Durante el cierre de la segunda etapa del proyecto del Fondo de Fomento al Desarrollo Científico y Tecnológico (Fondef), financiado por ANID, el Departamento de Ingeniería Eléctrica de la Universidad de Chile destacó la iniciativa «Detección automática de similitudes entre imágenes de marcas para su registro y protección», liderado por el académico Claudio Pérez.

Bajo el nombre de «AI- Trademark», el proyecto es una solución desarrollada junto al Instituto Nacional de Propiedad Industrial (Inapi), organismo encargado del registro de las marcas en Chile, en que se hace uso de la inteligencia artificial para detectar marcas similares posicionándose como líder mundial en esta área.

Así, cada vez que se gestiona el registro de una marca en Inapi, la institución debe generar una búsqueda en sus bases de datos que alojan más de 450.000 marcas registradas, por lo que ha utilizado este software en las dos etapas del proyecto Fondef, por mas de tres años.

Las marcas comerciales están formadas por múltiples elementos figurativos como imágenes y denominativos, como texto.  Cada uno de estos elementos tiene relevancia de forma individual por lo que es importante su detección. El software «AI-Trademark» permite encontrar las regiones relevantes tanto de zonas figurativas como en aquellas que contienen texto complejo.

«El problema no es algo simple, ya que no apunta solo a la imagen de la marca, sino también se debe detectar si hay algo conceptualmente parecido, analizar el color, las texturas y el texto presente que puede ser complejo y estar mezclado con elementos figurativos. En esta segunda etapa del proyecto FONDEF logramos procesar el texto complejo y optimizar el tiempo de respuesta a las búsqueda, a menos de 6 segundos frente a cada consulta», comentó Claudio Pérez.

Cómo funciona 

A través de Inteligencia Artificial (AI) se utilizan redes neuronales convolucionales (CNNs) de aprendizaje profundo (Deep Learning). «El sistema funciona utilizando diversos módulos -en base a dichas redes neuronales- que extraen características en paralelo, las cuales son utilizadas para calcular la similitud entre una marca consultada y una base de datos de marcas. El sistema está compuesto por distintos módulos muy específicos que determinan diversos descriptores (como forma, textura, color, similitudes visuales, similitudes conceptuales, texto, entre otros) y con dicha clasificación específica genera un ranking que va desde las marcas más parecidas a las menos parecidas. Esta herramienta permite dar una respuesta más rápida, precisa y objetiva que apoya a la toma de decisión de los examinadores», explicó Pérez.

«Este tipo de redes neuronales hacen algo parecido a lo que hace el sistema visual humano utilizando unas operaciones de filtrado, “convoluciones”, y muchas capas ocultas. La mecánica tiene alguna similitud con lo que hace el ojo y las primeras capas de la corteza visual, que se pueden modelar con operaciones matemáticas que nos permiten encontrar los bordes de los objetos, separar la forma del fondo o extraer características relevantes de los objetos. Por ejemplo, al mirar un rostro centrarse en los ojos, la nariz, la boca, extraer las cejas, las pestañas, arrugas, etc. Si bien aún estamos muy lejos de igualar un cerebro, ya es posible construir modelos, que mediante entrenamiento, aprenden a resolver problemas en ambientes acotados», agregó el académico.

La Universidad de Chile licenció el software «AI-Trademark» a la empresa Ciberseguridad Humana (CSH) para su comercialización, tanto nacional como internacional, cuyos posibles usuarios son las oficinas de registro de marcas nacional o internacionales, estudios que hacen vigilancia de marcas, empresas que hacen diseños de marcas, oficinas estatales como aduana, ministerio público, etc.

El software también está siendo utilizado por Inapi, por la oficina de registro de marcas de Uruguay, DNPI, y también por varios estudios jurídicos que hacen vigilancia de marcas.