AIs Spot Drones con la ayuda de un Fly Eye
En diciembre de 2018, miles de viajeros de vacaciones quedaron varados en el aeropuerto Gatwick de Londres debido a informes de drones que volaban cerca. El aeropuerto, uno de los más concurridos de Europa, estuvo cerrado durante dos días, lo que provocó importantes retrasos y costó millones de dólares a las aerolíneas. Los drones no autorizados en el espacio aéreo comercial han causado incidentes similares en los EE. UU. y en todo el mundo. Para detenerlos, los investigadores ahora están desarrollando un sistema de detección inspirado en un tipo diferente de objeto en el aire: una mosca viva. Este trabajo podría tener aplicaciones mucho más allá de la detección de drones, escriben los investigadores en un nuevo artículo publicado en el Revista de la Sociedad Acústica de América.
“Es bastante asombroso”, dice Frank Ruffier, investigador del Instituto de Ciencias del Movimiento Etienne-Jules Marey de la Universidad de Aix-Marseille en Francia y del Centro Nacional de Investigación Científica de Francia, que no participó en el nuevo estudio. “Esta investigación básica sobre la marcha está resolviendo un problema real en informática”.
Esa solución tiene implicaciones para, entre otras cosas, superar la dificultad inherente de detectar drones. A medida que estas máquinas voladoras pilotadas por control remoto se vuelven cada vez más baratas y accesibles, a muchos expertos les preocupa que se vuelvan cada vez más disruptivas. Su prevalencia plantea una variedad de problemas, dice Brian Bothwell, codirector del equipo de Análisis y Evaluación de Ciencia, Tecnología y Análisis de la Oficina de Responsabilidad del Gobierno de EE. UU. “Los drones pueden ser operados tanto por los descuidados como por los criminales”, señala. Los pilotos de drones descuidados pueden causar accidentes sin darse cuenta; los criminales pueden usar estos dispositivos para pasar drogas de contrabando a través de las fronteras nacionales o arrojar contrabando en los patios de las prisiones, por ejemplo. “Es importante detectarlos”, dice Bothwell.
Pero tal detección está lejos de ser simple. Los sistemas actuales se basan en sensores visuales, auditivos o infrarrojos, pero estas tecnologías a menudo tienen dificultades en condiciones de baja visibilidad, ruido fuerte o señales que interfieren. Resolver el problema requiere lo que los programadores informáticos llaman «detección de prominencia», que esencialmente significa distinguir la señal del ruido.
Ahora, con algo de ayuda de la naturaleza, un equipo de científicos e ingenieros de la Universidad de Australia del Sur, la empresa de defensa Midspar Systems y la Universidad de Flinders en Australia pueden haber encontrado una solución. En su nuevo artículo, demuestran un algoritmo que fue diseñado mediante ingeniería inversa del sistema visual de la sírfido, una familia de insectos principalmente con rayas negras y amarillas conocidos por su hábito de revolotear alrededor de las flores. Como puede atestiguar cualquiera que haya intentado aplastar una mosca, muchas de estas plagas zumbantes tienen una visión increíblemente aguda y tiempos de reacción rápidos. Tales habilidades provienen de sus ojos compuestos, que captan mucha información simultáneamente, y de las neuronas que procesan esa información, que resultan ser extremadamente buenas para separar las señales relevantes del ruido sin sentido. Una amplia gama de animales tiene sistemas visuales que eliminan el ruido de manera efectiva, pero el cerebro simple de las moscas, y la facilidad resultante para investigarlas, hace que los insectos sean un modelo particularmente útil para los científicos informáticos.
Para este estudio, los investigadores examinaron el sistema visual de la hoverfly para desarrollar una herramienta que utiliza mecanismos similares para limpiar datos ruidosos. La información filtrada se puede luego alimentar a un algoritmo de inteligencia artificial para la detección de drones. En su nuevo artículo, los científicos demuestran que esta combinación puede detectar drones hasta un 50 por ciento más lejos que la IA convencional sola. El nuevo trabajo de investigación es solo una prueba de concepto de la capacidad de filtrado del algoritmo de visión aérea, pero los miembros del equipo han construido un prototipo y están trabajando para su comercialización. Sus esfuerzos demuestran cómo el diseño bioinspirado puede mejorar los sistemas de detección pasiva.
“Este documento es un gran ejemplo de cuánto podemos aprender potencialmente de la naturaleza sobre el procesamiento de la información”, dice Ted Pavlic, director asociado de investigación en el Centro de Biomimética de la Universidad Estatal de Arizona, que no participó en el nuevo estudio.
Para obtener información de la mosca voladora, el equipo pasó más de una década estudiando cuidadosamente las vías neuronales de sus ojos y midiendo sus respuestas eléctricas a la luz. Comenzando con los fotosensores en los grandes ojos compuestos de los insectos, los ingenieros rastrearon los circuitos a través de las diversas capas de neuronas hasta el cerebro. Luego usaron esa información para construir un algoritmo que puede detectar y realzar las partes importantes de los datos.
Pero en lugar de simplemente introducir datos visuales en el algoritmo, los investigadores lo alimentaron con espectrogramas (representaciones visuales de sonido) creados a partir de datos acústicos registrados en un entorno exterior mientras los drones pasaban volando. El algoritmo pudo ver estos gráficos ondulados y realzar los importantes picos de «señal» que correspondían a las frecuencias emitidas por los drones. Al mismo tiempo, pudo reducir el ruido de fondo que no generaban los drones.
«Es muy bueno porque es un paso de limpieza, y básicamente puede agregarlo a cualquier proceso de aprendizaje automático y esperar obtener un beneficio de él», dice Emma Alexander, científica informática de la Universidad Northwestern, que no participó en el estudio.
De hecho, los investigadores dicen que quieren usar su algoritmo bioinspirado en una variedad de aplicaciones en las que la inteligencia artificial debe procesar información del mundo real mientras se enfrenta a condiciones complicadas y desordenadas. «Hemos construido un sistema que puede adaptarse automáticamente a diferentes entornos y mejorar las cosas que son de interés», dice el coautor del estudio Russell Brinkworth, ingeniero biológico de la Universidad de Flinders.
Por ejemplo, uno de los principales desafíos que conlleva la construcción de cualquier sistema de detección basado en IA es lograr que funcione en un entorno en constante cambio. “En la IA tradicional, no puedes simplemente mostrarle la imagen de un automóvil. Tienes que mostrarle un coche en todas las situaciones posibles en las que podrías ver un coche”, explica. “Pero si la iluminación cambia o hay una sombra, la IA dirá que nunca la ha visto antes”. Este es uno de los grandes obstáculos en el diseño de vehículos autónomos que se ajusten de manera confiable a los cambios de luz y otras condiciones cambiantes. Sin embargo, con el sistema inspirado en las moscas, este filtrado ocurre automáticamente.
“La inteligencia artificial funciona mejor cuando se encuentra en un entorno confinado y controlado”, dice Brinkworth. “Pero la biología, por otro lado, funciona en todas partes. Si no funciona en todas partes, muere”.
