ChartNet ayuda a modelos de IA más pequeños a interpretar mejor los gráficos

Investigadores del MIT dicen que han encontrado una manera práctica de lograr que la IA mejore mucho en la lectura de gráficos: darle una dieta mucho más amplia y limpia de gráficos de la que la web jamás ha ofrecido. Su nuevo conjunto de datos ChartNet, con más de un millón de gráficos sintéticos y etiquetados, ayudó a que modelos abiertos compactos superaran a sistemas comerciales mucho más grandes al extraer datos, responder preguntas y resumir visualizaciones.

Ese resultado resulta incómodo para la industria, y probablemente un poco embarazoso para los caros modelos de vanguardia que siguen tropezando con los diagramas de barras en los informes anuales. El problema subyacente es bastante simple: los gráficos mezclan imágenes, números y texto, por lo que un modelo tiene que entender los tres a la vez. La mayoría de los conjuntos de entrenamiento existentes son demasiado pequeños y superficiales para enseñar eso adecuadamente.

Qué aporta ChartNet al entrenamiento con gráficos

ChartNet fue creado por investigadores del MIT y del MIT-IBM Computing Research Lab. Cada ejemplo incluye la imagen del gráfico, el código usado para generarlo, una descripción en texto, una tabla numérica y pares de preguntas y respuestas con las respuestas correctas. En otras palabras, el modelo no solo ve una imagen; recibe la estructura completa que hay detrás.

Recomendado

Hassabis dice que las STEM te hacen 10 veces mejor en IA

El conjunto de datos se construyó en dos fases. Primero, los gráficos existentes se convirtieron en código. Luego el sistema generó automáticamente cientos de variaciones cambiando el tipo de gráfico, los valores de los datos, el estilo, los colores y el tema. Ese enfoque produjo más de un millón de muestras diversas, mientras que una capa automática de control de calidad verificó que el código y las imágenes renderizadas aún coincidieran con los datos originales.

Modelos abiertos más pequeños vencen a sistemas comerciales más grandes

El equipo entrenó varios modelos abiertos con ChartNet, incluido IBM Granite Vision. Los modelos mejorados rindieron mejor en cuatro áreas: recuperar datos de gráficos, extraer información numérica, generar resúmenes en texto y responder preguntas sobre diagramas. Lo más interesante no es que mejoraran, sino que modelos abiertos relativamente pequeños superaron de forma constante a sistemas comerciales mucho más grandes después del entrenamiento.

• Recuperación de datos de gráficos
• Extracción de números
• Resumen automático
• Responder preguntas sobre diagramas

Por qué leer gráficos es más difícil de lo que parece

Los gráficos están en el centro de las finanzas, la ciencia y los informes empresariales, por eso este problema ha sido tan persistente. Un humano puede mirar rápidamente un gráfico de líneas y detectar la tendencia de inmediato; un modelo tiene que decodificar ejes, etiquetas, marcas y números ocultos todo a la vez. También por eso el campo se ha apoyado tanto en sistemas cerrados con escala por fuerza bruta, incluso cuando los resultados son inconsistentes.

El giro más interesante es económico, no técnico. Si los modelos abiertos más pequeños pueden manejar la interpretación de gráficos lo suficientemente bien para el trabajo corporativo, las empresas podrían tener una alternativa más barata a los productos cerrados premium para tareas analíticas que no requieren modelos generales gigantes. El MIT dice que el siguiente paso es hacer el conjunto de datos más difícil, añadir más tipos de visualización y ampliar las tareas de entrenamiento, lo cual parece sensato porque los gráficos en el mundo real rara vez permanecen simples por mucho tiempo.