Un equipo de científicos e investigadores quiere utilizar machine learning&nbsp;o aprendizaje automático —técnicas que permiten que las computadoras aprendan—&nbsp;para comparar los cerebros de personas sanas con los de personas con trastornos de salud mental y, en base a esa información, realizar diagnósticos o incluso encontrar causas físicas subyacentes. Aunque su objetivo final, afirman, es poder ofrecer tratamientos más efectivos para cualquier&nbsp;enfermedad mental. 
Las trastornos&nbsp;psicológicos&nbsp;afectan a una parte considerable de la población mundial. Según la OMS, sólo la depresión afecta a&nbsp;300 millones de personas, siendo una de las principales causas de discapacidad en todo el mundo. Mientras que el trastorno bipolar estiman que está presente en aproximadamente 60 millones de personas y&nbsp;la esquizofrenia en 23 millones. 
Actualmente los diagnósticos se hacen en base al&nbsp;<a href="https://dsm.psychiatryonline.org/pb-assets/dsm/update/Spanish_DSM5Update2016.pdf" target="_blank">Manual Diagnóstico y Estadístico de los Trastornos Mentales</a> (DSM),&nbsp;utilizado por médicos e investigadores para diagnosticar y clasificar enfermedades. Pero surgen&nbsp;las siguientes preguntas: ¿es ésta la mejor manera de realizar un diagnóstico? ¿alcanza con una serie de síntomas categorizados o se podría mejorar? 
<div style="text-align:center"> 
 <div class="ckeditor-em" style="display: inline-block;"> 
 <iframe allowfullscreen class="giphy-embed" frameborder="0" height="160" src="https://giphy.com/embed/11XzbbZiggS6LS" width="480"></iframe> 
 <a href="https://giphy.com/gifs/mri-11XzbbZiggS6LS">via GIPHY</a> 
 </div> 
</div> 
<h4>Psiquiatría computacional</h4> 
El <a href="https://research.vtc.vt.edu" target="_blank">Instituto de Investigación Biomédica Fralin</a>&nbsp;cuenta con el Laboratorio&nbsp;de Neuroimagen Humana&nbsp;donde se trabaja en la psiquiatría computacional,&nbsp;aquella disciplina&nbsp;que aplica las herramientas de la informática a la psiquiatría, con la intención de lograr una&nbsp;comprensión más basada en datos de las enfermedades mentales. 
Cuantificar cómo uno se siente es algo totalmente subjetivo, lo que hace al diagnóstico más proclive&nbsp;a imprecisiones. Lo que&nbsp;una persona considera un 3 en una escala de tristeza del 1 a 10, por ejemplo, podría ser el 7&nbsp;de otra persona o el 10 de otra; y nadie estaría equivocado. Pero los trastornos de salud mental&nbsp;también tienen síntomas físicos&nbsp;y medibles, por ejemplo, mediante&nbsp;imágenes por resonancia magnética funcional (fMRI). Combinar neuroimágenes con otros datos podría servir para entrenar a un algoritmo de aprendizaje automático que sea capaz de diagnosticar&nbsp;trastornos con rapidez y precisión. 
<div style="text-align:center"> 
 <figure class="image" style="display:inline-block"> 
 <img alt="" data-height="403" data-size="w:605,h:403" data-width="605" hspace="5" src="https://assets.dev-filo.dift.io/img/2019/09/11/fmri_605.jpg_623385809.jpg" title="" vspace="5"> 
 <figcaption>
 &nbsp;Imagen por resonancia magnética funcional 
 </figcaption> 
 </figure> 
</div> 
<h4>Lo que tenemos hasta ahora no está funcionando</h4> 
Pearl&nbsp;Chiu, investigadora en el&nbsp;Laboratorio&nbsp;de Neuroimagen Humana y profesora de psicología, cree que utilizar computadoras para encontrar patrones puede ser la solución.&nbsp;"Trabajando con pacientes me sentí frustrada al notar lo poco que sabíamos sobre lo que estaba sucediendo. Lo que tenemos&nbsp;ahora simplemente no está funcionando", afirma. 
Encuestas, información sobre comportamientos, datos del habla extraídos de entrevistas y evaluaciones psicológicas podrían "alimentar" algoritmos de aprendizaje automático&nbsp;para establecer conexiones entre todos esos datos e información neurológica obtenida mediante fMRI. De esta manera, una máquina&nbsp;aprende qué partes del cerebro se iluminan con determinados estímulos y&nbsp;puede encontrar patrones en nuestros comportamientos sociales o&nbsp;ver si, por ejemplo, un&nbsp;tratamiento en particular&nbsp;está resultando&nbsp;efectivo. 
Esto traería grandes ventajas. Por un lado, podría ayudar a que los pacientes tengan un mejor tratamiento. Distintos tipos de depresiones se manifiestan en diferentes áreas del cerebro, y los datos obtenidos servirían de guía para saber si el tipo específico de depresión de una persona responde regularmente bien a la terapia o se trata mejor con medicamentos. Lo mismo con otras enfermedades. 
Por otro lado, encontrar los síntomas físicos&nbsp;asociados a trastornos psicológicos podría ayudar a desestigmatizar. Al poder diagnosticar la depresión, el trastorno bipolar o la esquizofrenia objetivamente y de manera similar a, por ejemplo, una enfermedad cardíaca, ¿segurían las personas con enfermedades mentales teniendo que enfrentarse al <a href="https://" target="_blank">estigma público</a> y las consecuencias que esto tiene para sí mismos? 
<div style="text-align:center"> 
 <figure class="image" style="display:inline-block"> 
 <img alt="" data-height="610" data-size="w:610,h:610" data-width="610" hspace="5" src="https://assets.dev-filo.dift.io/img/2019/09/11/stigma-charter-logo-01-610x610.png_1701385063.png" title="" vspace="5"> 
 <figcaption>
 Las enfermedades mentales no discriminan, pero a veces las personas sí. 
 </figcaption> 
 </figure> 
</div> 
<h4>Racismo y sesgos de género</h4> 
La psiquiatría tiene un largo historial de estereotipos de&nbsp;género que continúa hasta el día de hoy:&nbsp;<a href="https://www.who.int/mental_health/media/en/242.pdf" target="_blank">ser mujer aumenta las probabilidades de que te receten drogas psicotrópicas</a>,&nbsp;incluso teniendo&nbsp;puntajes similares en medidas estandarizadas para una enfermedad o cuando se presentan síntomas idénticos que los hombres.&nbsp; 
La raza, por su parte, también tiene un rol en el tratamiento médico. Un estudio de 2016 de la Universidad de Virginia descubrió que los estudiantes de medicina tenían <a href="https://www.washingtonpost.com/news/to-your-health/wp/2016/04/04/do-blacks-feel-less-pain-than-whites-their-doctors-may-think-so/?noredirect=on" target="_blank">ideas falsas ridículas&nbsp;—y potencialmente peligrosas— sobre las personas negras</a>.&nbsp; 
En conclusión, dado que los seres humanos no somos imparciales,&nbsp;estos sesgos se verían reflejados en los algoritmos que escribimos y&nbsp;este sería entonces,&nbsp;otro desafío a tener en cuenta. 
<div style="text-align:center"> 
 <figure class="image" style="display:inline-block"> 
 <img alt="" data-height="270" data-size="w:480,h:270" data-width="480" hspace="5" src="https://assets.dev-filo.dift.io/img/2019/09/11/crying-will-smith-the-pursuit-of-happiness.jpg_186469708.jpg" title="" vspace="5"> 
 <figcaption></figcaption> 
 </figure> 
</div> 
&nbsp;

En esta nota analizamos c&oacute;mo las t&eacute;cnicas de machine learning podr&iacute;an utilizarse para hacer diagn&oacute;sticos sobre trastornos psicol&oacute;gicos y los desaf&iacute;os que presenta.

En esta nota analizamos c&oacute;mo las t&eacute;cnicas de machine learning podr&iacute;an utilizarse para hacer diagn&oacute;sticos sobre trastornos psicol&oacute;gicos y los desaf&iacute;os que presenta.

¿Podría una Inteligencia Artificial diagnosticar desórdenes mentales?

Inteligencia Artificial

Para estudiar si hay diferencias en las palabras usadas para describir a hombres y mujeres en la literatura, una científica&nbsp;computacional de la Universidad de&nbsp;Copenhague&nbsp;(Dinamarca) junto a investigadores estadounidenses utilizaron&nbsp;machine learning (aprendizaje automático)&nbsp;para analizar millones de libros publicados en inglés entre 1900 y 2008.&nbsp;"Hermosa" y "sexy" son dos de los adjetivos más utilizados para describir a las mujeres;&nbsp;"justo", "racional" y "valiente" los más utilizados para los hombres. 
Lo que hicieron fue extraer adjetivos y verbos asociados a sustantivos específicos de género, tales como "prima" o "camarero". Luego categorizaron esas palabras de acuerdo a si representaban algo negativo, positivo o neutral. 
Los análisis mostraron que verbos asociados negativamente con el cuerpo y la apariencia eran cinco veces más frecuentemente utilizado para&nbsp;mujeres que hombres. Además, los adjetivos que describen el aspecto físico aparecían el doble de veces&nbsp;más en mujeres, en tanto que a los hombres se los describía&nbsp;de acuerdo a su comportamiento y sus&nbsp;cualidades personales. 
“Podemos ver claramente que las palabras utilizadas para las mujeres se refieren mucho más a sus apariencias que las&nbsp;utilizadas para describir a los hombres. Por lo tanto, pudimos&nbsp;confirmar una percepción generalizada, solo que ahora a nivel estadístico ", dijo Isabelle Augenstein, informática y profesora asistente del Departamento de Informática de la Universidad de Copenhague. 
<div style="text-align:center"> 
 <figure class="image" style="display:inline-block"> 
 <img alt="" data-height="719" data-size="w:889,h:800" data-width="800" hspace="5" src="https://assets.dev-filo.dift.io/img/2019/08/28/male-female-adjectives-neurosciencnews.jpg_1881311700.jpg" title="" vspace="5"> 
 <figcaption>
 &nbsp;Lista de los 11 adjetivos más frecuentes, distribuidos en categorías. 
 </figcaption> 
 </figure> 
</div> 
Augenstein señala que aunque muchos libros fueron publicados hace varias décadas todavía juegan un papel activo ya que muchas de las aplicaciones actuales para comprender el lenguaje —como la función de texto predictivo— toman información de material disponible online. Es decir,&nbsp;adoptan el lenjuage que utilizamos las personas y&nbsp;eso se refleja luego en prejuicios y estereotipos de género. 
Es&nbsp;importante entonces, a medida que la inteligencia artificial se vuelve más relevante en la sociedad, desarrollar modelos de machine learning que usen textos menos sesgados o tratar de que esos sesgos sean ignorados o contrarrestados.

De acuerdo a un algoritmo que implementa&nbsp;machine learning y analiz&oacute;&nbsp;3.5 millones de libros,&nbsp;los hombres son generalmente descritos con palabras que hacen referencia a su comportamiento, mientras que las mujeres con t&eacute;rminos asociados a su apariencia f&iacute;sica.&nbsp;

De acuerdo a un algoritmo que implementa&nbsp;machine learning y analiz&oacute;&nbsp;3.5 millones de libros,&nbsp;los hombres son generalmente descritos con palabras que hacen referencia a su comportamiento, mientras que las mujeres con t&eacute;rminos asociados a su apariencia f&iacute;sica.&nbsp;

Las mujeres son hermosas, los hombres racionales

Inteligencia artificial

Un grupo de investigadores de la Universidad de Nueva York desarrolló una inteligencia artificial que replica el patrón de las huellas digitales y puede acceder a sistemas con protección biométrica. 
Según <a href="https://arxiv.org/pdf/1705.07386.pdf" target="_blank">el informe presentado</a> en una conferencia de seguridad informática desarrollada en Los Ángeles, el programa, bautizado “DeepMasterPrints” (o “Impresiones Maestras Profundas”), consiguió imitar una de cada cinco huellas digitales en un sistema que debería tener un índice de error de uno en mil. 
La clave para replicar la información es aprovecharse de dos vulnerabilidades de los actuales lectores de huellas digitales. La primera es propia de la tecnología, que solo escanea una parte del dedo para compararlo con sus registros; y la segunda es intrínseca al ser humano, ya que algunas partes de la huella tienden a tener patrones comunes que resultan más sencillos de duplicar. 
<blockquote> 
 “Sin verificar que la biométrica proviene de una persona real, muchos de estos ataques se vuelven factibles,&nbsp;dijo&nbsp;el líder del proyecto Philip Bontrager 
</blockquote> 
Los lectores normalmente utilizados en teléfonos celulares crean un registro de la huella dactilar completa, pero para su verificación (por cuestiones de comodidad para el usuario) utilizan apenas un fragmento de ella. Así, la inteligencia artificial sólo necesita recrear uno de esos fragmentos para obtener acceso al sistema. 
Basado en esos conceptos, los investigadores utilizaron una técnica de machine learning (programas que evolucionan en base a la cantidad de datos introducidos y generan algoritmos propios) para crear huellas digitales que coincidieran con la mayor cantidad posible de originales. 
<div style="text-align:center"> 
 <figure class="image" style="display:inline-block"> 
 <img alt="" data-height="467" data-size="w:800,h:467" data-width="800" hspace="5" src="https://assets.dev-filo.dift.io/img/2018/11/15/screen_shot_2018-11-15_at_2_58_16_pm.png_639900630.png" title="" vspace="5"> 
 <figcaption>
 Las huellas reales (izq.) y las artificiales (der.) | Imagen: Arvix 
 </figcaption> 
 </figure> 
</div> 
La inteligencia artificial no solo consiguió crear impresiones que pueden explotar esas vulnerabilidades sino que también se ven reales a la vista, algo que hasta ahora había resultado imposible. 
<h3>¿De qué forma se puede utilizar?</h3> 
Los investigadores aseguran que un desarrollo como este podría ser aprovechado en ataques similares a los conocidos como “ataque de diccionario”, en los cuales un hacker intenta acceder a un sistema ejecutando una lista de passwords comunes esperando dar con el correcto. 
Un ataque de ese tipo puede no ser efectivo si se tiene un objetivo específico, pero en registros a gran escala podría encontrar coincidencia con algunas de las huellas digitales generadas. 
<h3>¿Vuelvo a poner el pin en el teléfono?</h3> 
No es necesario (al menos por ahora). Como el líder del proyecto Philip Bontrager explicó: “Una configuración similar a la nuestra puede ser utilizada con propósitos malignos, pero difícilmente funcione a menos que esté optimizada para el teléfono, algo que demandaría mucho trabajo”. 
Bontranger espera que los descubrimientos de su equipo generen una evolución en los esfuerzos de las empresas utilzando datos biométricos.

Una inteligencia artificial crea falsas huellas digitales

La tecnolog&iacute;a permite replicar datos biom&eacute;tricos a partir de la explotaci&oacute;n de varias vulnerabilidades

La tecnolog&iacute;a permite replicar datos biom&eacute;tricos a partir de la explotaci&oacute;n de varias vulnerabilidades

Una inteligencia artificial crea falsas huellas digitales que engañan a los sistemas de seguridad

TECNOLOGÍA

Una reciente investigación <a href="https://arxiv.org/abs/1811.08592" target="_blank">realizada por la Universidad de Stanford</a> demostró&nbsp;que los sistemas de reconocimiento de voz y expresiones disponibles en los teléfonos celulares modernos podrían ser utilizados&nbsp;identificar señales de depresión en el usuario. 
El estudio, liderado por el experto en inteligencia artificial y ex-Google Fei-Fei Li, consistió en cargar entrevistas en video realizadas a un grupo de individuos en un máquina preparada para reconocer expresiones faciales, tonos de voz y palabras habladas. Entre los entrevistados se encontraban pacientes diagnosticados de depresión y otros que no. 
Tras el análisis de los videos, la inteligencia artificial identificó con éxito a quienes sufriesen de depresión con una precisión del ochenta por ciento, resultados que sugieren que en el futuro los dispositivos móviles podrían resultar fundamentales para reconocer las señales de un posible diagnóstico y motivar al usuario a buscar tratamiento. 
<div style="text-align:center"> 
 <figure class="image" style="display:inline-block"> 
 <img alt="" data-height="326" data-size="w:434,h:326" data-width="434" hspace="5" src="https://assets.dev-filo.dift.io/img/2018/12/12/screen-shot-2018-11-30-at-10_35_42-am.png_1320144905.png" title="" vspace="5"> 
 <figcaption>
 El sistema utilizado para reconocer las señales | Imagen: Universidad de Stanford 
 </figcaption> 
 </figure> 
</div> 
“Comparado con las enfermedades físicas, los desórdenes mentales son más difíciles de detectar,” explica el estudio. “La carga de la salud mental aumenta por las existencia de barreras como la estigmatización, los costos y la falta de acceso a a opciones de tratamiento.” 
De todas maneras los investigadores son cautelosos aún porque la tecnología está en una etapa inicial de desarrollo y no podría de ninguna manera reemplazar a un especialista. David Sontag, un profesor del MIT, destacó además que las entrevistas, si bien se realizaron a través de una pantalla, contaban con la asistencia de un profesional detrás, por lo que no es claro si el sistema&nbsp;podría ser completamente automatizado. 
No es la primera vez que la tecnología se utiliza para identificar algún desorden de este tipo: a fines de 2017 un grupo de investigadores de la Universidad de Harvard publicó los resultados de un estudio que sugería que una inteligencia artificial puede identificar a un individuo con depresión con solo ver las fotos de su cuenta de Instagram. 
El sistema analizaba criterios de color, sombra y evaluaba si el usuario había o no retocado la imagen con un filtro. Utilizando investigaciones previas que relacionan la depresión con ciertas elecciones de color, el sistema separaba las imágenes con los colores cálidos y brillantes de aquellas con tonos más apagados.&nbsp; 
“Las personas deprimidas prefieren un filtro blanco y negro, llamado Inkwell,” aseguraba uno de los coautores del artículo, el investigador del departamento de psicología de Harvard Andrew Reece. “Las personas saludables prefieren que sus imágenes sean más cálidas y brillantes, usando un filtro llamado Valencia”. 
Puede sonar un poco facilista, pero de los 166 usuarios analizados, la mitad de los cuales habían sido diagnosticados con depresión en los últimos tres años, el sistema pudo identificar señales del desorden en el setenta por ciento de los casos. 
Saliendo del ámbito de la investigación se encuentra <a href="https://mindstronghealth.com" target="_blank">Mindstrong</a>, una aplicación que evalúa la salud cognitiva y mental del individuo en base a su forma de uso del teléfono. Una vez instalada, la aplicación monitorea la forma en la que el usuario tipea, e interactúa con otras aplicaciones, y luego envía la información encriptada a un centro de datos donde una inteligencia artificial realiza un diagnóstico que comparte con el usuario y el profesional que lo esté tratando. 
<div style="text-align:center"> 
 <figure class="image" style="display:inline-block"> 
 <img alt="" data-height="480" data-size="w:1072,h:644" data-width="800" hspace="5" src="https://assets.dev-filo.dift.io/img/2018/12/12/121218_depresionia_1.png_589106975.png" title="" vspace="5"> 
 <figcaption>
 El chatbot terapéutico Woebot | Imagen: Woebot.io 
 </figcaption> 
 </figure> 
</div> 
Otro ejemplo es <a href="https://www.woebot.io" target="_blank">Woebot</a>, un software de conversación (o “chatbot”) desarrollado por la Universidad de Stanford que ofrece asistencia y guía para superar diferentes situaciones cotidianas relacionadas con la ansiedad, la depresión y el estrés a través de terapia cognitiva conductual, una forma de terapia que desafía la visión negativa del paciente y el mundo a para alterar patrones de comportamiento. 
Woebot se puede descargar (en inglés) de forma gratuita en las tiendas de &nbsp;<a href="https://itunes.apple.com/us/app/woebot/id1305375832?ls=1&amp;mt=8" target="_blank">iOS</a>&nbsp;y <a href="https://play.google.com/store/apps/details?id=com.woebot" target="_blank">Android</a>, o se puede utilizar directamente a través de Facebook Messenger. 
Ninguno de estos desarrollos actúan como reemplazo, sino que su objetivo es poder asistir a los especialistas en la identificación de las señales y ofrecerles acceso a contextos de los cuales no formarían parte en otros casos.&nbsp; 
“[El sistema] podría mostrar una alerta al profesional que diga ‘Preguntá por la depresión ya que la actividad de Instagram de las últimas cuatro semanas muestra probabilidades moderadas de depresión,” explicó Reece. “Estamos muy lejos de eso en este prototipo, pero es bueno pensar que la&nbsp;información de las redes sociales puede ser utilizada para ayudarlos y solamente para mostrarles avisos”

Una inteligencia artificial reconoce señales de depresión

Utilizando tecnolog&iacute;a disponible en los tel&eacute;fonos actuales, un software diagnostic&oacute; con &eacute;xito el ochenta por ciento de los casos presentados.

Utilizando tecnolog&iacute;a disponible en los tel&eacute;fonos actuales, un software diagnostic&oacute; con &eacute;xito el ochenta por ciento de los casos presentados.

Una IA reconoce la depresión a partir de expresiones faciales y la voz

Este año un grupo de investigadores de inteligencia artificial de la Universidad de Cornell <a href="https://arxiv.org/abs/1804.03189" target="_blank">publicó los resultados</a> del desarrollo de un nuevo&nbsp;algoritmo que permite introducir cualquier elemento en una pintura emulando casi a la perfección el estilo del artista.&nbsp; 
Para comprobarlo, utilizaron dos obras clásicas: "La noche estrellada" de Vincent van Gogh, y la "Mona Lisa" de Leonardo Da Vinci, cuyo rostro se reemplazó por el del actor Benedict Cumberbatch. Como se puede apreciar en las imagen que ilustra esta nota, la fusión (en particular la de Cumberbatch) es muy precisa. 
<div style="text-align:center"> 
 <figure class="image" style="display:inline-block"> 
 <img alt="" data-height="265" data-size="w:852,h:283" data-width="800" hspace="5" src="https://assets.dev-filo.dift.io/img/2018/12/20/201218_pintura_01.jpeg_1878212262.jpeg" title="" vspace="5"> 
 <figcaption>
 Es escudo del Capitán América aplicado a una pintura clásica&nbsp;| Imagen: Luan et al. / arXiv 
 </figcaption> 
 </figure> 
</div> 
El proceso consta de varias etapas (Harmonización robusta, Refinado, Estilo pictórico e Implementación de detalles) durante las cuales el algoritmo evalúa la similitud de ambas imágenes y modifica parámetros de estilo, iluminación y tono de color de la segunda, para adaptarla a los valores de la original. 
"La composición pictórica es una tarea complicada porque el estilo sintetizado es yuxtapuesto con la pintura original, haciendo que cualquier discrepancia sea inmediatamente visible," explica el estudio. 
Sin embargo, aunque la evidencia provenga de la facilidad de reconocer la intervención de obras maestras de la cultura con iconos contemporáneos de la cultura popular, el algoritmo tiene una efectividad magnífica.&nbsp; 
<div style="text-align:center"> 
 <figure class="image" style="display:inline-block"> 
 <img alt="" data-height="268" data-size="w:870,h:292" data-width="800" hspace="5" src="https://assets.dev-filo.dift.io/img/2018/12/20/201218_pintura_02_copy.jpg_1880982825.jpg" title="" vspace="5"> 
 <figcaption>
 Un reloj de pared en el retrato de Pablo Picasso | Imagen: Luan et al. / arXiv 
 </figcaption> 
 </figure> 
</div> 
El código abierto fue subido en la plataforma pública <a href="https://github.com/luanfujun/deep-painterly-harmonization" target="_blank">GitHub</a> para su uso indiscriminado y, por supuesto, la internet no nos decepcionó. El usuario Gene Kogan decidió ser parte de algunas de las más grandes obras de arte de la historia, mientras que en otros casos el ego no fue tan grande y simplemente se limitaron a imaginar un van Gogh con un águila de mascota. 
<div style="text-align:center"> 
 <div class="ck-twitter" id="twitter-98" style="display: inline-block;"> 
 <blockquote class="twitter-tweet" data-lang="en"> 
 this repo lets you implant random things into paintings <a href="https://t.co/yT1LX4jYNL">https://t.co/yT1LX4jYNL</a> <a href="https://t.co/VAiVu2Tja7">pic.twitter.com/VAiVu2Tja7</a>— Gene Kogan (@genekogan) 
 <a href="https://twitter.com/genekogan/status/1073624934553931776?ref_src=twsrc%5Etfw">December 14, 2018</a> 
 </blockquote>&nbsp; 
 <script async src="//platform.twitter.com/widgets.js" charset="utf-8"></script> 
 
 
 
 </div> 
</div> 
 
<div style="text-align:center"> 
 <div class="ck-twitter" id="twitter-71" style="display: inline-block;"> 
 <blockquote class="twitter-tweet" data-lang="en"> 
 “luanfujun/deep-painterly-harmonization” <a href="https://t.co/9vfdoodpu1">https://t.co/9vfdoodpu1</a> Code and data for paper "Deep Painterly Harmonization": <a href="https://t.co/7zrKtgvVYz">https://t.co/7zrKtgvVYz</a> わろたすげえ。 <a href="https://t.co/cnfxbENbbE">pic.twitter.com/cnfxbENbbE</a>— いのうえ (@inoue0426) 
 <a href="https://twitter.com/inoue0426/status/1074907731075784704?ref_src=twsrc%5Etfw">December 18, 2018</a> 
 </blockquote>&nbsp; 
 <script async src="//platform.twitter.com/widgets.js" charset="utf-8"></script> 
 
 
 
 </div> 
</div> 
<h3>Machine learning&nbsp;al servicio del meme</h3> 
Un segundo proyecto que se popularizó esta semana es el portal <a href="https://www.remove.bg" target="_blank">Remove.bg</a>, un sitio que, utilizando uno de los varios algoritmos de código abierto que circulan por internet, convierte el código en un intuitivo sitio web que permite eliminar el fondo de una imagen de forma sencilla.&nbsp; 
<div style="text-align:center"> 
 <figure class="image" style="display:inline-block"> 
 <img alt="" data-height="425" data-size="w:956,h:508" data-width="800" hspace="5" src="https://assets.dev-filo.dift.io/img/2018/12/20/201218_pintura_03.jpg_756264276.jpg" title="" vspace="5"> 
 <figcaption>
 Los resultados de Remove.bg | Imagen: Remove.bg 
 </figcaption> 
 </figure> 
</div> 
Sólo funciona con personas (u objetos que tengan forma humana), pero en tiempos de memes seguramente le vendrá muy bien a más de uno.

Un nuevo proyecto&nbsp;utiliza machine learning para intervenir pinturas utilizando el estilo del artista original.

Un nuevo proyecto&nbsp;utiliza machine learning para intervenir pinturas utilizando el estilo del artista original.

Una IA fusiona imágenes con obras maestras de forma realista

ARTE Y TECNOLOGÍA

La agencia de noticias China, <a href="http://www.xinhuanet.com/english/2018-11/08/c_137591813.htm" target="_blank">Xinhua</a>, presentó el primer conductor de noticiero virtual creado utilizando imágenes reales, una voz sintética y animaciones generadas por una inteligencia artificial. 
El desarrollo de la tecnología estuvo a cargo de la empresa local Sogou, que utilizó como base la filmación de un conductor humano. Sobre ella, la inteligencia artificial se encarga de animar la boca y las expresiones faciales de acuerdo al texto que esté recitando. 
<div style="text-align:center"> 
 <div class="ck-youtube" id="youtube-39" style="display: inline-block;"> 
 <iframe allow="accelerometer; autoplay; encrypted-media; gyroscope; picture-in-picture" allowfullscreen frameborder="0" height="315" src="https://www.youtube.com/embed/GAfiATTQufk" width="560"></iframe> 
 
 
 
 </div> 
</div> 
La agencia de noticias asegura que las posibilidades son infinitas ya que este tipo de tecnología puede ser utilizada para generar reportes durante las 24 horas en múltiples plataformas a bajo costo y con mínima producción. 
Xinhua ha desarrollado dos conductores (uno para transmisiones en inglés y otro para transmisiones en chino), que debutaron en la Conferencia Mundial de Internet desarrollada en la provincia de Zhejiang. 
<blockquote> 
 “[El conductor] puede trabajar 24 al día en varias plataformas, reduciendo los costos de producción y mejorando la eficiencia”, afirmó la agencia. 
</blockquote> 
Las pruebas iniciales son de una calidad cuestionable, en particular porque la entonación es casi inexistente y las animaciones faciales son limitadas. Sin embargo, es solo cuestión de tiempo antes que este tipo de presentadores se vuelvan indistinguibles de los reales. 
<div style="text-align:center"> 
 <div class="ck-youtube" id="youtube-40" style="display: inline-block;"> 
 <iframe allow="accelerometer; autoplay; encrypted-media; gyroscope; picture-in-picture" allowfullscreen frameborder="0" height="315" src="https://www.youtube.com/embed/eB29ZVDOFfU" width="560"></iframe> 
 
 
 
 </div> 
</div> 
Más allá de la tecnología resulta un tanto perturbador que en un país en el que rige la censura y la prensa se encuentra bajo constante escrutinio, el gobierno apele a estos nuevos presentadores para distribuir su propaganda.

El conductor de noticiero virtual en acción

machine-learning

¿Podría una Inteligencia Artificial diagnosticar desórdenes mentales?

Las mujeres son hermosas, los hombres racionales

Una inteligencia artificial crea falsas huellas digitales que engañan a los sistemas de seguridad

Una IA reconoce la depresión a partir de expresiones faciales y la voz

Una IA fusiona imágenes con obras maestras de forma realista

Debuta en China el primer conductor de noticiero virtual

¡No te pierdas las últimas noticias!

machine-learning

¿Podría una Inteligencia Artificial diagnosticar desórdenes mentales?

Las mujeres son hermosas, los hombres racionales

Una inteligencia artificial crea falsas huellas digitales que engañan a los sistemas de seguridad

Una IA reconoce la depresión a partir de expresiones faciales y la voz

Una IA fusiona imágenes con obras maestras de forma realista

Debuta en China el primer conductor de noticiero virtual