Entrega Email: Ódio e-mails de phishing? Você vai adorar DMARC
Análise Google não entende como a sua "aprendizagem profunda" sistemas de computadores de decisão tornaram-se tão bons em reconhecer as coisas em fotos.
Isto significa que o gigante da internet pode precisar de menos especialistas no futuro, pois ele pode sim contar com as suas máquinas semi-autónomas, semi-inteligentes para resolver todos os problemas por conta própria.
As afirmações foram feitas na Conferência de Aprendizado de Máquina em San Francisco na sexta-feira pelo Google engenheiro de software Quoc V. Le em uma conversa na qual ele delineou algumas das maneiras que o conteúdo sugador está colocando sistemas "aprendizagem profunda" para trabalhar.
"Aprendizagem profunda" envolve grandes aglomerados de computadores ingerindo e classificação automática de dados, como fotos. Google usa a tecnologia para serviços de busca como o Android controlado por voz, reconhecimento de imagem, e o Google Translate , entre outros.
Experiências de aprendizagem profundas do ad-lançador causou um rebuliço em junho 2012 , quando um artigo do Times de primeira página de Nova York revelou que depois que o Google alimentou sua tecnologia "DistBelief" com milhões de vídeos do YouTube, o software tinha aprendido a reconhecer as principais características dos gatos.
Um detector de felino Pode parecer trivial, mas é o tipo de cérebro de potência digital necessária para identificar os números das casas para Street View fotos, rostos individuais em sites, ou, digamos, <SKYNET DISCLAIMER> se o Google já precisa identificar as forças rebeldes humanos rastejantes através as ruínas fumegantes de um bombardeada Silicon Valley </SKYNET DISCLAIMER> .
-Aprendizagem profunda obras tecnologia do Google de uma forma hierárquica, de forma a camada mais inferior da rede neural pode detectar mudanças de cor em pixels de uma imagem, e então a camada acima pode ser capaz de usar isso para reconhecer certos tipos de bordas. Após a adição de camadas sucessivas de análise, os diferentes ramos do sistema pode desenvolver métodos de detecção de rostos, cadeiras de balanço, computadores e assim por diante.
O que surpreendeu Quoc V. Le é que a máquina tenha aprendido a escolher recursos em coisas como trituradores de papel que as pessoas não podem facilmente local - você já viu uma máquina trituradora, que você já viu todos eles, praticamente. Mas não é assim para o monstro do Google.
Aprendizagem "como engenheiro recursos para reconhecer que isso é um triturador - que é muito complicado", explicou. "Passei um monte de pensamentos sobre isso e não poderia fazê-lo."
Tudo começou com um GIF: reconhecimento da Imagem abre caminho para coisas maiores
Muitos dos amigos de Quoc teve problemas para identificar trituradores de papel, quando ele lhes mostrou fotos das máquinas, disse ele. O sistema de computador tem uma taxa de sucesso maior, e ele não tem certeza de como ele poderia escrever programa para fazer isso.
Neste ponto, na apresentação outra Googler que estava sentado ao lado de nossa humilde El Reg corte começou a rir, ofegante: "Uau".
"Tivemos que confiar em dados para projetar os recursos para nós, ao invés de engenheiro as características de nós mesmos", explicou Quoc.
Isso significa que para algumas coisas, os pesquisadores do Google não pode mais explicar exatamente como o sistema aprendeu a detectar certos objetos, pois a programação parece pensar de forma independente de seus criadores, e seus processos cognitivos complexos são inescrutáveis. Esse "pensar" está dentro de uma missão extremamente estreito, mas é comprovadamente eficaz e independentemente verificáveis.
Google não espera que os seus sistemas de aprendizagem profunda de sempre evoluir para uma inteligência artificial emergente full-blown, no entanto. "[AI] só acontece por conta própria Eu sou muito prático - nós temos que fazer isso acontecer", disse o chefe da empresa de pesquisa de Alfred Spector nos disse mais cedo este ano .
Google AI-chefe Peter Norvig acredita os tipos de modelos de dados pesados estatísticos utilizados pelo Google representam a melhor esperança do mundo de crack problemas difíceis, tais como o reconhecimento de voz confiável e compreensão - uma opinião controversa, e que se choca com a visão de Noam Chomsky.
Aprendizagem profunda é atraente para o Google, pois pode resolver problemas próprios pesquisadores da empresa não pode, e pode deixar a empresa de contratar menos meatsacks ineficientes especialistas humanos. E o Google é conhecido por contratar o melhor dos melhores.
Ao ceder capacidades avançadas para suas máquinas, o Google pode economizar em headcount humano, melhor crescer seus sistemas para lidar com um dilúvio de dados, e desenvolver capacidades que têm - até agora - engenheiros confusos.
O gigante da publicidade foi pioneira uma abordagem semelhante de delegar certas decisões e tomada de decisões sistemas de seleção com a sua Borg e gestores de clusters Omega, que parecem se comportar como " coisas vivas "na forma como alocar cargas de trabalho.
Dada a ambição do Google de "organizar a informação do mundo", menos pessoas de que necessita para contratar, melhor. Ao desenvolver estes "aprendizagem profunda" sistemas Google precisa empregar menos especialistas humanos, Quoc, disse.
"Aprendizagem máquina pode ser difícil, pois verifica-se que, apesar de, em teoria, você poderia usar a regressão logística e assim por diante, mas na prática o que acontece é que gastamos muito tempo no processamento características inventar e assim por diante de dados. Para cada problema que tem que contratar especialistas de domínio ", acrescentou.
"Queremos ir além disso ... há certamente problemas que não podem engendrar características e queremos máquinas para fazer isso."
Trabalhando duro para dar suas máquinas maiores capacidades e inteligência local, limitado, o Google pode rachar problemas de classificação que seus peritos humanos não podem resolver. Skynet? Não. A Rebelião das Máquinas savant-como? Sim. Mas, por enquanto, o relacionamento é, felizmente, cooperativa. ®
via Alimentar (Feed)
Nenhum comentário:
Postar um comentário