El segundo experto es Lukasz Slabinski, Líder del Equipo de Inteligencia Artificial del Instituto de I&D de Samsung de Polonia (SRPOL). Slabinski se incorporó a SRPOL en 2013 como Ingeniero Sénior y, tras ocho años de trabajo dedicado, ahora dirige el Equipo de IA de SRPOL. Siga leyendo para saber más sobre la emocionante innovación con la que Slabinski y su equipo están involucrados en SRPOL.

P&R de retransmisión

P: En comparación con el desarrollo de la tecnología de inteligencia visual, se sabe que diseñar soluciones para el reconocimiento de voz es muy complejo. ¿Qué dificultades encuentra y cómo las supera?

Sergey Lytvynenko (Instituto de I&D de Samsung de Ucrania)

R: El lenguaje humano está en constante evolución, es increíblemente subjetivo y contiene infinitas variaciones como acento, tono y dialecto. Superamos estos desafíos utilizando tecnologías de aprendizaje automático de última generación, que crean modelos que memorizan los estándares generales del lenguaje reconocidos automáticamente en los datos analizados.

P: Se sabe que diseñar soluciones para el campo del reconocimiento de voz es muy complejo. Al trabajar en tecnologías relacionadas con el lenguaje, ¿qué desafíos ha encontrado y cómo los ha superado?

Lukasz Slawinski (Instituto de I&D de Samsung Polonia)

R: En mi opinión, las tecnologías relacionadas con el lenguaje son mucho más complejas que cualquier otra. La humanidad se comunica en casi 7.000 idiomas en constante evolución, subdivididos en un sinfín de acentos y dialectos. Además, el lenguaje humano es mucho menos objetivo que, por ejemplo, una imagen, que puede describirse en fórmulas matemáticas. Las personas codifican sus pensamientos como un conjunto de sonidos o caracteres en un mensaje, que luego debe ser descodificado e interpretado por otros. Debido a que cada fase de este proceso es personal, creativa y no determinista, la comunicación humana basada en el lenguaje es muy compleja y ambigua. Así, por un lado, podemos disfrutar de hermosas poesías y chistes divertidos, y por otro, sufrir ocasionalmente malentendidos.

Las personas de I&D que trabajan en el Procesamiento del Lenguaje Natural (NLP) a menudo alcanzan sus propias limitaciones innatamente humanas. Incluso nos encontramos con problemas para comunicarnos claramente con los compañeros en el trabajo o la familia en casa. Entonces, ¿cómo, por ejemplo, un ingeniero que habla dos idiomas puede diseñar y codificar un sistema de traducción automática para 40 idiomas diferentes? Resolvemos esta paradoja utilizando tecnologías de aprendizaje automático.

Durante el proceso conocido como “entrenamiento”, automáticamente extraemos estándares generales basados en ejemplos de nuestros conjuntos de datos y los memorizamos en forma de modelo. Para construir un sistema de traducción automática, entrenamos una red neuronal para mapear una oración en diferentes idiomas en base a millones de ejemplos, todos cuidadosamente recopilados y refinados de antemano. Suena fácil, pero aquí nos enfrentamos a tres desafíos fundamentales.

• El primero es el diseño de una arquitectura de modelo de aprendizaje automático adecuada, capaz de memorizar y generalizar suficientes estándares de lenguaje para problemas determinados, como traducción automática, análisis de sentimientos, resumen de texto y otros.
• El segundo desafío es la preparación de una cantidad suficiente de datos de entrenamiento, ya que los sistemas de aprendizaje automático pueden reconocer y memorizar solo los estándares presentados en el conjunto de datos de entrenamiento.
• El desafío final es la implementación de un modelo de aprendizaje automático ya capacitado en una nube dedicada o en una plataforma en el dispositivo.

Abordamos estos desafíos aprovechando la vasta experiencia de nuestros ingenieros, los enfoques sofisticados para la recopilación de datos y la experimentación con las arquitecturas de aprendizaje automático de última generación.

P: ¿Podría presentar brevemente a su Equipo de IA, el Instituto de I&D de Samsung en Polonia (SRPOL) y el tipo de trabajo que se lleva a cabo allí?

R: El SRPOL es uno de los centros internacionales de I&D de software más grandes de Polonia. Está ubicado en dos ciudades: Varsovia, la capital de Polonia, y Cracovia, que es un importante hub tecnológico en su región. Colaboramos estrechamente con startups, universidades e instituciones de investigación locales.

La misión del Equipo de IA en SRPOL es la creación de funciones, herramientas y servicios basados en IA capaces de facilitar y enriquecer vidas humanas. Nos centramos en las áreas de NLP e Inteligencia de Audio, pero también poseemos experiencia en muchas especialidades diferentes, incluidos los sistemas de recomendación, el posicionamiento en interiores, el análisis visual y la realidad aumentada (AR).

P: Como Líder del Equipo de IA del Instituto de Polonia desde 2018, ha supervisado una gran cantidad de proyectos con y sin el enfoque de NLP. ¿En qué están trabajando usted y su equipo ahora?

R: Con respecto al área de NLP, hemos continuado nuestra trayectoria que ha comenzado hace más de 10 años con el desarrollo de sistemas como la Traducción Automática y los Sistemas de Diálogo, incluida la Respuesta a Preguntas y el Análisis de Texto. Trabajamos tanto en servicios escalables y potentes basados en la nube como en aplicaciones de dispositivos que funcionan rápidamente y sin conexión.

Inteligencia de audio es un área más nueva para nosotros. Comenzamos a enfocar nuestras capacidades de investigación en ella hace varios años, ya que ha comenzado a ganar importancia. Actualmente trabajamos en el reconocimiento, separación, mejora y análisis de sonido. Durante nuestro trabajo, tenemos en cuenta todos los niveles de procesamiento de audio, desde la comprensión de la escena acústica hasta el ajuste fino de los algoritmos de audio integrados en dispositivos con recursos de hardware muy limitados, como los auriculares inalámbricos.

P: Sus enfoques tecnológicos incluyen NLP, minería de datos & texto, inteligencia de audio y más. ¿Su investigación ha afectado directamente el desarrollo de algún producto o servicio específico de Samsung? ¿Qué beneficio ha ofrecido a los usuarios la contribución de su equipo?

R: El SRPOL tiene un largo historial de comercialización de tecnologías de IA, pero no las hicimos solos. Estamos orgullosos de ser parte de un panorama más amplio, en el que SRPOL trabaja en estrecha colaboración con otros centros de I&D de Samsung y contribuye a la comercialización.

Por ejemplo, hemos contribuido al desarrollo de varias funciones de entrada de texto inteligente para los dispositivos móviles de Samsung, incluido el teclado en pantalla, la función de hashtag, la recomendación de título de Samsung Note y las respuestas de texto inteligente en smartwatches.

También hemos contribuido al Sistema de Recomendación de Galaxy Store, que sugiere los juegos más interesantes al usuario según sus preferencias.

P: Como defensor de los nuevos campos de IA, como la inteligencia de audio, ¿cuáles considera como las principales tendencias dentro de su industria en este momento? ¿Cómo esta tecnología afectará a la vida diaria de las personas?

R: Creo que la inteligencia de audio será el próximo actor de cambio para todos los dispositivos electrónicos de consumo. Trabajar en análisis de audio es extremadamente importante, ya que es la parte que falta en los sistemas avanzados basados en IA verdaderamente centrados en el ser humano.

Los potentes sistemas de NLP analizan la intención del usuario expresada por texto y voz. Los algoritmos de visión por computadora están detrás de casi todas las cámaras y la salida de contenido visual. Para la mayoría de nosotros, es difícil imaginarse conduciendo un automóvil sin navegación, escribiendo un mensaje sin correctores ortográficos o buscando información sin Internet. Pero, a excepción de algunas aplicaciones profesionales, hasta ahora, rara vez usamos tecnología de audio inteligente para mejorar nuestra audición. En mi opinión, esto cambiará pronto.

Vamos a imaginar que tenemos una tecnología comúnmente disponible que permite a las personas seleccionar qué y cómo quieren escuchar. Por ejemplo, durante un almuerzo con un amigo en un parque ubicado en un concurrido centro de la ciudad, alguien podría elegir escuchar solo los sonidos de la naturaleza y la persona con la que está hablando. O imaginemos un sistema avanzado de realidad virtual (RV) o realidad aumentada (RA), recientemente denominado Metaverso, que crea una experiencia de audio 3D inmersiva directamente en la cabeza de las personas. Solo estos dos conceptos generan cientos de nuevos casos de uso posibles, pero vayamos más allá. ¿Qué tal escuchar cosas que actualmente son inaudibles para la gente? Ahora los humanos solo pueden escuchar un espectro reducido de sonidos diferentes. Nuestro mundo está lleno de sonidos significativos en los que, en su mayor parte, las tecnologías de IA actuales no están involucradas. Con el desarrollo de las tecnologías de inteligencia de audio, creo que todo esto afectará enormemente la vida de las personas.

▲ Investigadores del Instituto de I&D de Samsung en Polonia trabajan en el desarrollo de la tecnología de Cancelación Activa de Ruido (ANC) con un Simulador de Cabeza & Torso (HATS) en una sala anecoica.

P: ¿Cómo se han incorporado las tendencias actuales en la investigación que realiza en el Instituto de I&D de Samsung en Polonia?

R: Aparte del NPL y el audio, también estamos trabajando para encontrar las formas más efectivas de construir sistemas verdaderamente multimodales. Para ello, procedemos con la investigación y el análisis de casos de uso desde diferentes perspectivas. Dicho análisis es posible gracias a nuestro equipo diverso e interdisciplinario que consta de ingenieros, lingüistas, científicos de datos y más.

P: ¿Cuál ha sido su logro más importante en SRPOL hasta ahora?

R: Sería nuestra solución de Traducción Automática. Esta solución ha obtenido logros en varios concursos durante cinco años consecutivos: el Taller Internacional sobre Traducción de Lenguas Habladas (IWSLT) de 2017 a 2020; el Taller sobre Traducción Automática (WMT) en 2020; y el Taller sobre Traducción Asiática (WAT) en 2021. Estos se encuentran entre los concursos internacionales más prestigiosos en nuestro campo.

Ganar el reconocimiento en WAT este año fue un hito particularmente satisfactorio, ya que desarrollar nuestra solución para los idiomas asiáticos fue originalmente una hazaña difícil para nosotros como ingenieros polacos, pero este logro ha demostrado el verdadero poder de nuestra tecnología, que va más allá de una simple demostración.

Otro logro del que estoy muy orgulloso es la velocidad de crecimiento que ha logrado el equipo de inteligencia de audio y su desarrollo tecnológico. En solo unos años, después de comenzar prácticamente desde cero, pudimos estar en el podio del taller sobre Detección y Clasificación de Escenas y Eventos Acústicos durante dos años consecutivos, 2019 y 2020. También hemos publicado varios artículos científicos y patentes en esta área. Estoy seguro de que este es solo el comienzo de nuestras actividades prolíficas en este campo.

[Hacia el futuro con Samsung Research]

Un experto en IA cuestiona a un experto en aprendizaje automático

El aprendizaje automático (ML) es una de las tecnologías base detrás de las soluciones de IA, tanto que los términos “IA” y “ML” a menudo se usan indistintamente. Al desarrollar nuevos algoritmos de aprendizaje automático, supongo que también se enfrenta a una serie de desafíos. ¿Puede compartir algunos de los desafíos y esfuerzos innovadores para superarlos que encuentra en su instituto?

En el siguiente episodio se puede encontrar una entrevista con Bin Dai, un experto en aprendizaje automático del Instituto de Investigación de Samsung, Instituto de China – Beijing.

Samsung Electronics ha reconocido desde hace mucho tiempo la importancia de estas tecnologías avanzadas y ha buscado activamente la innovación en estos campos. Investigadores expertos están trabajando arduamente en los 14 centros de investigación y desarrollo de Samsung Research[1]’s y en los 7 centros globales de inteligencia artificial en todo el mundo, de esta manera prepararse para el futuro, proponer innovaciones para los usuarios y crear la próxima generación de tecnologías y servicios de vanguardia.

Por ello, Samsung presenta a expertos en tecnología de los centros de I + D de Samsung en todo el mundo para conocer más sobre el trabajo que realizan y las formas en las que está mejorando directamente la vida de los consumidores.

El primer experto es Sergii Lytvynenko, Jefe del Equipo de Inteligencia Visual en Samsung R&D Institute Ukraine (SRK). Sergii ha trabajado para SRK durante más de una década desde que se incorporó como ingeniero de software.

P: ¿Puede presentarnos brevemente el Instituto de I + D de Samsung en Ucrania y el tipo de trabajo que se lleva a cabo allí?

Nuestro centro de I + D se encuentra en Kiev, en el corazón de Ucrania. Desde su creación en 2009, SRK se ha centrado y tiene una gran experiencia en los dominios de IA, Realidad Aumentada (AR) / Realidad Virtual (VR) y Seguridad. SRK está compuesto por destacados profesionales de la industria y actualmente estamos trabajando en el estudio de seguridad de inteligencia, visión por computadora, servicios inteligentes sensibles al contexto y más. Además, como parte de las iniciativas de cooperación industrial-educativa, SRK coopera activamente con universidades y escuelas locales.

P: ¿En qué están trabajando usted y el equipo de inteligencia visual en este momento?

 Nuestro equipo está llevando a cabo actualmente una investigación fundamental en los dominios de IA, Visión por computadora y Gráficos por computadora. La misión principal de nuestro equipo es transformar los avances de la investigación en experiencias de usuario integrales, mejorando así la calidad de vida de las personas, simplificando sus rutinas diarias y brindando emociones positivas y experiencias inmersivas.

Para hacerlo, estamos colaborando estrechamente con varios equipos en otros países mediante la realización de investigaciones avanzadas en nuestros dominios focales y trabajando con diferentes unidades de negocio contribuyendo con nuestras tecnologías centrales a los productos Samsung.

P: Su equipo cubre dos dominios tecnológicos principales: Visión por computadora y Gráficos por computadora. ¿Cómo contribuyen estas tecnologías a la innovación de nuevas experiencias de usuario?

El año pasado, realizamos un extenso trabajo en la solución Smart Trainer, que permite un nivel totalmente nuevo de experiencias de fitness en casa. A través de la cámara USB conectada al Samsung Smart TV, el sistema puede realizar un seguimiento de sus actividades, realizar un seguimiento de los ejercicios que realiza e incluso ofrecer recomendaciones sobre la precisión de su formulario, todo gracias a la IA. Ahora estamos muy contentos de que los usuarios de televisores Samsung puedan disfrutar de esta función en sus hogares.

P: ¿Cómo está incorporando las tecnologías clave de sus dominios focales en sus proyectos actuales, como AR Glasses?

En estos días, estamos realizando I + D avanzado para abordar los principales desafíos en las áreas de gráficos y visión por computadora para las gafas AR. Desde el punto de vista de la visión, estamos trabajando en las soluciones esenciales necesarias para la RA, incluida la localización y el mapeo simultáneos (SLAM), la estimación de profundidad, la comprensión del entorno y la interacción persona-computadora (HCI). En el lado de los gráficos, estamos investigando el renderizado de baja latencia para la optimización del rendimiento del juego y la realidad aumentada.

△ Equipo de Inteligencia Visual en Samsung R&D Institute Ucrania

P: Además de AR, su equipo contribuye al desarrollo de la tecnología S-Pen. ¿Puede darnos un poco de información sobre el desarrollo de esta tecnología?

Una de nuestras áreas focales de I + D y soluciones centrales es la tecnología de reconocimiento de escritura a mano para dispositivos habilitados para S Pen, que se está implementando y extendiendo a la línea Galaxy. Mientras trabajábamos en nuestra solución de reconocimiento de escritura a mano, también desarrollamos una rica cartera de patentes, contribuyendo así al desarrollo de la tecnología central de Samsung.

P: ¿De qué manera cree que las tecnologías S Pen optimizadas que su equipo creó para el Galaxy Z Fold3 complementarán la experiencia de los usuarios con el dispositivo?

Galaxy Z Fold3 es un producto realmente único. Su pantalla grande y flexible amplía los límites y abre nuevas posibilidades para que los usuarios sirvan como un verdadero compañero de productividad para los negocios y la educación diarios. En este contexto, el S Pen y el reconocimiento de escritura a mano y la baja latencia se vuelven de crucial importancia y estamos aprovechando lo mejor del lápiz y papel convencionales para ofrecer esos mismos tipos de experiencias en la pantalla digital.

P: ¿De qué manera las tecnologías que contribuyó su equipo al Galaxy Z Fold3 se establecieron para mejorar la calidad de vida de los usuarios y simplificar sus rutinas?

Implementamos nuestra solución de predicción de puntos basada en inteligencia artificial para minimizar la entrada de latencia de S Pen con el fin de hacer que la experiencia de escritura y dibujo se sienta más como la del lápiz y el papel. Además, las tecnologías de reconocimiento de escritura a mano hacen que la escritura digital sea más inteligente, más fácil y más agradable. Los usuarios pueden transformar sus notas en documentos impresos, reconocer tablas, diagramas, incrustar enlaces, resolver problemas matemáticos y más, más simple que nunca. Experiencias como esta son las que marcan una diferencia real en nuestra vida diaria.

P: ¿Cuáles cree que son las principales tendencias tecnológicas en este momento?

En estos días, reconocemos la Modalidad Visual como la próxima gran novedad: cómo transformar una nota en una nota inteligente, cómo convertir un video en un video inteligente y cuánta información de contexto útil podemos extraer de estos procesos. Para esta tecnología, AR abre toneladas de posibilidades, así como desafíos por resolver. Por ejemplo, los “ojos digitales” que explorarían completamente un entorno para un usuario y proporcionarían información contextual bien organizada podrían cambiar totalmente nuestras vidas.

Otra gran tendencia en este momento es HCI. Aquí creemos que la interacción multimodal, que es una parte crucial de HCI, sería esencial. Las interacciones multimodales son interacciones usuario-máquina que encapsulan la visión, el lenguaje y el conocimiento, y esta tecnología puede ayudar a un dispositivo Samsung a comprender el mundo en el que se encuentra.

P: ¿Cuál ha sido su logro más memorable en SRK hasta ahora?

 Junio ​​de 2021 fue un mes realmente especial para nosotros, ya que ganamos el CVPR (Conferencia sobre visión por computadora y reconocimiento de patrones) 2021 Chart Question Answering Challenge. CVPR es la conferencia más grande del mundo sobre visión por computadora e inteligencia artificial. Estamos realmente orgullosos de lo que logramos.

P: Las tecnologías de inteligencia visual son cruciales cuando se trata de innovar nuevas experiencias móviles para los usuarios. ¿De qué manera las tecnologías relacionadas con el lenguaje también contribuyen a estas experiencias?

El procesamiento del lenguaje natural (PNL) es una de las áreas de investigación más desafiantes. Realmente deseamos que todas las personas en todo el mundo puedan usar y experimentar nuestras soluciones, y para lograrlo, la expansión del idioma y el soporte son de crucial importancia. En el reconocimiento de escritura a mano de S Pen, trabajamos continuamente para ampliar la cobertura de idiomas. Nuestra solución ahora admite más de 80 idiomas y hay más en camino.

[1] Samsung Research is the advanced research and development (R&D) hub of Samsung’s Consumer Electronics (CE) Division and IT & Mobile Communications (IM) Division.