La Universidad de Innopolis obtiene tres patentes para soluciones de IA para atención textual y visual

Los investigadores del Centro de Investigación en IA de la Universidad de Innopolis han obtenido tres patentes para soluciones de IA relacionadas con la atención textual y visual. La primera patente cubre un sistema para predecir la mirada humana durante la lectura, que puede pronosticar los movimientos oculares para textos en inglés, coreano, alemán y otros diez idiomas utilizando una arquitectura de red neuronal unificada. Combina un modelo de lenguaje multilingüe y un modelo transformador para predecir las fijaciones de la mirada, entrenado con registros de seguimiento ocular de hablantes nativos de diferentes idiomas. El sistema genera secuencias sintéticas de fijaciones de la mirada y las evalúa por la probabilidad de omitir palabras y el número de fijaciones durante la primera lectura. La segunda patente se refiere a la evaluación de la generación de la mirada durante la lectura, abordando la falta de protocolos unificados para comparar las fijaciones secuenciales de la mirada en texto producidas por modelos generativos. El enfoque propuesto compara las trayectorias de la mirada según características espaciales y temporales y evalúa diferentes características del movimiento ocular a nivel de todo el texto, de palabras individuales y de oraciones. La tercera patente es para un método de entrenamiento de modelos de lenguaje con trayectorias de mirada sintéticas, integrando datos de atención visual en el aprendizaje por refuerzo a partir de retroalimentación humana. La invención incluye la generación de secuencias sintéticas de fijaciones de la mirada y características de atención visual, y la implementación de un algoritmo de aprendizaje por refuerzo basado en retroalimentación humana que tiene en cuenta los patrones de atención humana. Según la universidad, esta tecnología acelera el entrenamiento de la IA entre 1,5 y 2 veces, reduce los costos computacionales, reproduce los patrones de atención humana con una precisión de hasta el 93% y funciona incluso para idiomas con volúmenes de datos bajos.