Saltar navegación

Activa JavaScript para disfrutar de los vídeos de la Mediateca.

07 - IA y Scratch - Modelo con sesgos

Ajuste de pantalla

El ajuste de pantalla se aprecia al ver el vídeo en pantalla completa. Elige la presentación que más te guste:

Subido el 18 de marzo de 2025 por Ce40 madrid

23 visualizaciones

Más información Transcripción

Descargar la transcripción

bienvenidos a esta nueva píldora tecnológica donde vamos a utilizar el modelo que hemos creado de 00:00:01
perros y gatos en el vídeo anterior y vamos a ver cómo este modelo no está correctamente entrenado 00:00:25
para ello vimos que sí que había gatos y perros y que nos respondía con una fiabilidad alta podemos 00:00:31
ir y comprobar que si yo voy a pruebas y meto la imagen de un gato me dice que es un gato al 00:00:38
100%, fijémonos. Ahora si voy y meto un perro, me dice que es un perro al 99%, correcto. Ahora lo que vamos a hacer es intentar ver qué ocurre si yo le meto 00:00:45
cosas que no son ni gatos ni perros. Pues en este caso, si yo le meto un guepardo, vamos a comprobar 00:01:14
que me dice que es un gato al 59% y un perro al 40%. Esto ya me está indicando que parece un gato 00:01:21
pero no está muy seguro. Vemos que evidentemente no es un gato, pero sí que tiene pinta de gato, 00:01:27
aunque también tiene pinta de perro por la forma del cuerpo. Vamos a ver qué ocurre si le ponemos, 00:01:34
por ejemplo, un lobo. En este caso esperaríamos que apareciera perro, pero nos dice que es gato. Vemos que aquí sí que existe un sesgo. Y ese sesgo, si investigamos, podemos ver 00:01:39
que viene por el color del pelaje. Cuando yo he alimentado mi modelo de inteligencia artificial con perros, los he metido de diferentes colores, blancos, negros, color pardo, 00:01:52
con manchas, fotos de cerca, fotos de lejos. Sin embargo, vemos que solo hay uno que se ve con el cuerpo entero, o dos, y el resto son caras. 00:02:01
En el caso de los gatos, sin embargo, vemos que hay muchos más que tienen cuerpo entero y además todos son de color pardo. 00:02:14
Esto ha introducido un sesgo en el aprendizaje. Y él, al ver esto, que no es ni un gato ni un perro, lo que intenta ver es a quién se parece 00:02:21
y según su modelo de aprendizaje ve que el pelaje es pardo, ve que aparece el cuerpo entero y él intentando estadísticamente hacer que se parezca a alguno de estos 00:02:28
ve que se parece mucho más a las fotos que yo le he puesto de gatos que de perros y por lo tanto concluye que es un gato. Eso es un claro ejemplo de sesgo. 00:02:36
También una cosa muy divertida que podemos hacer es utilizar la webcam. En este caso pues yo la voy a activar y vais a ver que a mí, si yo le pongo mi cara, 00:02:45
ahí estoy yo, si yo añado esta imagen de la webcam 00:02:55
a mí me reconoce como un perro, soy un perro 00:03:00
pero sin embargo, claro, me reconoce como un perro, pero si yo me tapo la boca 00:03:04
y abro los ojos, me reconoce como un gato 00:03:07
¿por qué? porque tiene un sesgo, porque ocurre que cuando hay 00:03:14
pelo en la cara, él piensa que soy un perro 00:03:18
mientras que si la cara está más limpia, al ponerme la mano 00:03:23
tapo el pelo del hocico y veo, abro los ojos más y vemos que los gatos tienen los ojos, algunos de ellos, muy redondos, pues me reconoce como un gato. 00:03:26
Entonces vemos que también se puede engañar a las inteligencias artificiales y que su información puede no ser 100% fiable. 00:03:40
¿Cómo corregimos esto? Pues metiendo más imágenes, reentrenándolo, aprendiendo y volviendo a probar hasta que veamos que nuestro modelo está bien entrenado y no tiene sesgos. 00:03:47
Cuando tengamos un modelo bien entrenado, podemos venir aquí a archivo y guardar en mi ordenador un archivo, que va a ser un archivo con extensión JSON, 00:03:57
y ahí me va a guardar mi modelo de forma que yo luego lo pueda cargar desde mi ordenador 00:04:07
y directamente le decirle que lo aprenda y ya tendríamos nuestro modelo cargado para poderlo explotar. 00:04:13
En el siguiente vídeo vamos a ver cómo vamos a poder utilizar Echidna Scratch 00:04:18
para poder programar a través de un entorno de Scratch bloques que nos permitan interactuar 00:04:24
con un modelo de inteligencia artificial que previamente hayamos entrenado. 00:04:29
Así que nos vemos en el siguiente vídeo. 00:04:34
Etiquetas:
Código Escuela 4.0_M
Subido por:
Ce40 madrid
Licencia:
Reconocimiento - Compartir igual
Visualizaciones:
23
Fecha:
18 de marzo de 2025 - 13:28
Visibilidad:
Público
Centro:
C RECURSOS Código Escuela 4.0
Duración:
04′ 52″
Relación de aspecto:
1.78:1
Resolución:
1920x1080 píxeles
Tamaño:
23.02 MBytes

Del mismo autor…

Ver más del mismo centro

EducaMadrid, Plataforma Educativa de la Comunidad de Madrid

Plataforma Educativa EducaMadrid