Las imágenes internas de nosotros mismos pueden desviarse de lo que ven los demás y ello puede verse afectado por nuestras creencias sobre nuestra personalidad y nuestra autoestima.

Investigadores de la Facultad de Ciencias Humanas y del Comportamiento de la Universidad de Bangor han ideado una forma de acceder a la imagen mental que las personas tienen de sí mismos, y, por primera vez, comparar esa imagen con la realidad.

Tus creencias determinan tu autoimagen

En la investigación del equipo, las imágenes mentales de los propios rostros de los participantes se reconstruyeron utilizando una técnica que se ha empleado en el pasado para ayudar a los psicólogos a visualizar cómo vemos las cosas mentalmente.

En Xataka Ciencia

Nunca me han besado: si tu primer beso fue en secundaria, tendrás más autoestima de adulto

Básicamente, lo que se hace es que los participantes vean dos caras al azar y cada vez deben elegir la que se parece más a su propia cara, un proceso que se repite varios cientos de veces. Al final, los investigadores pueden promediar todas las imágenes que la gente pensaba que se parecían más a ellos mismos, y eso les permite visualizar los "selfies mentales" de los participantes.

Así fue cómo descubrieron que las creencias sobre sí mismos afectaron fuertemente a la forma en que se imaginaban su propia apariencia. Por ejemplo, si una persona creía que era extrovertida, imaginaba sus propios rostros como más seguros y sociables de lo que les parecían a otras personas.

En Xataka Ciencia

Esta ecuación matemática puede explicar cómo nuestra autoestima está determinada por lo que otras personas piensan de nosotros

Y esto es lo que pasa con el cuerpo

En un segundo estudio, el equipo utilizó el mismo enfoque para visualizar las imágenes mentales de las personas de la forma de su propio cuerpo. Descubrieron no solo que las personas tenían imágenes mentales poco realistas de sus propios cuerpos, sino que estas imágenes mentales estaban fuertemente influenciadas por sus actitudes hacia ellos mismos más que por su verdadera apariencia.

Las personas que tenían actitudes emocionales muy negativas hacia su propia apariencia tendían a imaginarse a sí mismas con un cuerpo mucho más grande que en la realidad.

En Xataka Ciencia

Señor Limpio y Señor Sucio: cómo nuestra autoestima depende del tipo de persona con la que competimos

La adaptación de este método podría brindar a los médicos que brindan apoyo a las personas con trastornos de la imagen corporal una nueva herramienta para medir si las terapias han tenido éxito. Actualmente, esto se evalúa comúnmente mediante cuestionarios que evalúan si las creencias negativas del paciente sobre sí mismo han cambiado.

Al fin y al cabo, no solo es importante la belleza para saber cómo nos tratarán los demás. También resulta crucial si nosotros mismos nos sentimos atractivos o no, y también si nos sentimos mejores o peores que el resto:

Según una nueva investigación presentada en el Festival NCRI y publicada en Lancet Digital Health, las imágenes y los datos adjuntos disponibles para entrenar la inteligencia artificial (IA) para detectar el cáncer de piel son insuficientes e incluyen muy pocas imágenes de piel más oscura.

Cuantos más ejemplos, mejor

La IA se utiliza cada vez más en medicina, ya que puede hacer que el diagnóstico de enfermedades como el cáncer de piel sea más rápido y eficaz. Sin embargo, la IA debe ser "entrenada" observando datos e imágenes de una gran cantidad de pacientes en los que ya se ha establecido el diagnóstico, por lo que un programa de IA depende en gran medida de la información en la que está entrenado.

En Xataka Ciencia

Se usa la inteligencia artificial para identificar una nueva combinación de fármacos para niños con cáncer cerebral incurable

Por ello, David Wen de la Universidad de Oxford, y sus colegas llevaron a cabo la primera revisión de todos los conjuntos de datos de acceso gratuito sobre lesiones cutáneas en todo el mundo. Encontraron 21 conjuntos que incluían más de 100.000 fotografías.

El diagnóstico de cáncer de piel normalmente requiere una foto de la lesión preocupante, así como una foto tomada con una lupa de mano especial, llamada dermatoscopio, pero solo dos de los 21 conjuntos de datos incluían imágenes tomadas con ambos métodos. A los conjuntos de datos también les faltaba otra información importante: cómo se eligieron las imágenes para incluirlas y evidencia de aprobación ética o consentimiento del paciente.

En Xataka Ciencia

Los hábitos de conducción registrados por GPS pueden ayudar a identificar la enfermedad de Alzheimer gracias a a la IA

Catorce de los 21 conjuntos de datos proporcionaron información sobre de qué país procedían y, de ellos, nueve contenían imágenes de países europeos. Solo un pequeño porcentaje de imágenes se acompañó de información sobre el color de piel o el origen étnico de los pacientes. Entre las imágenes en las que se indicó el color de la piel (2.436 imágenes), solo diez eran de piel morena y solo una era de piel morena o negra. Entre las imágenes en las que se indicó el origen étnico (1585 imágenes), ninguna era de personas de origen africano, afrocaribeño o del sur de Asia:

Esto tiene implicaciones para los programas desarrollados a partir de estas imágenes, debido a la incertidumbre sobre cómo pueden funcionar en diferentes grupos de personas, especialmente en aquellos que no están bien representados en los conjuntos de datos, como aquellos con piel más oscura. Esto puede potencialmente llevar a la exclusión o incluso daño de estos grupos debido a las tecnologías de IA. Aunque el cáncer de piel es más raro en personas con pieles más oscuras, existe evidencia de que quienes lo desarrollan pueden tener una enfermedad peor o tener más probabilidades de morir a causa de la enfermedad.

Un nuevo estudio publicado en Cell Systems, muestra el potencial de las herramientas basadas en inteligencia artificial para revolucionar la patología del cáncer y una variedad de otras enfermedades. Concretamente, estos nuevos algoritmos de inteligencia artificial han sido desarrollados por investigadores de UT Southwestern para evaluar el potencial metastásico en cánceres de piel.

Ingeniería inversa

Con métodos basados ​​en el aprendizaje profundo (deep learning) capaces de distinguir diferencias mínimas en imágenes que son esencialmente invisibles para el ojo humano, los investigadores han propuesto utilizar esta información latente para buscar diferencias en las características de la enfermedad que podrían ofrecer información sobre los pronósticos o guiar los tratamientos.

En Xataka Ciencia

La enfermedad de Alzheimer ya puede detectarse durante una conversaciones telefónicas gracias al aprendizaje automático

Las diferencias que distingue la IA generalmente no son interpretables en términos de características celulares específicas, un inconveniente que ha hecho que la IA sea difícil de vender para uso clínico, pero aquí se usó la IA para buscar diferencias entre las imágenes de células de melanoma con alto y bajo potencial metastásico, una característica que puede significar la vida o la muerte para los pacientes con cáncer de piel, y luego realizaron ingeniería inversa en sus hallazgos para averiguar qué características de estas imágenes eran responsables de las diferencias.

Utilizando muestras de tumores de siete pacientes y la información disponible sobre la progresión de su enfermedad, incluida la metástasis, los investigadores tomaron videos de aproximadamente 12.000 células aleatorias que viven en placas de Petri, generando alrededor de 1.700.000 imágenes sin procesar. Luego, los investigadores utilizaron un algoritmo de inteligencia artificial para extraer 56 características numéricas abstractas diferentes de estas imágenes.

En Xataka Ciencia

La IA ayuda a identificar a las personas que están en riesgo de pérdida de dientes sin la necesidad de un examen dental

Encontraron entonces una característica que podía discriminar con precisión entre células con potencial metastásico alto y bajo. Al manipular esta característica numérica abstracta, produjeron imágenes artificiales que exageraban las características visibles inherentes a la metástasis que los ojos humanos no pueden detectar. Concretamente, las células altamente metastásicas produjeron más extensión con forma de pseudópodos (un tipo de proyección en forma de dedos) y tuvieron una mayor dispersión de la luz, un efecto que puede deberse a sutiles reordenamientos de los orgánulos celulares.

Google e investigadores de la Universidad de Harvard se han unido para crear la imagen más detallada de una pequeña parte del cerebro humano jamás producida.

El trabajo comenzó con la obtención de tejido cerebral humano extraído de la corteza de un paciente epiléptico que se sometió a una cirugía cerebral como parte de su tratamiento.

Conectoma

El tejido cerebral del paciente epiléptico se cortó en aproximadamente 5.300 secciones individuales de 30 nm. A continuación, se obtuvieron imágenes de cada una de las rodajas utilizando un microscopio electrónico.

El proceso de obtención de imágenes dio como resultado la creación de 225 millones de imágenes 2D. Luego, se utilizó una computadora para unir las imágenes y crear una representación en 3D del tejido cerebral original.

A continuación, los investigadores utilizaron algoritmos de aprendizaje automático para crear segmentaciones 3D que representan células individuales. Se utilizó otro algoritmo para caracterizar 130 millones de sinapsis, que se dividieron en subcompartimentos. Hacerlo permitió etiquetar estructuras de interés como los cilios y la mielina.

En Xataka Ciencia

No, tener estudios superiores no influye en cómo envejece el cerebro

Los expertos humanos revisaron 100 de las células para corregir el trabajo por parte de las computadoras. El resultado es lo que el equipo describe como el mapa más detallado jamás creado de conexiones en el cerebro humano. Los investigadores se refieren a él como el conjunto de datos 'H01 dataset'.

El equipo ha hecho que el mapa cerebral esté disponible gratuitamente online con su interfaz de navegador Neuroglancer. Actualmente tiene información para aproximadamente 50,000 celdas, mostradas en 3D. Pronto se agregarán más. Las células están conectadas por cientos de millones de zarcillos que comprenden aproximadamente 130 millones de sinapsis. Los datos del proyecto ascienden actualmente a 1,4 petabytes.

En Xataka Ciencia

Cómo se descubrió el lenguaje secreto de las neuronas y la primera persona que pudo escucharlo

Para hacernos una idea de estas magnitudes: un petabyte son 1.024 terabytes. Con un solo PB, podremos alojar mas de 65.000 películas en formato 4K (cada una con un peso promedio de 15 GB). 1 PB es equivalente a más de 4.000 fotos digitales por día, durante toda su nuestra vida

El equipo de Google dice que su objetivo al crear tales herramientas es proporcionar recursos para el estudio del cerebro humano utilizando nuevos tipos de tecnología.

Una nueva técnica de diagnóstico por imágenes tiene el potencial de detectar trastornos neurológicos, como la enfermedad de Alzheimer, en sus etapas más tempranas, lo que permite a los médicos diagnosticar y tratar a los pacientes con mayor rapidez.

La metodología de imágenes, denominada superresolución, combina la tomografía por emisión de posición (PET) con un dispositivo de seguimiento de movimiento externo para crear imágenes muy detalladas del cerebro.

PET

En las imágenes de PET del cerebro, la calidad de las imágenes a menudo se ve limitada por movimientos no deseados del paciente durante la exploración. En este estudio, los investigadores utilizaron la superresolución para aprovechar el movimiento de la cabeza normalmente no deseado de los sujetos para mejorar la resolución en la PET cerebral.

En Xataka Ciencia

La primera terapia génica que logra revertir la pérdida del memoria de Alzheimer en ratones

Si bien esta técnica de superresolución solo se ha probado en estudios preclínicos, los investigadores están trabajando actualmente para extenderla a sujetos humanos. De cara al futuro, los autores señalan el importante impacto que puede tener la superresolución en los trastornos cerebrales, específicamente en la enfermedad de Alzheimer:

La enfermedad de Alzheimer se caracteriza por la presencia de ovillos compuestos de proteína tau. Estos ovillos comienzan a acumularse muy temprano en la enfermedad de Alzheimer, a veces décadas antes de los síntomas, en regiones muy pequeñas del cerebro.

La NASA ha estado compartiendo un flujo constante de contenido de la misión del helicóptero Ingenuity en Marte, y su última oferta es la más inmersiva hasta el momento.

La agencia espacial ha publicado un video en 3D del tercer vuelo del pequeño helicóptero sobre el planeta rojo, que tuvo lugar el 25 de abril.

Renderizando el vuelo en 3D

Las imágenes fueron capturadas por un par de cámaras con zoom conectadas al mástil del rover Perseverance, que llevó a Ingenuity a Marte. Las imágenes fueron luego transmitidas a la Tierra, donde los ingenieros científicos de la NASA renderizaron el vuelo en 3D.

Primero, tuvieron que unir las imágenes en un video. Luego reproyectaron los cuadros para optimizar la visualización en un anaglifo, que funciona superponiendo dos imágenes capturadas desde diferentes ángulos. Cuando se ven a través de lentes con diferentes colores en cada lente, las imágenes reciben un efecto 3D estereoscópico.

Si no tienes tus propias gafas 3D, la NASA tiene una guía sobre cómo hacer un par. Y si eso te parece demasiado, también puedes ver el vuelo en 2D, aunque sea más aburrido:

Una nueva herramienta de inteligencia artificial proporciona una forma sorprendentemente sencilla de detectar si lo que estamos viendo es un deepfake o se trata de una imagen real: analizar cómo la luz se refleja en los ojos.

El sistema ha sido desarrollado por investigadores informáticos de la Universidad de Buffalo. En pruebas con fotos de estilo retrato, la herramienta fue 94% efectiva en la detección de imágenes Deepfake.

Análisis de las córneas

Un Deepfake (acrónimo del inglés formado por las palabras fake, falsificación, y deep learning, aprendizaje profundo) es una técnica de inteligencia artificial que permite editar vídeos falsos de personas que aparentemente son reales, utilizando para ello algoritmos de aprendizaje no supervisados, conocidos en español como RGAs (Red generativa antagónica), y vídeos o imágenes ya existentes. Muchas veces, el ojo humano puede ser engañado, por ello se ha desarrollado este nuevo algoritmo para identificarlos.

El sistema expone las falsificaciones analizando las córneas, que tienen una superficie similar a un espejo y que genera patrones reflectantes cuando se ilumina con luz.

En una foto de un rostro real tomada con una cámara, el reflejo de los dos ojos será similar porque están viendo lo mismo. Pero las imágenes Deepfake generalmente no logran capturar con precisión esta semejanza, mostrando diferentes formas geométricas o ubicaciones no coincidentes de los reflejos.

El sistema de inteligencia artificial busca estas discrepancias trazando un rostro y analizando la luz reflejada en cada globo ocular. Genera una puntuación que sirve como métrica de similitud. Cuanto menor sea la puntuación, más probable es que el rostro sea un Deepfake.

Por supuesto, el sistema tiene limitaciones: es eficaz únicamente en imágenes de retratos. Si el rostro de la imagen no está mirando a la cámara, es probable que el sistema produzca falsos positivos. También los deepfakes más sosfisticados, donde hay un trabajo de procesado posterior para evitar discrepancias en los reflejos de los ojos, quedarán a salvo del escrutinio de este nuevo algoritmo.

Según este análisis de fotografías de Fickr parece que las mujeres prefieran perros pequeños y que los hombres opten por perros más grandes es mayormente verdad, aunque los perros preferidos por ambos sexos son los medianos-pequeños.

Para el propósito de este estudio, se rastrearon imágenes que mostraran un solo ser humano y suficiente imagen de un perro para permitir estimar su tamaño o identificar su raza.

Estereotipo parcialmente cierto

En el estudio, las imágenes con varios perros no se puntuaron (a menos que fueran de la misma raza) y las imágenes con varios seres humanos no se puntuaron. También se eliminaron las imágenes en las que el perro parecía un cachorro. También se suprimieron todas las imágenes en las que los perros estaban involucrados en algún tipo de actividad de servicio, o cazando, o eran obviamente parte de funciones militares o policiales.

En Xataka Ciencia

Los perros que se entrenan para detectar el coronavirus aciertan el 100 % de las veces

También quedaron fueras las imágenes de personas sin hogar con perros, ya que podían ser conexiones casuales en lugar de basarse en una elección considerada.

Los perros de las fotos también tenían que verse como si realmente pertenecieran al humano de la foto, en lugar de ser parte del fondo.

Tampoco se tuvieron en cuenta imágenes que obviamente involucrara modelos de estudio fotografiados por razones comerciales. Finalmente, el ser humano tenía que ser hombre o mujer adulto.

En Xataka Ciencia

Incluso los perros callejeros, de forma innata, pueden llegar a interpretar gestos humanos complejos

La tabulación del tamaño del perro por sexo es, para las mujeres: 33% pequeño, 43% mediano-pequeño, 19% mediano-grande y 4% grande. Para los hombres, los resultados fueron: 16% pequeño, 42% mediano-pequeño, 36% mediano-grande y 7% grande.

Casi la mitad de las mujeres prefieren perros más pequeños en comparación con los hombres (76,3% frente a 57,7%), mientras que los hombres tenían casi el doble de probabilidad de tener perros más grandes (42,3% frente a 23,7%). Sin embargo, estos datos también muestran que, en general, el perro de tamaño más popular, independientemente del sexo del dueño, son los perros medianos-pequeños.

Gracias al aprendizaje profundo, un conjunto de algoritmos de aprendizaje automático de inteligencia artificial, así como a la mayor resolución disponible actualmente en imágenes de satélite, investigadores de Oxford han detectado elefantes desde el espacio con una precisión comparable a la de las capacidades de detección humana.

Worldview 3

Utilizando las imágenes satelitales de mayor resolución disponibles en la actualidad, Worldview 3, de Maxar Technologies y el aprendizaje profundo, los investigadores (TensorFlow API, Google Brain) de la Unidad de Investigación de Conservación de Vida Silvestre de la Universidad de Oxford y el Grupo de Investigación de Aprendizaje Automático han detectado elefantes del espacio con una precisión comparable a capacidades de detección humana.

En Xataka Ciencia

El 7 % de las muertes de elefantes en África fueron provocadas por cazadores furtivos entre los años 2010 y 2012

Para concebir el Worldview 3, de Maxar Technologies, se creó un conjunto de datos de entrenamiento personalizado de más de 1.000 elefantes en Sudáfrica, que se introdujo en una red neuronal convolucional (CNN) y los resultados se compararon con el rendimiento humano, que fue casi idéntico.

El modelo podría incluso detectar elefantes en lugares alejados del sitio de datos de entrenamiento, lo que muestra la generalización del modelo. Habiendo entrenado la máquina solo en adultos, pudo identificar a las crías.

En Xataka Ciencia

Seis elefantes pierden la vida tratando de salvarse unos a otros en una cascada

Uno de los desafíos del uso de la monitorización por satélite es procesar la enorme cantidad de imágenes generadas. Sin embargo, automatizar la detección significa que un proceso que formalmente habría tomado meses se puede completar en cuestión de horas.

Los satélites pueden recopilar más de 5 000 kilómetros cuadrados de imágenes en una sola pasada capturadas en cuestión de minutos, lo que resulta infinitamente más eficaz que el método habitual: el conteo aéreo desde aviones tripulados.

En el mundo quedaría, aún a día de hoy, unos cincuenta millones de yacimientos arqueológicos sin explorar, según la egiptóloga Sarah Parcak.

El problema es que, el 50 % de todos ellos podrían acabar siendo destruidos por el pillaje, el cambio climático y la edificación descontrolada en las ciudades. GlobalXplorer quiere evitar eso.

Plataforma de crowdsourcing

El crowdsourcing se define como el hecho de externalizar tareas que normalmente son llevadas a cabo por individuos concretos a un grupo de personas o comunidad (multitud) a través de una convocatoria abierta.

Bajo esta filosofía se fundó GlobalXplorer a fin de evitar la destrucción de la mitad de los yacimientos arqueológicos sin explorar: algo que ocurrirá, si no hacemos nada, antes del año 2030.

GlobalXplorer ha sido fundado por la egiptóloga Sarah Parcak y aspira a que los ciudadanos, a modo Indiana Jones, estudien los mapas hechos desde los satélites o identifiquen posibles yacimientos. Al haber más ojos, al estilo Wikipedia, se puede llegar más lejos.

Tras un breve tutorial (en inglés o español), los arqueólogos en ciernes pueden buscar a través de 'mosaicos' o instantáneas de la superficie de la Tierra, en busca de indicios de saqueos, construcciones u otras invasiones, así como signos de ruinas que los arqueólogos modernos aún tienen que encontrar. Los usuarios avanzados tendrán acceso a imágenes que revelan diferencias en la salud de la vegetación, una pista de lo que se esconde en el suelo, como ruinas enterradas.

Las imágenes de satélite de alta resolución se dividen en decenas de millones de pequeños mosaicos y se muestran a los usuarios en un orden aleatorio sin la capacidad de navegar o desplazarse. Los mosaicos no contienen ninguna referencia de ubicación o información de coordenadas.

La mayoría de las imágenes no revelarán nada fuera de lo común, pero incluso eso es útil, ya que permite a los arqueólogos descartar esas áreas y enfocarse en las que necesitan atención.

Parcak advierte que el proyecto sigue siendo un 'gran experimento', pero las imágenes remotas ya han dado lugar a grandes descubrimientos. En Egipto, Parcak y sus colegas utilizaron imágenes de satélite para encontrar una ciudad enterrada durante mucho tiempo que se promocionaba en jeroglíficos antiguos.

En Xataka Ciencia

Durante unas obras de urbanización se descubren los restos de una gran ciudad de la Edad de Bronce en Israel

No hace mucho, por ejemplo, un consorcio de arqueólogos en Camboya utilizó láseres aerotransportados para descubrir los restos cubiertos de jungla de lo que posiblemente fue la ciudad preindustrial más grande de la Tierra. Y una serie reciente de fotos tomadas por DigitalGlobe, que proporciona imágenes satelitales de Perú para el proyecto GlobalXplorer, mostró una enorme fortaleza de miles de años en la estepa de Kazajstán. Si Indiana Jones levantara la cabeza...