Mientras Samsung continúa siendo pionero en experiencias premium de IA móvil, visitamos los centros de investigación de Samsung en todo el mundo para conocer cómo Galaxy AI permite que más usuarios maximicen su potencial. Galaxy AI ahora admite 16 idiomas, por lo que más personas pueden ampliar sus capacidades lingüísticas, incluso sin conexión, gracias a la traducción en el dispositivo en funciones como Traducción simultánea, Interprete, Asistente de notas y Asistente de Navegación. Pero ¿qué implica el desarrollo del lenguaje de IA? La última vez visitamos Vietnam para aprender cómo preparar los datos que se utilizan para entrenar modelos de IA. Esta vez, estamos viendo cómo los equipos hicieron de Galaxy AI una oferta única tanto para China continental como para Hong Kong.

El rápido crecimiento de las herramientas de inteligencia artificial que utilizan grandes modelos de lenguaje (LLM) se ha observado en todo el mundo y China no es una excepción. Con ERNIE Bot de Baidu y MiracleVision de Meitu emergiendo como opciones populares en China, Samsung R&D Institute China se asoció con ambas compañías para ayudar a desarrollar funciones de Galaxy AI para el país.

El Samsung R&D Institute China en Guangzhou (SRC-G) y Beijing (SRC-B) trabajaron para garantizar que los hablantes de mandarín en China tuvieran la misma experiencia de Galaxy AI que otros usuarios en todo el mundo, a pesar de que la tecnología de back-end se ve diferente. El equipo aprovechó los recursos dedicados a dialectos chinos de socios externos y creó una solución Galaxy AI única para China.

“Tenemos la ventaja de combinar las mejores prácticas globales con las prácticas locales de China, además de crear nuevas características y mejorarlas constantemente a través de la comunicación diaria con los consumidores chinos“, dice Hairong Zhang, líder del grupo de innovación de software en SRC-G. “Con la rica experiencia en desarrollo del Galaxy S24, estoy orgulloso de cómo nuestro equipo cooperó con empresas locales chinas de inteligencia artificial, como Baidu y Meitu, para brindar una solución que impacte en China“.

Al principio, los equipos tuvieron que aclimatarse a los estilos de trabajo de cada uno y solucionar los problemas iniciales de asimetría de información. Daijun Zhang, director de SRC-B, estableció un grupo de trabajo para garantizar que el proyecto siguiera el cronograma de desarrollo y avanzara rápidamente hacia sus objetivos.

Gracias a la experiencia del equipo de Beijing en la generación de modelos a gran escala y la colaboración exitosa con socios externos, todas las funciones de IA generativa se lanzaron con éxito en China. El resultado es una solución que tiene relevancia local y características específicas para el mercado, como Touch to Search (Tocar para buscar).

Ampliando el chino para desarrollar el dialecto cantonés

El chino para China continental (mandarín) llegó a Galaxy AI con el lanzamiento del Galaxy S24 en enero de 2024. Pero el trabajo del Samsung R&D Institute China estaba lejos de estar terminado. Al equipo también se le asignó la tarea de desarrollar el modelo de IA para el chino en Hong Kong (cantonés), un dialecto que se sustentó en el trabajo ya realizado para el mandarín pero que aporta un conjunto completamente nuevo de características lingüísticas para abordar.

Al desarrollar el cantonés, el equipo de I+D de China enfrentó importantes desafíos culturales a los que necesitaba responder para poder respaldar plenamente su ubicación en el mercado. El primer fenómeno cultural son los dos conjuntos de sistemas de escritura y habla. Los habitantes de Hong Kong utilizan gramática y expresiones similares al mandarín cuando escriben, pero adoptan una gramática coloquial completamente diferente cuando se comunican a diario. Además, el cantonés tiene nueve tonos de pronunciación, mientras que el mandarín tiene cuatro.

Otro fenómeno cultural es que el propio dialecto cantonés se desarrolla con los tiempos. Agregando a eso el hecho de que las personas a menudo combinan cantonés e inglés en las conversaciones, dejando claro por qué fue complicado crear casos de prueba y validar paquetes de idiomas.

“El cantonés es un dialecto muy singular que varía en las distintas regiones donde se habla cantonés”, afirma Jing Li, que dirige la operación para probar la solución de IA en cantonés. “Algunas de las jergas, frases, vocabulario e incluso los tonos varían de un lugar a otro. Por lo tanto, llevamos a cabo una gran cantidad de trabajo para verificar los datos específicos de Hong Kong, así como también para corregir decenas de miles de casos de prueba relevantes”.

Con estas complejidades en mente, SRC-G y SRC-B trabajaron juntos para admitir una combinación de código profunda utilizando una combinación de cantonés e inglés para el reconocimiento de voz, admitiendo simultáneamente expresiones habladas y escritas en traducción automática y reflejando pronunciaciones actuales en síntesis de voz.

Impacto cultural de la comunicación

Cuando Galaxy AI lanzó la opción de idioma chino (Hong Kong), los comentarios de los clientes mostraron que el arduo trabajo del equipo de I+D de Samsung estaba justificado.

Tanto para China continental como para Hong Kong, las actividades de Galaxy AI de Samsung muestran la importancia de que una marca global tenga presencia y experiencias locales, así como el poder de la colaboración abierta con otras organizaciones. En Hong Kong, el cantonés es una parte clave de la identidad cultural de quienes viven allí. Por eso era tan importante para el equipo acertar con el modelo de lenguaje de IA.

“El lenguaje y la comunicación son cruciales en todas las regiones y en todos los ámbitos de la vida“, afirma Henry Wat, jefe del grupo de ingeniería de Samsung Electronics Hong Kong. “No importa el idioma, cualquier herramienta que ayude a las personas a comunicarse es invaluable. Creo que nuestro trabajo es significativo”.

En el próximo episodio de La Curva de Aprendizaje, nos dirigiremos a Brasil para ver cómo un equipo trabaja a través de culturas y fronteras para llevar Galaxy AI a más personas.

El tercer experto de la serie que se presentará es Bin Dai, ingeniero de planta del Laboratorio de Inteligencia Artificial (AI) en el Instituto de Investigación y Desarrollo de Samsung en China – Beijing (SRC-B). Dai se unió a SRC-B en 2020 para unirse a sus colegas en el trabajo en compresión de red y diseño e investigación de modelos en el dispositivo. Sigue leyendo para obtener más información sobre las tecnologías innovadoras que Dai y su equipo están desarrollando en SRC-B.

P: Las tecnologías basadas en inteligencia artificial, incluida la PNL (procesamiento del lenguaje natural) y la inteligencia acústica, son áreas de investigación de vanguardia que están constantemente abriendo nuevos caminos. Pero, ¿Qué papel juega la oferta de investigación principal proporcionada por el aprendizaje automático como base para estas innovaciones?

El aprendizaje automático juega un papel crucial para llevar todo tipo de tecnologías directamente a los usuarios. La visión por computadora y el reconocimiento de voz son dos de las áreas más exitosas que utilizan la IA en la actualidad. Sin embargo, los algoritmos de IA existentes requieren enormes recursos de cálculo, lo que dificulta la implementación de algoritmos de última generación en dispositivos móviles. Para solucionar este problema, nuestro laboratorio de inteligencia artificial está trabajando en la producción de modelos diminutos con un rendimiento potente tanto desde una perspectiva teórica como práctica. De esta manera, nuestra investigación principal está destinada a innovar todo tipo de tecnologías basadas en inteligencia artificial.

P: ¿Podría presentarnos brevemente el Instituto de Investigación de Beijing y el tipo de trabajo que se lleva a cabo allí?

SRC-B es uno de los centros de I + D avanzados de Samsung Electronics y se estableció en 2000, el primer centro de I + D de Samsung que se estableció en China. SRC-B se enfoca en tecnologías innovadoras y se especializa en inteligencia artificial (IA) y telecomunicaciones de próxima generación, desde aprendizaje automático, visión por computadora, procesamiento de lenguaje e inteligencia de voz hasta la estandarización 3GPP y más. También promovemos estrechas asociaciones industriales-académicas. En abril de 2019, se estableció el Laboratorio de IA para centrarse en la investigación fundamental del aprendizaje automático, y buscamos continuamente formas de aplicar los resultados de nuestra investigación a los productos Samsung.

P: Tras el éxito de su tesis de investigación principal y otros logros, ¿en qué está trabajando en este momento?

Actualmente, SRC-B tiene como objetivo encontrar la mejor manera posible de mejorar la precisión de un algoritmo de IA al tiempo que reduce la complejidad del cálculo y los recursos utilizados para hacerlo. Para lograr estos objetivos, actualmente estamos trabajando en dos temas de investigación que permiten predicciones precisas con menos datos requeridos: redes equivariantes, parte del tema más amplio de aprendizaje profundo geométrico e inferencia dinámica. Hay muchos tipos de simetrías en los conjuntos de datos de visión por computadora que pueden proporcionar una medición de profundidad precisa como lo hacen los ojos humanos, como imágenes y nubes de puntos LiDAR. Con una red equivariante, estas simetrías se tienen en cuenta al diseñar la red. Por lo tanto, puede lograr un mejor rendimiento con menos recursos, ya que hemos considerado específicamente la estructura intrínseca del conjunto de datos.

La inferencia dinámica también es una dirección de investigación muy interesante. A diferencia de los métodos convencionales que aprovechan una arquitectura fija para todas las muestras de datos, la inferencia dinámica puede decidir de forma adaptativa cuántos recursos utilizar para cada muestra de datos. En consecuencia, utilizará menos recursos computacionales para muestras simples y más recursos para muestras difíciles. Al hacerlo, el recurso de cálculo promedio utilizado se puede reducir significativamente.

P: La investigación fundamental sobre la IA ha estado potenciando todo tipo de campos de aplicación para el usuario, desde la visión por computadora hasta el reconocimiento de voz. ¿Podrías explicar un poco más por qué es así y la dirección de la investigación que tú y el Laboratorio de IA han estado tomando para optimizar las experiencias móviles?

En esta era de Internet, los datos fluyen por todas partes a nuestro alrededor. Donde hay datos, hay conocimiento. Los algoritmos de IA son la mejor herramienta para descubrir el conocimiento oculto detrás de los datos y hacer uso de este conocimiento para mejorar nuestras vidas.

Hemos desarrollado un algoritmo de compresión de red basado en la teoría del cuello de botella de la información, que postula que los detalles extraños se pueden eliminar de los datos de entrada ruidosos como si se apretaran a través de un cuello de botella, que se ha aplicado a múltiples tareas, incluido el reconocimiento de video, la segmentación de imágenes y la traducción automática. También colaboramos activamente con otros laboratorios en SRC-B para desarrollar algoritmos de inteligencia artificial más potentes, incluidas las soluciones de búsqueda de arquitectura neuronal (NAS) y una vez por todas (OFA).

P: ¿Cuáles cree que son los principales beneficios para el usuario de incorporar todas las tecnologías móviles básicas con tecnologías de inteligencia artificial basadas en el aprendizaje automático?

Las tecnologías de inteligencia artificial basadas en el aprendizaje automático pueden mejorar drásticamente la vida de los usuarios de tres formas clave. En primer lugar, hay muchas funciones convenientes que simplemente no pueden funcionar sin tecnologías de inteligencia artificial. Por ejemplo, el sistema automático de preguntas y respuestas de los dispositivos móviles debe estar impulsado por algoritmos de inteligencia artificial. Otros métodos más tradicionales solo pueden manejar preguntas muy limitadas y predefinidas.

En segundo lugar, las técnicas de IA pueden mejorar significativamente el rendimiento de muchas aplicaciones en comparación con su rendimiento cuando se aprovechan solo las tecnologías convencionales. Por ejemplo, después de aplicar redes neuronales profundas a la función de procesamiento de señal de imagen neuronal (ISP) de una cámara, la calidad de las fotos tomadas con esa cámara mejora significativamente.

En tercer lugar, las tecnologías de IA son capaces de proporcionar servicios que los usuarios ni siquiera sabían que necesitaban. Por ejemplo, la IA es capaz de desarrollar un software específico del usuario basado en las preferencias específicas de ese usuario, lo que significa que la experiencia del dispositivo del usuario se puede mejorar continuamente.

P: ¿Cómo se integra el trabajo que realiza con el trabajo realizado por el resto del Instituto de I + D de Samsung en China – Beijing, o quizás incluso con otros institutos de I + D de todo el mundo? ¿Cómo se combina para hacer que la vida de los usuarios sea más cómoda?

Colaboramos constantemente con los otros equipos dentro de SRC-B. Hemos estado colaborando recientemente con nuestro equipo de Computación Visual para aplicar nuestro algoritmo de compresión basado en cuellos de botella de información a tareas de reconocimiento de video y tareas de segmentación humana, lo que resultó en una reducción significativa de los tamaños de los modelos sin ninguna caída en el rendimiento. En 2021, participamos en la competencia de búsqueda de arquitectura neuronal (NAS) de la Conferencia sobre visión por computadora y reconocimiento de patrones (CVPR) como un solo equipo con esta solución, y ganamos el 1er lugar.

También hemos estado trabajando con nuestro equipo de Language Intelligence para comprimir su modelo de traducción automática, lo que facilita la comercialización de su aplicación.

Por otro lado, creemos que podemos producir mejores resultados de investigación y aplicación mediante una mayor comunicación, discusión y colaboración con los centros de IA a nivel mundial.

P: ¿Cuáles cree que son las principales tendencias dentro de su industria en este momento? ¿Cómo los ha estado incorporando a la investigación que realiza en el Samsung R&D Institute China – Beijing?

Hay muchos temas de tendencia dentro de nuestro campo en este momento. El diseño eficiente de la arquitectura de red, el aprendizaje auto-supervisado y las redes neuronales gráficas son solo algunos ejemplos.

Nuestro enfoque está en la compresión de redes y el diseño de modelos diminutos, que en última instancia son útiles para aplicaciones en dispositivos móviles. Hay muchos dispositivos móviles, como los teléfonos inteligentes, que poseen recursos computacionales muy limitados, lo que significa que es imposible implementar los enormes modelos diseñados para servicios en estos dispositivos. Por eso, mi equipo está enfocado en diseñar modelos adecuados para estos dispositivos.

Hay diferentes formas de lograr este tipo de modelos ligeros pero potentes. Por ejemplo, la poda de redes, la cuantificación, la destilación de conocimientos, la búsqueda de arquitectura de redes neuronales y la inferencia dinámica son solo algunas de las áreas de la industria en las que nos estamos enfocando ahora para lograr esto.

P: ¿Cuál ha sido el logro en el Samsung R&D Instituto China – Beijing del que está más orgulloso hasta ahora?

Desarrollados en colaboración con nuestro equipo de investigación en comunicación, diseñamos algoritmos de inteligencia artificial para la comunicación inalámbrica. Esta solución logró el primer lugar en la Competencia de IA de comunicación inalámbrica (WAIC) de este año, que es la competencia oficial de 5G + IA en China con más de 600 equipos de todo el mundo y está organizada por la Academia de Tecnología de la Información y la Comunicación de China (CAICT). Estoy orgulloso de este logro y siento que valida mi creencia de que 5G combinado con IA es una dirección de investigación con un gran potencial.

En el siguiente episodio contará con una entrevista con Evgeny Pavlov, un experto en software de sistemas del Samsung R&D Institute Russia (SRR).

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.