Ejemplo de identificación de mortero a partir de las características Altura y Distancia del disparo
29
realizan disparos con morteros de 60,
81 y 120 mm a una distancia cercana
a su alcance máximo y se anota la distancia
y altura alcanzada.
Si se representasen gráficamente estos
disparos, siendo x la distancia e y
la altura, se obtendrían tres agrupaciones
de puntos que representarían
los tres tipos de morteros desde los
que se ha realizado el disparo. Al observar
nuevos disparos de los cuales
desconocemos el mortero utilizado,
se podría averiguar de forma intuitiva
a qué mortero pertenece, dependiendo
de dónde quede representado
gráficamente el nuevo disparo o instancia.
El programa, para «entender intuitivamente
» a qué categoría corresponde
la nueva instancia a partir de sus
características (distancia y altura), se
valdrá de un algoritmo que previamente
ha sido diseñado para tal fin.
Por ejemplo, puede determinar a qué
clase corresponde el nuevo disparo a
partir de los puntos más cercanos. Si
la mayoría de esos puntos son de un
mortero de 81 mm, el nuevo disparo
quedará clasificado como tal.
Este ejemplo, sin embargo, no es el
habitual que se encontrará en situaciones
reales, ya que para categorizar
correctamente será necesario identificar
más de dos (y tres) atributos, y la
representación gráfica ya no será tan
fácil de representar, por lo que este
procedimiento se convierte en un
proceso más abstracto. En el caso de
los morteros, si se contemplase la utilización
de distintos suplementos, en
la representación gráfica se verían zonas
superpuestas de dos categorías
y sería necesario incluir nuevos atributos
(velocidad inicial del proyectil,
tiempo en el aire, etc.) para poder desarrollar
el algoritmo.
La inteligencia
artificial necesita
un conjunto
de datos que
enseñarán al
programa a
clasificar los
objetos que
previamente
hemos
categorizado
Basándonos en este ejemplo, podemos
decir que la inteligencia artificial
necesita un conjunto de datos
formados por instancias y aquellos
atributos más significativos que, por
medio de un algoritmo, enseñarán al
programa a clasificar los objetos que
previamente hemos categorizado.
En el caso de la identificación de
imágenes el procedimiento sería
muy parecido. Si quisiéramos desarrollar
un algoritmo para identificar
varios materiales (helicópteros,
vehículos, piezas de artillería, etc.)
habría que crear un conjunto de datos
con cientos de imágenes de los
objetos que queremos clasificar.
Posteriormente habría que extraer
aquellas características que nos
permitieran reconocer un objeto entre
el resto. Estas características podrían
ser atributos como contraste,
saturación, color, brillo, etc., o incluso
otros atributos extraídos por medio
de algoritmos de inteligencia artificial.
Una vez creada esta base de
datos, se crearía un algoritmo con
parte de esos datos y se comprobaría
su porcentaje de acierto con
el resto de los mismos. Si ese porcentaje
es aceptable, el algoritmo ya
estaría preparado para la identificación
de nuevas imágenes.
Faltaría un paso previo, que es la detección
de objetos a partir de una imagen
dada. De esta forma, un algoritmo
detecta los polígonos u objetos presentes
en una fotografía, se extraen
las características de cada polígono
y el algoritmo que hemos entrenado
previamente es el que clasifica el citado
objeto.