Hace años una sobrina de cuatro años me preguntó por qué antes hacíamos las fotografías con tantas “burbujitas”. Se refería a los píxeles. De pequeño, mi hermano preguntó a mi abuela algo similar, pero refiriéndose al color. “¿Para qué se fotografiaba en blanco y negro?”. Como si hubiese opción.
En un mundo digital en el que una fotografía de alta calidad se sube en pocos segundos a una esfera global, resulta difícil entender las limitaciones pasadas de la tecnología. Especialmente cuando estas pueden ser moderadamente corregidas. Como ejemplo, ya se pueden colorear las fotografías en blanco y negro gracias a una inteligencia artificial llamada ColouriseSG.
Así puedes colorear tus antiguas fotografías
Colourise.sg es una página web que soporta en su interior una red neuronal compleja. Esta hace uso de técnicas de deep learning para aprender sobre colorimetría. Uno puede entrar en esa página, pulsar sobre “Select photo” y subir su fotografía en blanco y negro.
Pocos segundos después podremos descargar una fotografía a color de la misma escena. Como ejemplo, estas dos fotografías de 1920. Con fotografías deterioradas o en color crema la aplicación no funciona con la misma eficiencia que aquellas en puro blanco y negro y de moderada calidad.
Aun así, llama la atención que una inteligencia artificial sin sentido de composición o belleza asociada a la colorimetría haya sido capaz de colorear estas fotografías en cuestión de segundos. Pero ¿cómo lo hace?
La inteligencia artificial aprende de los ejemplos
Imaginemos que tenemos la imagen del puerto que observamos abajo y que un pintor experto (humano) la colorea para nosotros como hace Marina Amaral. Después, a la máquina de aprendizaje profundo se le dan ambas imágenes. Se le dice “esta va primero” y “este es el resultado”. Miles de ejemplos después, la inteligencia artificial logra colorear la foto sin tener ni idea de qué sale en ella.
La máquina, el algoritmo, no es ni remotamente consciente de qué se fotografió o cuándo. Le da igual un puerto que un cisne o una imagen familiar. Su mecanismo de deep learning ha establecido complejas ecuaciones para transformar el espacio de color lineal del blanco y negro a la tridimensionalidad que aporta la saturación.
Para probar el algoritmo, hemos subido algunas fotografías de bancos libres de derechos y los resultados son asombrosos. El cisne que podemos observar en la imagen de abajo es una buena muestra del nivel. ¿Cómo puede la IA determinar qué tonos de ocre hay que darle al cisne? Es más, ¿cómo entiende qué color colocar sobre cada objeto? Aquí se ha equivocado.
Los cisnes son blancos, no amarillentos. Claro, que también puede ser que la luz de la captura original fuese amarilla. Hay errores evidentes en ColouriseSG, pero no son demasiado graves. ¿Qué más da que el cielo esté algo descolorido o que la pigmentación de un rostro no sea uniforme? Lo cierto es que esta técnica de color podría revolucionar el tratamiento del archivo histórico. Imaginemos películas enteras corregidas.
Traer el color del pasado de las películas
Hemos hecho un experimento. En la imagen de abajo se observan tres franjas. La primera es la original. La del medio es la imagen sin color que hemos creado retirando toda saturación. La tercera representa el modelado del espacio de color de la inteligencia artificial. Cómo de cerca está la tercera de la primera es lo que en programación de IA se conoce como «error».
Enseñando a la IA a minimizar el error se consiguen resultados sorprendentes. La parte atractiva de esta tecnología, casi mágica, es que este tipo de resultados pueden mejorar de forma autónoma. Un ejemplo ya conocido por su impacto mediático ha sido la generación de rostros falsos mediante algoritmos. Se han usado redes neuronales enfrentadas.
Una IA tiene como objetivo crear un rostro falso y otra, contraria, de detectar si el rostro es falso o no. Como resultado, ambas se retroalimentan, aprenden y mejoran. Tras muchos ciclos, los humanos nos vemos incapaces de determinar si una de las caras es real o no. Algo parecido puede ocurrir con el color.
Una algoritmo ‘tonto’ se programa para retirar el color de una imagen (1) para crear la 2, una IA se encarga de aplicarle color tal y como hace ColouriseSG para componer la imagen 3, y una segunda IA tiene que intentar determinar cuál es la imagen original entre la 1 y la 3.
Estas redes se conocen como antagónicas, y nuestro cerebro funciona, en parte, así. En eso consiste todo este experimento: hacer que una IA consiga en segundos lo que a una persona le costaría horas o días de trabajo.
En Nobbot | Se subasta por primera vez una obra de arte creada con inteligencia artificial
Imágenes | Janko Ferli?, ?????????? (Wikipedia), Desconocido (Wikipedia), Philippe Mignot, DAVIDCOHEN, Kristy Kravchenko
Poco puedo decir porque n puedo descargarla, pero por lo visto en su página me parece muy interesante.