¿Se puede entrenar una IA solo con video?
Sí, pero depende de qué quieres que aprenda. Hay cosas que un modelo aprende solo mirando cámaras, y otras, como reconocer un robo, para las que necesita que una persona le diga qué pasó.
Mirar y aprender no ocurre al mismo tiempo
La idea de una IA que se entrena sola mientras mira suena bien, pero casi ningún sistema serio lo hace así. Lo normal es un ciclo:
- El modelo trabaja todo el día sobre las cámaras.
- Guarda los casos útiles: detecciones dudosas, alertas, coincidencias rechazadas.
- Cada noche o cada semana se entrena una copia con esos datos nuevos.
- La copia se prueba contra un conjunto fijo de ejemplos.
- Solo si es mejor, reemplaza al modelo anterior.
Entrenar en vivo tiene tres problemas. El modelo puede olvidar lo que ya sabía: una semana de video nocturno lo empeora de día. Un dato malo, como una cámara dañada, lo contamina sin que nadie lo note. Y la computadora pequeña que corre el modelo en el local no tiene potencia para entrenar; eso se hace en una GPU aparte.
Lo que aprende solo con video
Más de lo que parece, porque el video trae etiquetas gratis.
- Reconocer a la misma persona. Dentro de un mismo seguimiento, todos los recortes son la misma persona. Dos personas visibles al mismo tiempo en dos cámaras son personas distintas. Eso produce millones de ejemplos de "igual" y "distinto" sin que nadie etiquete nada. Se llama aprendizaje autosupervisado.
- Detectar y contar. Un modelo grande y lento etiqueta el video en un servidor, y el modelo pequeño del local aprende de esas etiquetas. Se llama maestro y estudiante.
- Lo que no es normal. El modelo aprende cómo es un martes cualquiera y marca lo que no encaja: alguien en la puerta trasera a las 3 de la mañana, una persona corriendo en un pasillo, una fila que crece demasiado.
El límite del último punto: puede decir "esto es raro", pero no "esto es un robo". Raro y peligroso no son lo mismo; un niño corriendo también es raro.
Lo que necesita a una persona
Todo lo que tiene un significado para el negocio necesita etiquetas: robo, hurto en tienda, pelea, un empleado tomando efectivo, una caída. El video solo no le dice al modelo cuáles de los eventos raros importan.
La buena noticia es que esas etiquetas pueden salir casi gratis si se diseñan dentro del producto:
- Cada alerta trae dos botones: Correcto o Falsa alarma. Cada toque es un ejemplo de entrenamiento.
- Cada coincidencia entre cámaras pregunta ¿Es la misma persona?
- Cuando una tienda reporta un robo, el clip de esa hora queda etiquetado.
- El sistema solo pregunta por los casos en los que está menos seguro, así que un encargado revisa unos diez clips por semana, no miles.
Los robos son raros, así que una sola tienda nunca tendrá suficientes ejemplos. La solución es juntar eventos etiquetados y anonimizados de muchos clientes, y empezar con conjuntos de datos públicos de video de hurto y violencia.
En resumen
| Capacidad | Cómo mejora | Ayuda humana |
|---|---|---|
| Contar e identificar personas | Maestro y estudiante con video sin etiquetas | Casi ninguna |
| Seguir entre cámaras y buscar en el historial | Autosupervisado con los seguimientos | Poca |
| Alertas de actividad inusual | Aprende lo normal del video | Algo |
| Robos, hurtos, peleas | Eventos etiquetados | Sí, imprescindible |
Un detalle legal: entrenar con las grabaciones de un cliente es un uso distinto a vigilar. Bajo la Ley 172-13, el contrato debe decir claramente que se usarán clips anonimizados para mejorar el modelo y por cuánto tiempo se guardan.
¿Quieres esto en tu negocio?
Empezamos con un diagnóstico de una semana: revisamos tus cámaras y tus datos, y te decimos qué se puede medir y cuánto costaría.
Agenda un diagnóstico