámara de vigilancia detecte automáticamente “que hay una o varias personas con una pistola en la mano”.
La segunda premisa está relacionada con Internet, YouTube o cualquier plataforma que ofrezca vídeo en la Red. “Imaginemos que queremos tener un filtro de seguridad para evitar que haya escenas con armas”, dice. El sistema podría identificar dónde están las armas y avisar para quitar la imagen o sustituirla por otra. “Tener un sistema automático que no requiera a una persona visualizando los vídeos, sino que directamente avise que tal vídeo que se ha subido al sistema tiene en tal segundo en tal escena, armas”, dice.
A los investigadores de la universidad de Granada ya les ha contactado una empresa relacionada con las Fuerzas y Cuerpos de Seguridad del Estado, pero se niegan a dar detalles hasta que no se concrete del todo. Además, la idea de Herrera es extender la aplicación del algoritmo para que también reconozca armas blancas, como cuchillos; y largas, como metralletas o escopetas. “El objetivo es que en todo escenario donde tú tengas armas y tengas cámaras de seguridad puedas, en tiempo real, detectar el tipo de objeto que hay”, concluye el director del proyecto.