La dificultad no era solo enseñar a mirar a una máquina
Durante años, los algoritmos de visión artificial se evaluaban con colecciones de imágenes relativamente pequeñas. Pero reconocer objetos en el mundo real es difícil: iluminación, ángulo, fondo, tamaño y miles de categorías cambian constantemente. En 2009, Jia Deng, Wei Dong, Richard Socher, Li-Jia Li, Kai Li y Li Fei-Fei publicaron un trabajo que describía ImageNet, una gran base de datos organizada jerárquicamente para estudiar el reconocimiento visual.
El proyecto reunió y organizó millones de fotografías etiquetadas en una estructura basada en WordNet. La publicación de 2009 describía ya 3,2 millones de imágenes y miles de categorías. La escala impresionaba, pero el auténtico avance no consistía solo en acumular archivos: había que decidir qué categorías usar, cómo obtener etiquetas humanas y cómo controlar la calidad.
El trabajo menos visible que hizo posible una competición
Li Fei-Fei y sus colaboradores ayudaron a consolidar una forma de evaluar sistemas sobre un problema compartido. En lugar de que cada laboratorio escogiera sus propios ejemplos, los investigadores podían comparar métodos con un conjunto de referencia. Esta infraestructura de datos terminaría siendo decisiva para las competiciones de reconocimiento de imágenes y para medir avances de nuevos modelos.
En esta historia hay una protagonista de la que se habla menos en las anécdotas sobre grandes modelos: la persona que organiza las condiciones para que otros puedan demostrar qué funciona. También hay un equipo amplio de autores y personas que ayudaron a etiquetar las imágenes. Una base de datos no surge por generación espontánea; exige decisiones humanas que influyen en los resultados posteriores.
Un laboratorio que cambia las reglas del juego
Es tentador narrar la revolución del aprendizaje profundo como una sucesión de arquitecturas y chips gráficos. Pero los algoritmos necesitan tareas y datos sobre los que aprender y competir. ImageNet aportó un escenario compartido que permitió apreciar con claridad la mejora de sistemas que aparecerían después, como AlexNet en 2012.
La pregunta de Fathom no es solo quién creó el modelo que ganó, sino quién construyó el terreno de juego. Cuando una tecnología avanza de golpe, a veces el descubrimiento estaba empezando años antes, en el trabajo paciente de quienes hicieron posible medirlo.