El Fin del Conocimiento - Bóveda 5/82 - CVPR - 2023 - Historia y Futuro de la Inteligencia Artificial y la Visión por Computadora

graph LR classDef people fill:#f9d4d4, font-weight:bold, font-size:14px classDef history fill:#d4f9d4, font-weight:bold, font-size:14px classDef challenges fill:#d4d4f9, font-weight:bold, font-size:14px classDef advice fill:#f9f9d4, font-weight:bold, font-size:14px classDef future fill:#f9d4f9, font-weight:bold, font-size:14px A["Historia y Futuro
de la Inteligencia Artificial
y la Visión por Computadora"] --> B["Hottenlacher: Cornell, MIT prof,
pionero en visión por computadora 1"] A --> C["Shapiro: UW prof, segmentación,
coincidencia, robótica, médica 2"] A --> D["Finn: Stanford prof, aprendizaje
de robots a través de la interacción 3"] A --> E["Shotton: WAVE Científico Jefe,
estimación de pose, reconstrucción 3D 4"] A --> F["Historia de la visión por computadora:
reconocimiento de patrones a CVPR 5"] A --> G["Desafíos de escalado: envíos,
revisiones, conferencias regionales 6"] A --> H["Preservar la historia: enseñanza,
historias orales, personalidades 7"] A --> I["Revisitar métodos antiguos:
bosques aleatorios, límites supervisados 8"] A --> J["Analogías: gráficos, farmacéutica,
aeroespacial, exhibe crecimiento 9"] A --> K["Futuro: robots domésticos,
incertidumbre, IA incorporada 10"] A --> L["Restricciones de recursos en academia,
oportunidades de colaboración 11"] A --> M["Importancia del lenguaje en
comprensión de escenas complejas 12"] A --> N["Preocupaciones de sistemas de IA:
regulación, referencias falsas 13"] A --> O["Demasiados artículos:
competitividad desanima ideas 14"] A --> P["Consejo: problemas motivadores,
mentores, fortalezas, ser diferente 15"] class B,C,D,E people class F,G,H history class I,J challenges class K,L,M,N future class O,P advice

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