Facebook Artificial Intelligence Research (FAIR) es una entidad dedicada desde su creación, en 2013, al desarrollo de sistemas de inteligencia artificial a través de un modelo de código abierto. Con sede en Nueva York, dos años después de su lanzamiento decidió abrir un laboratorio en Europa. El lugar elegido: París.

Con motivo del sexto aniversario de la apertura de la sede europea, FAIR París celebró ayer el Facebook AI Innovation Summit. En formato online, el evento reunió a expertos en inteligencia artificial de la compañía e investigadores, incluida presencia española.

“En 2018 ya contábamos con 15 millones de dólares en inversiones para el desarrollo de soluciones y sistemas de inteligencia artificial. Hoy forman parte de nuestra comunidad 90 investigadores y 40 estudiantes de doctorado”, ha explicado Antoine Bordes, director de estos laboratorios, durante su intervención en el encuentro.

Antoine Bordes, director de AI Research en Facebook, en una imagen de archivo.

Durante las cuatro horas que duró la conferencia, se repasaron los logros del laboratorio durante estos años, las actuales investigaciones y se miró hacia los desafíos del futuro bajo el lema ‘Construir un mundo mejor con IA’.

“Impulsar nuevas experiencias, ayudar a abordar los próximos desafíos de la humanidad y aprender cómo actúan las personas son los retos que tiene por delante la inteligencia artificial”, afirmó Bordes.

Evolución y diagnóstico de la covid-19

Uno los proyectos puestos en marcha durante los últimos meses, y del que ayer se dieron a conocer los detalles, está ligado a la pandemia del covid-19 y a la monitorización de su propagación.

Desde abril del año pasado, Facebook IA ha creado y compartido modelos de pronóstico de la enfermedad para ayudar a los expertos en salud a determinar la mejor manera de planificar y asignar recursos en su área. Ahora, están aplicando código abierto a todos ellos para que gobiernos e investigadores puedan usarlos.

Estos modelos se han desarrollado en colaboración con académicos de la Universidad de Nueva York, la Universitat Politècnica de Catalunya (UPC) y la Universidad de Viena. Han utilizado datos sobre la propagación de la enfermedad disponibles públicamente y esperan que, a partir del programa de investigación abierta, también ayuden a avanzar en los pronósticos.

El grupo de trabajo de Biología Computacional y Sistemas Complejos (BIOCOM-SC) de la UPM, del profesor de física Enric Álvarez Lacalle, ha tenido un papel muy activo proporcionando informes a la Comisión Europea con las previsiones sobre la propagación del virus.

Álvarez Lacalle ofreció algunos detalles del proyecto y explicó que “el modelo de Facebook AI ha sido utilizado en hospitales de Barcelona y se ha demostrado que tiene capacidad predictiva a medio plazo”. Y ha recordado que “en los centros sanitarios es importante contar con previsiones que les ayuden a programar la asistencia para la semana siguiente o las dos próximas semanas”.

Puesto que las tasas de vacunación pueden influir en la propagación del virus, desde Facebook AI han anunciado que han ampliado su modelo para tener en cuenta estas nuevas condiciones y ajustarlo a la dinámica de la enfermedad.

Un simulador 3D para entrenar robots

Entre las aplicaciones de la inteligencia artificial está el entrenamiento de robots en mundos virtuales. Para avanzar más rápido en sus prácticas, Facebook AI ha anunciado el desarrollo de Habitat 2.0. Se trata de una plataforma de simulación que permite a los investigadores no sólo enseñar a las máquinas a moverse en entornos virtuales en 3D, también a interactuar con los objetos tal como lo harían en una cocina o un comedor.

Para mejorar los resultados, el laboratorio se ha aliado con Matterport. Esta empresa estadounidense ha desarrollado 1.000 gemelos digitales de espacios interiores con los que entrenará la inteligencia artificial de Facebook. El conjunto de datos, bautizado como Habitat-Matterport 3D (HM3D), incluye ubicaciones residenciales, comerciales y municipales creadas a partir de lugares reales.

Habitat 2.0 se basa en el programa de código abierto AI Habitat e incluye el conjunto de datos ReplicaCAD para crear espacios en tres dimensiones completamente interactivos que admiten la manipulación de objetos.

De esta forma, los investigadores serán capaces de recrear modelos donde los robots entrenen tareas de asistencia domésticas, que han denominado Home Assistive Benchmark (HAB), como poner la mesa, limpiar la casa, abrir un cajón o llenar la nevera.

Una de las dificultades de HAB es que las máquinas (robots) no tienen conocimiento previo del entorno en el que se van a mover, pero sí sensores y cámaras que les ayuden a posicionarse y a reconocer objetos con los que sí han entrenado. El próximo desafío de este proyecto es modelar e incluir una mayor diversidad de espacios y formas comunes de otros lugares del mundo.

ReplicaCAD, la plataforma de simulación Habitat 2.0 y HAB son fruto del trabajo de un equipo de investigadores que pertenecen a Facebook AI Research, Georgia Tech, Intel Labs, la Universidad Simon Freser, en Canadá, y la Universidad de California, en Berkeley (EE.UU.). Cada uno con experiencia en diferentes áreas de conocimiento como gráficos por ordenador, renderizado, física, simulación, diseño de videojuegos, arte 3D, visión artificial, robótica y deep learning,

Reconocimiento de imágenes para compras ‘online’ 

El auge del comercio electrónico durante el último año por las restricciones de la pandemia también ha centrado parte de los desarrollos de FAIR. En esta entidad ya venían trabajando en una gran plataforma que facilite en un futuro la compraventa de productos. Como avance hacia ese objetivo, durante la Facebook AI Innovation Summit han compartido los detalles sobre cómo están extendiendo su sistema de reconocimiento de productos, GrokNet , a nuevas aplicaciones en Facebook e Instagram. 

Ahora, GrokNet identifica qué artículo hay en una imagen y predice sus categorías –como "sofá"– y atributos –como el color y el estilo– Lo hace tras haber entrenado con un conjunto de datos de millones de imágenes del Marketplace de Facebook. Esto ayuda a los vendedores a posicionar mejor su oferta, al ofrecerles sugerencias de etiquetado, y a los compradores a localizar antes lo que buscan, al mostrarles los resultados más relevantes.

Todo el aprendizaje de este sistema de inteligencia artificial es supervisado. Parte de ejemplos (imágenes) etiquetados previamente y no tiene en cuenta casos excepcionales o combinaciones de etiquetas.

Sobre la investigación anterior, se ha creado un modelo que aprende de algunos pares de atributos y objetos, y se adapta a otros completamente nuevos y poco comunes. Por lo tanto, si entrena con faldas azules, autos azules y cielos azules, podrá reconocer los pantalones azules incluso si su modelo nunca los vio durante el entrenamiento.

Este enfoque utiliza ‘aprendizaje ligeramente supervisado’. El modelo aprende de las etiquetas asociadas de 78 millones de imágenes públicas de Instagram en lugar de depender por completo de ejemplos etiquetados manualmente.

“Nuestro propósito es aprovechar la inteligencia artificial para mejorar el conocimiento que tememos de las personas y su tejido social para conectarlos con los productos que les interesan”, explicó Ana Grace, directora de producto de Facebook AI. “Y para ello estamos trabajando en desarrollos que les ofrezcan la mejor experiencia durante todo el proceso de compra”. 

Mientras recopilan los datos para entrenar estos modelos, muestrean objetos y atributos de todas las geografías del mundo. Esto ayuda a reducir el potencial de sesgo al reconocer conceptos como ‘vestido de novia’, que a menudo es blanco en las culturas occidentales, pero es probable que sea rojo en el sur de Asia, por ejemplo.