admin

Categorías

Coobis

«Cerebro artificial» de Google aprende a encontrar vídeos de gatos

Actualidad Informática.

Cuando científicos de computación en el misteriosa laboratorio X de Google elaboraron  una red neuronal de 16000 procesadores de ordenador con mil millones de conexiones y dejaron que navegara por YouTube, hizo lo que muchos usuarios de internet podrían hacer -comenzó a buscar gatos.

El «cerebro» de simulación fue expuesto a 10 millones de selecciones al azar, miniaturas de los vídeos de YouTube en el transcurso de tres días y, después de haberle sido presentada una lista de 20000 artículos diferentes, comenzó a reconocer fotos de gatos mediante un algoritmo de «aprendizaje profundo». Esto fue a pesar de ser alimentado sin información sobre las características distintivas que podrían ayudar a identificar a uno.

Recogiendo las imágenes que aparecen más frecuentemente aparecen en YouTube, el sistema alcanzó 81,7 por ciento de exactitud en la detección de rostros humanos, 76.7 por ciento de exactitud en la identificación de partes del cuerpo humano y 74,8 por ciento de exactitud en la identificación de gatos.

«Al contrario de lo que parece ser una intuición muy extendida, nuestros resultados experimentales revelan que es posible entrenar a un detector de caras sin necesidad de etiquetar las imágenes que contiene una cara o no», dice el equipo en su artículo, Building high-level features using large scale unsupervised learning, que se ha presentado en la Conferencia Internacional sobre Aprendizaje Automático en Edimburgo, del 26 de junio al uno de julio.

«La red es sensible a los conceptos de alto nivel como las caras de gato y el cuerpo humano. A partir de estas características adquiridas, hemos entrenado a obtener el 15,8 por ciento de precisión en el reconocimiento de 20000 categorías de objetos, un salto de 70 por ciento de mejora relativa en el anterior estado de la última generación».

Los hallazgos, que podrían ser útiles en el desarrollo del habla y el software de reconocimiento de imagen, incluyendo servicios de traducción, son notablemente similares a la «célula abuela» la teoría que dice que ciertas neuronas humanas están programadas para identificar los objetos considerados significativos. La  «neurona abuela» es una neurona que se activa hipotéticamente cada vez que experimenta un sonido o una visualización significativos. El concepto podría explicar cómo se aprende a discriminar entre identificar objetos y palabras. Es el proceso de aprendizaje a través de la repetición.

«Nunca se dijo durante el entrenamiento:» Este es un gato», Jeff Dean, quien dirigió el estudio,  dijo al New York Times. «Básicamente, inventó el concepto de gato.»

«La idea es que en vez de tener equipos de investigadores que tratan de averiguar cómo encontrar límites, en su lugar lanzan un montón de datos en el algoritmo y dejan que los datos hablen y el software automáticamente aprender de los datos», añadió Andrew Ng , científico informático de la Universidad de Stanford involucrado en el proyecto. Ng ha sido desarrollador de algoritmos para el aprendizaje de datos de audio y visuales por varios años en Stanford.

Desde su llegada a la opinión pública en 2011, el laboratorio secreto de Google X – se cree que se ubica en el Área de la Bahía de California – ha publicado investigaciones en internet de cosas tales, un ascensor espacial y la conducción autónoma.

Su última aventura, aunque no llegando al número de neuronas en el cerebro humano (se cree que más de 80 millones de dólares), es uno de los simuladores cerebrales más avanzado del mundo. En 2009, IBM ha desarrollado un simulador del cerebro que reproducía mil millones de neuronas del cerebro humano conectadas por diez billones de sinapsis.

Sin embargo, la última oferta de Google parece ser el primero en identificar los objetos sin pistas e información adicional. La red continuó para identificar correctamente los objetos, incluso cuando se distorsionan o se colocan con fondos destinados a desorientar.

«Hasta ahora, la mayoría de los algoritmos [anteriores] sólo habían tenido éxito en el aprendizaje de bajo nivel, tales como detectores «bordes» o «manchas», dice el documento.

Sin embargo, Google se considera como un avance que la investigación ha hecho que el gran salto desde el laboratorio X para sus laboratorios principales.

Related Posts with Thumbnails

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

*

This blog is kept spam free by WP-SpamFree.

Calendario

noviembre 2019
L M X J V S D
« Nov    
 123
45678910
11121314151617
18192021222324
252627282930  

Spam

Otros enlaces

  • Enlaces

    Este blog no tiene ninguna relación con ellos, ni los recomienda.


  • Paperblog

    autobus las palmas aeropuerto cetona de frambuesa