Mitu arvutit kassi tuvastamiseks? 16 000



Pilt kassist, mida närvivõrk ise ära tundma õpetas.

MOUNTAIN VIEW, California – Google'i salajases X-laboris, mis on tuntud isejuhtivate autode ja liitreaalsuse prillide leiutamise poolest, alustas väike rühm teadlasi mitu aastat tagasi inimaju simulatsiooniga.

Seal lõid Google'i teadlased masinõppe jaoks ühe suurima närvivõrgu, ühendades 16 000 arvutiprotsessorit, mille nad Internetis iseseisvaks õppimiseks lahti keerasid.

Mida Google'i aju tegi YouTube'i videotest leitud 10 miljoni digipildiga? Mida miljonid inimesed YouTube'iga teevad: otsisid kasse.

Närvivõrk õpetas kasse ära tundma, mis pole tegelikult kergemeelne tegevus. Sel nädalal tutvustavad teadlased nende töö tulemusi konverentsil Šotimaal Edinburghis. Google'i teadlased ja programmeerijad märgivad, et kuigi pole kuigi uudis, et Internet on kassivideoid täis, üllatas simulatsioon neid siiski. See toimis palju paremini kui ükski varasem jõupingutus, kuna kahekordistas oma täpsust objektide tuvastamisel 20 000 erinevast üksusest koosnevas loendis.

mis on windows 64 bit

Uuring esindab arvutiteaduse uut põlvkonda, mis kasutab ära andmetöötluse hinna langust ja tohutute arvutiklastrite kättesaadavust hiiglaslikes andmekeskustes. See toob kaasa märkimisväärseid edusamme nii erinevates valdkondades nagu masinnägemine ja -taju, kõnetuvastus ja keeletõlge.

Kuigi mõned teadlaste kasutatavad arvutiteaduse ideed ei ole uued, viib tarkvarasimulatsioonide tohutu ulatus õppesüsteemideni, mis varem polnud võimalikud. Ja Google'i teadlased ei ole üksi nende tehnikate ärakasutamisega, mida nimetatakse süvaõppe mudeliteks. Eelmisel aastal esitlesid Microsofti teadlased uuringuid, mis näitasid, et neid tehnikaid saab sama hästi rakendada ka arvutisüsteemide loomiseks, et mõista inimkõnet.

See on nendel päevadel kõnetuvastuse valdkonna kuumim asi, ütles New Yorgi ülikooli Couranti matemaatikateaduste instituudi masinõppele spetsialiseerunud arvutiteadlane Yann LeCun.

mis käsk kuvab kataloogis olevate failide ja alamkataloogide loendi
Pilt



Krediit...Jim Wilson / The New York Times

Ja siis on muidugi kassid.

Nende leidmiseks kasutas Google'i uurimisrühm Stanfordi ülikooli arvutiteadlase Andrew Y. Ngi ja Google'i kolleegi Jeff Deani juhtimisel 16 000 protsessori massiivi, et luua enam kui miljardi ühendusega närvivõrk. Seejärel andsid nad sellele juhuslikke pisipilte, millest igaüks eraldati 10 miljonist YouTube'i videost.

Videod valiti juhuslikult ja see on juba iseenesest huvitav kommentaar selle kohta, mis inimesi internetiajastul huvitab. Siiski on ka uurimused rabavad. Selle põhjuseks on asjaolu, et teadlaste loodud tarkvarapõhine närvivõrk peegeldab täpselt bioloogide väljatöötatud teooriaid, mis viitavad sellele, et üksikuid neuroneid treenitakse ajus oluliste objektide tuvastamiseks.

Praegu tehakse suur osa kaubanduslikust masinnägemistehnoloogiast nii, et inimesed jälgivad õppeprotsessi spetsiifiliste funktsioonide märgistamise teel. Google'i uuringus ei antud masinale funktsioonide tuvastamisel abi.

Mõte seisneb selles, et selle asemel, et teadlaste rühmad püüavad välja selgitada, kuidas servi leida, viskate selle asemel algoritmile tonni andmeid ja lasete andmetel rääkida ja tarkvaral andmetest automaatselt õppida, ütles dr Ng.

Me ei öelnud sellele koolituse ajal kordagi: 'See on kass,' ütles dr Dean, kes aitas algselt Google'il välja töötada tarkvara, mis võimaldab programmid hõlpsalt paljudeks samaaegselt arvutatavateks ülesanneteks jagada. Põhimõtteliselt leiutas see kassi mõiste. Tõenäoliselt on meil teisigi, mis on kassidele külgvaated.

kuidas muuta töölaua parooli

Google'i aju koostas kassist unenäolise digitaalse kujutise, kasutades mälukohtade hierarhiat, et pärast miljonite piltidega eksponeerimist järjest üldisi tunnuseid välja juurida. Teadlased ütlesid aga, et näis, et neil on aju visuaalses ajukoores toimuvale välja kujunenud küberneetiline nõbu.

Neuroteadlased on arutanud võimalust, mida nad nimetavad vanaema neuroniks, aju spetsialiseeritud rakkudeks, mis süttivad, kui neid korduvalt eksponeeritakse või neid õpetatakse ära tundma inimese teatud nägu.

Õpid kordamise kaudu sõpra tuvastama, ütles Californias Palo Altos asuva Industrial Perceptioni neuroteadlane Gary Bradski.

Video Videopleieri laadimine

26. juuni 2012 – Google'i kunstlik aju uurib Internetti, otsides ... kasse.

Kui teadlasi hämmastas kassipiltide, aga ka inimnägude ja kehaosade paralleelne tekkimine nende arvutimudeli teatud mälupiirkondades, ütles dr Ng, et on ettevaatlik paralleelide tõmbamisel oma tarkvarasüsteemi ja bioloogilise elu vahel.

Lahtine ja ausalt öeldes kohutav analoogia on see, et meie arvulised parameetrid vastavad sünapsidele, ütles dr Ng. Ta märkis, et üks erinevus seisnes selles, et vaatamata tohutule arvutusvõimsusele, mida teadlased kasutasid, jäi see siiski ajus leitud ühenduste arvust väiksemaks.

Väärib märkimist, et meie võrk on endiselt tilluke võrreldes inimese visuaalse ajukoorega, mis on neuronite ja sünapside arvu poolest miljon korda suurem, kirjutasid teadlased.

Vaatamata sellele, et bioloogiliste ajude tohutu ulatus on kääbus, pakub Google'i uurimus uusi tõendeid selle kohta, et olemasolevad masinõppe algoritmid paranevad oluliselt, kuna masinatele antakse juurdepääs suurtele andmekogumitele.

Stanfordi/Google'i paber tõstab närvivõrkude suurust ja ulatust varasemate jõupingutustega võrreldes suurusjärgu võrra, ütles Georgia Techi arvutikolledži kõrgjõudlusega andmetöötluse tegevdirektor David A. Bader. Ta ütles, et arvutitehnoloogia kiire kasv kaotab lõhe suhteliselt lühikese aja jooksul: inimese visuaalse ajukoore modelleerimise ulatus võib olla käeulatuses enne kümnendi lõppu.

sülearvuti ekraan läheb juhuslikult mustaks

Google'i teadlased ütlesid, et uurimisprojekt on nüüdseks Google X laborist välja kolinud ja seda jätkatakse ettevõtte otsinguäri ja sellega seotud teenuste osakonnas. Võimalikud rakendused hõlmavad pildiotsingu, kõnetuvastuse ja masintõlke täiustamist.

Vaatamata oma edule, jäid Google'i teadlased ettevaatlikuks selle suhtes, kas nad on tabanud end õpetavate masinate püha graali.

Oleks fantastiline, kui selguks, et meil pole vaja teha muud, kui võtta praegused algoritmid ja need suuremaks käivitada, kuid minu sisetunne ütleb, et meil pole ikka veel päris õiget algoritmi, ütles dr Ng.