Ya hemos hablado en esta web de lo que es YOLO (You Only Look Once) y de Ultralytics, la empresa fundada por Glenn Jocher para comercializar esta tecnología y avanzar en su desarrollo mundial.
Se da la circunstancia de que Jocher es hijo de una ex azafata de Iberia de origen madrileño, ciudad en la que casualmente empezó a desarrollar el proyecto de Ultralytics YOLO del que ha surgido la inteligencia artificial (IA) de detección de objetos más rápida y precisa del mundo. Este es el motivo por el que optase por constituir Ultralytics en el país natal de su padre, EEUU, y desarrollarlo desde Madrid.
También es esta la razón por la que eligió las instalaciones de Google for Startups Campus de Madrid para celebrar el 27 de septiembre YV24, una conferencia centrada en los avances en Datos, ML y visión por ordenador y presentar en primicia mundial el lanzamiento de Ultralytics YOLO11, es decir, la undécima versión desde que empezó a desarrollarse esta tecnología en abierto (open source) en el año 2016.
Prueba de las expectativas que genera YOLO en la comunidad tecnológica mundial son los más de cien seguidores de todo el mundo –especialmente, asiáticos e indios– que se desplazaron hasta Madrid para asistir al lanzamiento. Súmense a estos los más de 2.000 que siguieron el encuentro a través de YouTube y su equivalente chino BiliBili y los miles de visitantes que lo han visionado en diferido posteriormente.
Asimismo, el encuentro reunió a una veintena de expertos internacionales en IA y tecnología además de grandes compañías del sector como Intel, NVIDIA, Sony Semiconductor Solutions o Qualcomm.
Detectar tiburones en las playas y mil millones de usos más
YOLO es un algoritmo capaz de hacer todo lo que hace el ojo humano, solo que de forma mucho más rápida y eficaz porque su misión es la detección de objetos a tiempo real. Pero no solo detecta imágenes, sino que también las entiende prestándose a multitud de usos.
Jocher aprovechó el evento para destacar que los modelos de Ultralytics YOLO acumulan “más de mil millones de usos distintos, lo que podría traducirse en 506 millones de usos al día o miles de usos por segundo”.
En cuanto a los casos de uso que se registran van en función del interés y las necesidades de cada usuario así como del tipo de aplicación al que se quiera trasladar esta tecnología.
Así, un comercio o una gran superficie que incorporasen YOLO podría saber al momento el número exacto de personas que entran en su tienda, la hora, el género, la edad, el tipo de artículos que adquieren…y, en función de todo ello, tomar una decisión informada.
Ya en medicina hay quien la utiliza ya en la especialidad de anatomía patológica para interpretar los resultados de una biopsia y en otras áreas de diagnóstico médico por imágenes.
En el supuesto de que una compañía aérea quisiese optimizar el consumo de combustible y mantener el equilibrio en sus aviones pesando a cada pasajero y su respectivo equipaje antes de iniciar el vuelo, también podría hacerlo con YOLO de forma anonimizada y en cuestión de milisegundos.
Otro caso de uso más llamativo es el que han encontrado en la Universidad de Santa Bárbara (California) donde aplican este modelo de visión artificial para identificar a los, aproximadamente, un tiburón que aparece cada semana en la playa que se conoce como Padaro Beah.
En este último escenario, La visión artificial de YOLO, incorporada a un dron, acierta con una precisión del 92%, según expuso Jim Griffin, profesor de la Universidad de Texas en Austin y fundador de AI Master Group quien abundó en la complejidad del problema dada la gran presencia de objetos en los océanos que pueden confundirse con un tiburón y lo difícil que es rastrear a esta especie dados sus distintos tamaños y que no todos nadan a la misma profundidad.
Intervino también en el encuentro David Scott, fundador de la consultora norteamericana The Main Branch e impulsor de un proyecto que utiliza las imágenes recogidas por el modelo IA para detectar enfermedades de animales como caballos de carreras o las vacas que ya expusimos en esta publicación.
“Aunque ha sido un proceso difícil, gracias a Ultralytics YOLO hemos creado un sistema capaz de detectar una vaca o caballo enfermo de los 10.000 que le hemos enseñado, con un éxito de acierto de más del 80% en el caso de los caballos y del 90% en el caso de las vacas”, dijo Scott.
Fuente de inspiración y conocimiento
Pero también fueron muchos los españoles que se desplazaron a las instalaciones de Google para ponerse al día de esta tecnología. Entre ellos se encontraban Lucía Cilla y Abel González, programadores en Siali , una startup de Cantabria que se dedica a la automatización de procesos mediante visión artificial.
Aunque no forman parte de la comunidad, ambos reconocen recurrir a YOLO como fuente de conocimiento e inspiración para sus propios desarrollos. “Al final, desde las matemáticas que hay detrás en una línea de código hasta que usas YOLO hay muchos pasos intermedios y muchos puntos en los que uno puede aportar valor y encontrar inspiración”, declara Abel González.
Glenn Jocher, fundador y CEO de Ultralytics.
La evolución de la empresa
Desde que hablamos con Jocher el pasado mes de junio hasta el momento actual, la comunidad en GitHub que forma parte del desarrollo de YOLO ha pasado de contar con 600 programadores a 800. Asimismo, el equipo de Ultralytics, entonces inferior a las 20 personas, lo integran ya 34 personas y si no crece más deprisa es porque les cuesta dar con perfiles con la experiencia en IA que al CEO le gustaría.
Esto le obliga a tener un equipo multicultural y deslocalizado en el que una persona trabaja en EE.UU, 10 en España, y el resto se desperdigan por India, Asia o cualquier otro rincón del mundo. Al CEO, no obstante, le gustaría tener a todos más cerca para comunicar mejor la cultura de empresa y obtener máxima implicación de las personas con el proyecto.
Otro salto registrado por la empresa en apenas unos meses es el paso del YOLO8 a YOLO11 y ya advierte Jocher de que no va a ser la última porque el objetivo es crear modelos cada vez “más avanzados, más rápidos y más pequeños”. Solo así conseguirá eliminar la barrera tecnológica que, aunque no muy alta, todavía hoy es necesaria para su aprovechamiento además de reducir el gasto energético y abaratar el uso.
Según Glenn Jocher, YOLO11, “se basa en todos los éxitos que hemos tenido en el pasado, así como en todas las contribuciones de nuestra comunidad de código abierto, una de las más grandes del mundo”. Y es que en el desarrollo de esta nueva versión “han contribuido directamente miles de usuarios que han utilizado los modelos previos y nos han dado feedback sobre lo que podemos implementar y lo que podemos mejorar”.
Después de dos años de desarrollo de la tecnología sin un cliente y sin un céntimo, Ultralytics empezó a monetizar prestando servicio de acompañamiento y ayuda a aquellas empresas que querían incorporar YOLO en sus procesos. Ahora disponen ya de paquetes de soporte para empresas que lo quieren explotar comercialmente, pero también puede accederse al desarrollo sin licencia de forma gratuita que es como lo usan la mayoría.
Dinero no necesitan, de hecho están en un momento en el que, según el CEO, ingresan más de lo que les da tiempo a gastar. El reto actual es hacer crecer el equipo y seguir avanzando en la tecnología. No descartan, sin embargo, acudir a rondas de inversión a futuro sabedor de que, si finalmente consigue desarrollar la tecnología que sueña, el dinero llegará, así que, por esa parte, no está preocupado.
La democratización total de la tecnología
Jocher tiene claro lo que quiere mejorar que no es otra cosa que simplificar y bajar la barrera tecnológica cada vez más para hacerlo accesible el uso de YOLO a cualquiera que quiera utilizarlo, tanto a título personal como corporativo, más allá de las 100.000 organizaciones de todo el mundo que lo utilizan ya, algunas de la talla de Shell, Ikea o Intel.
Especial interés tiene también el CEO en fomentar la parte educativa para que jóvenes de todo el mundo tengan acceso a la formación en esta tecnología. “Claro que al final cada cual hace con su vida lo que quiere, algunos cosas más interesantes que otros. Pero que la causa sea la falta de acceso a la formación por proceder de un origen determinado, eso es lo que no nos parece justo y queremos evitar. Al final de todo, lo que queremos generar es impacto social positivo a escala global”.
