Meta crea a SAM, una Inteligencia Artificial que identifica objetos sin entrenamiento
El departamento de investigación de Meta presentó un nuevo modelo de Inteligencia Artificial (IA) al que llamaron SAM (Segment Anything), el cual puede identificar cualquier objeto en imágenes o videos, incluso si ese dato no fue incluido en su entrenamiento.
SAM es un modelo flexible que fue entrenado con el conjunto de datos más grande hasta la fecha, llamado SA-1B, con mil millones de máscaras en segmentación, el cual tiene una “noción general” que le permite adaptarse para detectar todo tipo de objetos sin necesidad de un entrenamiento adicional.
El funcionamiento de esta tecnología se basa en que el modelo puede distinguir los píxeles de la imagen que pertenecen a un objeto en concreto. Para hacerlo puede recibir indicaciones en texto o con una selección directa del elemento haciendo clic.
Meta explicó que en el futuro, SAM será muy útil para mejorar la visión por computadora al darle una perspectiva más general del mundo. Esta aplicación resultaría conveniente a la hora de usar lentes de Realidad Aumentada o cascos de Realidad Virtual. Por ejemplo, el usuario podría seleccionar un objeto del mundo real para luego replicarlo en 3D o identificar objetos cotidianos para recibir recordatorios o instrucciones.
SAM también podría ser de utilidad para los creadores de contenido a la hora de editar fotografías o extraer elementos de imágenes para collages o edición de video. También podría ayudar al estudio científico de sucesos naturales en la Tierra y en el espacio, localizando animales u objetos para estudiarlos o seguirlos en video.
Meta ya utiliza una tecnología similar para etiquetar fotos, eliminar contenido prohibido y recomendar publicaciones a los usuarios de Facebook e Instagram.
Por ahora, el modelo SAM y el conjunto de datos SA-1B está disponible para su uso no comercial y con fines de investigación. Sin embargo, Meta asegura que su objetivo es democratizar el acceso a esta tecnología para “reducir la necesidad de experiencia en modelado de tareas específicas, cómputo de entrenamiento y anotación de datos personalizados para la segmentación de imágenes”.