Conocimiento Bóveda 5 /82 - CVPR 2023
Historia y Futuro de la Inteligencia Artificial y la Visión por Computadora
Linda Shapiro, Jamie Shotton, Chelsea Finn, Daniel Huttenlocher
< Imagen de Resumen >

Gráfico de Conceptos & Resumen usando Claude 3 Opus | Chat GPT4o | Llama 3:

Historia y Futuro
de la Inteligencia Artificial
y la Visión por Computadora
Hottenlacher: Cornell, MIT prof,
pionero en visión por computadora 1
Shapiro: UW prof, segmentación,
coincidencia, robótica, médica 2
Finn: Stanford prof, aprendizaje
de robots a través de la interacción 3
Shotton: WAVE Científico Jefe,
estimación de pose, reconstrucción 3D 4
Historia de la visión por computadora:
reconocimiento de patrones a CVPR 5
Desafíos de escalado: envíos,
revisiones, conferencias regionales 6
Preservar la historia: enseñanza,
historias orales, personalidades 7
Revisitar métodos antiguos:
bosques aleatorios, límites supervisados 8
Analogías: gráficos, farmacéutica,
aeroespacial, exhibe crecimiento 9
Futuro: robots domésticos,
incertidumbre, IA incorporada 10
Restricciones de recursos en academia,
oportunidades de colaboración 11
Importancia del lenguaje en
comprensión de escenas complejas 12
Preocupaciones de sistemas de IA:
regulación, referencias falsas 13
Demasiados artículos:
competitividad desanima ideas 14
Consejo: problemas motivadores,
mentores, fortalezas, ser diferente 15

Resumen:

1.- Dan Hottenlacher: Profesor en Cornell y MIT, influyente en el campo de la visión por computadora. Ahora Decano del Schwarzman College of Computing en MIT.

2.- Linda Shapiro: Profesora en la Universidad de Washington, realizó contribuciones clave en segmentación de imágenes, coincidencia, visión robótica, aplicaciones médicas.

3.- Chelsea Finn: Profesora Asistente en Stanford, se centra en métodos para que robots y agentes desarrollen inteligencia a través del aprendizaje y la interacción.

4.- Jamie Shotton: Científico Jefe en WAVE, trabajó en estimación de pose y reconstrucción 3D a partir de imágenes de profundidad de Kinect en Microsoft.

5.- Historia de la visión por computadora: Conferencia de reconocimiento de patrones a CVPR. El campo ha evolucionado con la creciente influencia del aprendizaje automático.

6.- Desafíos de escalado: Creciente número de envíos, dificultades en el proceso de revisión, necesidad de más conferencias regionales, escalado sostenible.

7.- Preservar la historia: Importancia de enseñar obras históricas, capturar historias orales, transmitir personalidades de investigadores a través de su trabajo.

8.- Revisitar métodos antiguos: Valor potencial en la eficiencia de los bosques aleatorios, limitaciones de los marcos de aprendizaje puramente supervisados.

9.- Analogía a otros campos: Similar a gráficos, industria farmacéutica, aeroespacial. Transición de una comunidad pequeña a una grande con exhibiciones.

10.- Desafíos y aplicaciones futuras: Robótica (robots humanoides domésticos), cuantificación de incertidumbre, especificación de tareas, IA incorporada en mundo abierto.

11.- Restricciones de recursos en academia: Necesidad de colaboración entre industria, gobierno y academia en infraestructura compartida. Oportunidades de innovación bajo restricciones.

12.- Importancia del lenguaje en visión por computadora: Valioso para la comprensión de escenas complejas, pero menos crítico para la percepción de bajo nivel y habilidades motoras.

13.- Preocupaciones sobre sistemas de IA y valores: Riesgo de sobre y subregulación debido a la falta de comprensión. Referencias y hechos falsos de LLMs.

14.- Demasiados artículos enviados a conferencias: Debido a la competitividad y la importancia de las principales conferencias. Los límites pueden desalentar nuevas ideas e investigadores jóvenes.

15.- Consejo para investigadores aspirantes: Encuentra problemas motivadores, busca buenos mentores y colaboradores, aprovecha fortalezas mientras mejoras debilidades, sé diferente.

Bóveda del Conocimiento construida porDavid Vivancos 2024