ThinkLikeABot.com es un entretenido juego que a la vez sirve para aprender algo sobre la inteligencia artificial, concretamente cómo se clasifican las imágenes con etiquetas. La versión básica consiste en adivinar qué etiquetas ha asignado el algoritmo de IA a una imagen, lo cual aunque parezca obvio no lo es tanto, y de hecho resulta un poco difícil si te emperras en «pensar como un humano» porque lo que hay que hacer es pensar como un robot.
Tras elegir la modalidad de juego (hay varias: en solitario, multijugador, con tiempo o fallos limitados, por categorías de fotos) se puede proceder al meollo de la cuestión: aparece una imagen y hay que describir con etiquetas clasificatorias lo que se ve. Casi todas proceden de catálogos de fotografía de stock; algunas son más sencillas que otras, muestran personas haciendo cosas; otras en cambio son más abstractas o muestran objetos propicios a la confusión, tales como fotografías de comida o de paisajes nebulosos o inusuales (por ejemplo, una catarata helada). Hay que escribir tantas etiquetas como indique el juego.
Con el tiempo se aprende que parte del truco es utilizar etiquetas descriptoras muy genéricas [todo ello en inglés, claro]: persona mejor que hombre o mujer; humano si aparece gente; vehículo y transporte además de coche, tren o barco; ropa, calzado o zapatos en vez de algo más concreto como botas; naturaleza o paisaje o vez de bosque o montaña… Es cuestión de fallar o elegir View Labels para aprender las etiquetas que ha asignado la IA y con qué porcentaje de probabilidad.
Es interesante que esta versión tiende a no caer en sesgos típicos de algunos algoritmos de clasificación. Por ejemplo, en una escena en la que se ve una cocinera en un restaurante no aparece la palabra mujer ni cocinera, sólo persona, humano, cocina, etcétera. Y en una imagen floral de los novios de una boda aparecen, pero con baja probabilidad mujer (78%), chica (65%) y novia (59%) por debajo de persona (99%) aunque curiosamente aquí se equivoca con el novio que aparece como niño (65%) aunque no tiene mucha pinta de infante (más bien de veinteañero). El algoritmo también incluye rubio/a (65%, ambos son rubios) como una característica/etiqueta más relevante incluso que el género.
Relacionado:
