Cómo identificar monedas antiguas: usando Inteligencia Artificial en Numismática

Identificar monedas antiguas, especialmente cuando sus leyendas están escritas en alfabetos no latinos, es uno de los grandes quebraderos de cabeza de los coleccionistas de moneda del mundo. Pero los avances tecnológicos nos pueden ayudar a superar este problema, siendo el caso más obvio el uso de la Inteligencia Artificial.

Hoy, vemos cómo se implementa la Inteligencia Artificial en numismática, y echamos un ojo a un par de usos prácticos: las aplicaciones para identificar monedas Coinoscope y Maktun.

¡Está vivo! ¡Está vivo!: Aplicando Inteligencia Artificial a la numismática

No importa en que campo sea, una vez programada, el proceso de creación de una Inteligencia Artificial (IA) es siempre el mismo. Tiene tres pasos: entrenamiento, validación y prueba.

Simplificando, así es como funciona cada uno:

Entrenamiento

Se le da a la IA una serie de datos. Cada dato está etiquetado con sus características. Por ejemplo, una foto de un paisaje se etiquetará como «paisaje», «árbol», «flor», «cielo»…

Cuantos más datos, mejor, y cuantas más etiquetas en cada dato, mejor. Una IA generalista pequeñita tendrá de entre 100.000 a 200.000 datos y cada uno tendrá 20 ó 30 etiquetas. Una IA para un coche sin conductor analizará millones de imágenes y videos. En IAs especializadas, los conjuntos de datos están en los miles, con 3 ó 4 etiquetas.

¿Has visto alguna vez el famoso captcha de Google? Realmente, cuando lo solucionas, lo que estás haciendo es ayudar a etiquetar fotos, que después se pasarán a una IA.

Y si hay un campo en el que se pueda conseguir conjuntos de datos fácilmente, es la numismática. Cada catálogo de monedas es un conjunto de datos que ya viene etiquetado con cosas como el nombre de la moneda, el material, el tamaño… Entrenar una IA para numismática es tan fácil como bajar la base de datos de los catálogos de Numista o uCoin y dárselos a la IA para que aprenda.

Imagínate que la IA es un niño que va al colegio. Cuando le das los datos, la IA los estudia igual que un niño estudia, por ejemplo, las capitales del mundo a partir de un mapa. La IA estudia la imagen, estudia las etiquetas, crea relaciones entre ellas, y comienza a elaborar suposiciones y predicciones basadas en esas relaciones que va creando.

Validación

Una vez que la IA ha estudiado lo suficiente, es hora de hacerle un examen. Para ello le damos imágenes con etiquetas incompletas, y vemos si las completa correctamente. Este proceso es la validación.

Volviendo al ejemplo del niño y las capitales del mundo, este proceso vendría a ser parecido a hacerle un examen al chaval haciendo que escriba el nombre de las ciudades en un mapa político mudo, con puntitos marcando su situación.

Por ejemplo, puedo pasarle a la IA una foto de una moneda de 1 céntimo de 1906 en su variante SMV, y la etiqueto como «bronce», «escudo de armas» y «retrato». Pero no le digo qué moneda es.

Si la IA nos responde que es, efectivamente, una moneda de 1 céntimo de 1906 SMV, el examen estará aprobado, y la validación, completada. Cuando hacemos, por poner un ejemplo, 10.000 validaciones, podemos hacernos una idea de si nuestra IA es buena en lo que hace o no.

Prueba

Cuando termina el proceso de validación con éxito, aún queda un paso más: la prueba. Básicamente, es mirar a ver si la IA es capaz de hacer por sí sola lo que queremos que haga, que, en el caso de la numismática, es identificar monedas antiguas a partir de fotos aleatorias sin etiquetar.

Así que lo que hacemos es darle esas fotos aleatorias. Pero nosotros sí sabemos qué moneda es. Si la respuesta es correcta después de un número elevado y suficiente de pruebas, será señal de que la IA está lista para su uso en condiciones reales.

Volviendo al pobre chaval, que a estas alturas estará harto de las capitales, es como si le damos un mapa físico del mundo sin fronteras ni puntitos, y le pedimos que localice exactamente, y sin ningún error, cualquier capital del mundo. Si es capaz de hacerlo, el chaval, sin ningún atisbo de duda, domina las capitales.

¿Y hay alguien que ya haya hecho esto, o es ciencia ficción?

Pues no, no es ciencia ficción. Existen ya dos aplicaciones diferentes que son capaces de identificar monedas antiguas usando Inteligencia Artificial: Coinoscope y Maktun.

Ya las mencioné en su día cuando hablé de cómo saber el valor de monedas antiguas, pero hoy vamos a echarles un ojo para ver cómo de bien identifican monedas.

Aplicaciones para identificar monedas antiguas con Inteligencia Artificial

El funcionamiento de Coinoscope y de Maktun es bastante similar: sacas una foto a la moneda, esperas un momento, y la aplicación la identifica y te da los datos básicos y unos valores aproximados. Luego, puedes añadirla a una base de datos interna que sirve como registro de tu colección.

Así que he hecho exactamente eso con seis monedas, para daros una pequeña comparativa entre ambas aplicaciones, ver sus diferencias, y dilucidar cuál es la mejor.

O, en otras palabras, voy a hacer un proceso de verificación de las IAs de estas aplicaciones, igual al que te contaba arriba, pero a mucha menor escala.

Para esta verificación, he usado seis monedas de mi colección personal de monedas del mundo. Tres de ellas en alta conservación (EBC o mejor):

• Canadá – 25 Céntimos 2009 – Hockey Sobre Hielo Masculino
• India Británica – 1 Rupia 1904
• Nepal – 1 Paisa 1869

Y tres de ellas en baja (MBC o peor):

• Vietnam del Sur – 10 Dong 1964
• Arabia Saudí – 1/4 Rial 1935
• Tailandia – 2 1/2 Satang 1897

Las fotos se han sacado en un móvil con Coinoscope, y en una tablet con Maktun. Las cámaras de ambos dispositivos son horribles, siendo la de la tablet un poquito peor. Las condiciones lumínicas eran las mismas, habiéndose sacado las fotos para ambas con unos pocos minutos de diferencia, y con un sol radiante entrando por la ventana.

Como te puedes imaginar, no ha sido una prueba exhaustiva, pero sí nos permite hacernos una idea rápida de la fiabilidad de estas aplicaciones.

Coinoscope

Coinoscope te pide que hagas una sola foto, del lado de la moneda que tú prefieras. Gracias a eso, la identificación es casi instantánea. Cuando lo hace, te da varias opciones, ordenadas de mayor a menor confianza en el resultado.

Sin embargo, también parece ser relativamente inexacta. Sólo identificó 4 de 6 monedas, teniendo problemas para identificar las piezas nepalí y tailandesa. Es una tasa de éxito del 66%. Como ves en la foto siguiente, ni siquiera fue capaz de identificar quién emitió la nepalí.

Aunque la aplicación en sí es bonita, la navegación es un poco engorrosa, y encontrar monedas en el registro de tu colección es complicado. No hay divisiones, no hay filtros de búsqueda, y no hay navegación rápida.

Maktun

Maktun, te pide que hagas dos fotos, de anverso y de reverso. Debido a esto, la identificación de la moneda lleva un poco más de tiempo. A veces, hasta les da tiempo a enseñarte una pequeña introducción a alguna característica de la aplicación. 

Sn embargo, parece ser más exacta. Fue capaz de identificar correctamente 5 de las 6 monedas, con una tasa de éxito del 83.33%, dejándose por el camino, una vez más, la nepalí. Al igual que Coinoscope, tuvo problemas hasta para identificar el emisor correctamente.

En cuanto a navegación y guardado de registros, Maktun le da mil vueltas a Coinoscope. Quizá no sea tan bonita como esta última, pero la localización de monedas de tu registro es fácil y rápida, tiene historial de identificaciones, y un catálogo incorporado basado en Colnect.

¿Con cuál me quedo yo?

Ninguna de las dos compañías me da un duro por escribir esto, así que puedo dar una opinión completamente honesta:

Yo me quedo con Maktun.

Es gratis y sin anuncios (me pregunto cómo la mantendrán), tiene mas caracterísitcas, la navegación es más fácil, está en español, e identifica mejor las monedas.

Es que no hay color.