Ultime Notizie
Ti trovi qui: Home » Scienze » Le macchine che imparano Senza Umani
Cerca la tua anima gemella
Le macchine che imparano Senza Umani

Le macchine che imparano Senza Umani

La foto di cortesia di: Yoshua Bengio

E ‘successo a una conferenza accademica a maggio, ed era pieno di entusiasmo – forse più di quanto non fosse mai stato nel corso della sua pluridecennale carriera in “apprendimento profondo,” un settore emergente della scienza informatica che cerca di insegnare le macchine artificiali  che imitano come il cervello umano  che elabora le informazioni. O, piuttosto, come si suppone come il cervello elabora le informazioni.

Nella sua stanza d’albergo, Bengio iniziato a scarabocchiare furiosamente equazioni matematiche che ha catturato le sue nuove idee. Ben presto fu rimbalzata questa idea con i vari colleghi, tra cui profondo apprendimento di pioniere Yann LeCun della New York University. A giudicare dalla loro risposta, Bengio sapeva che era qualcosa di grosso.

Quando ha fatto ritorno dal suo laboratorio presso l’Università di Montreal – sede di una delle più grandi concentrazioni di ricercatori Deep-learning  (INTELLIGENZA ARTIFICIALE)- Bengio e la sua squadra sono andati a lavorare trasformando le sue equazioni funzionali, algoritmi intelligenti. Circa un mese dopo,  la sua visione nella camera d’albergo che ha trasformato in ciò che crede trovando  una delle più importanti scoperte della sua carriera, uno che potrebbe accelerare la ricerca di intelligenza artificiale.

In breve, Bengio ha sviluppato nuovi modi per computer per imparare  da noi esseri umani. Tipicamente, le machine artificiali  richiedono dei “dati etichettati” – come ad esempio classificando le informazioni  dalle  persone reali. Se si desidera che un computer per imparare quello che un gatto sembra, è innanzitutto necessario mostrare ciò che un gatto assomiglia. Bengio cerca di eliminare questo passaggio.

 

“I modelli di oggi possono essere addestrati su enormi quantità di dati, ma non è sufficiente”, dice Bengio, che insieme a LeCun e di Google Geoffrey Hinton è uno dei moschettieri originali di  profonda conoscenza delle machine artificiali. “Abbiamo bisogno di scoprire algoritmi di apprendimento che possono sfruttare al meglio tutti questi dati senza una etichetta come ad esempio imitare gli umani per assomigliarli .”

Attualmente, i modelli per apprendimento più usati – cosiddette reti neurali artificiali bardati da artisti del calibro di ricerca giganti Google e Baidu - utilizzano una combinazione di dati etichettati e senza etichetta di dare un senso al mondo. Ma le informazioni senza etichetta supera di gran lunga l’importo e le persone sono state in grado di etichettare manualmente, e se l’apprendimento profondo è quello di girare l’angolo, deve affrontare le aree in cui i dati etichettati è scarsa, compresa la traduzione linguistica e il riconoscimento delle immagini.

Nuovi modelli di Bengio – che ha testato solo con piccoli  dati – possono insegnare a catturare quella che lui chiama la struttura statistica dei dati. In sostanza, quando una macchina impara a riconoscere i volti, può scegliere  le  nuove immagini che assomigliano a volti troppo, senza intervento umano. E ‘in grado di fornire risposte, come quando viene mostrato solo una parte di un’immagine si può indovinare il resto – o quando vengono mostrate alcune parole in una frase si possono intuire quelli mancanti.

In questo momento, i modelli non hanno una applicazione commerciale diretta, ma se riescono a perfezionarla, dice, poi “possiamo rispondere a domande arbitrarie circa le variabili modellate. Capire il mondo significa proprio questo: possiamo avere una buona congettura su qualsiasi aspetto della realtà che è nascosta a noi, dai elementi che osserviamo. Ecco perché questo è un pezzo importante. “

In superficie, questi algoritmi assomigliano molto a delle reti neurali costruite da Hinton per la ricerca di immagini di Google e dei sistemi di foto-tagging, dice, ma sono molto più bravi a esplorare i dati che è gettato contro di loro. In altre parole, sono molto più intuitivi.

“L’intuizione è solo la parte del calcolo come che succede nel nostro cervello per il quale non abbiamo accesso cosciente. E ‘davvero difficile da scomporre in piccoli pezzi del cervello umano, “dice. “Questo è il motivo per cui il tradizionale calcolo degli anni ’80 e ’70 non è riuscita – perché ha cercato di costruire macchine che potrebbero spiegare ogni singolo passaggio attraverso il ragionamento. Si scopre invece che era impossibile a farlo. E ‘molto più facile  addestrare le macchine per sviluppare le intuizioni per prendere le decisioni giuste “.

L’InfoPOINT SARDEGNA e l’InfoPOINT ARBATAX-TORTOLI’

About Marius_SEO

Scroll To Top
Contattaci

Hey, non siamo in giro, ma ci possiamo inviare un messaggio

Powered by WP Robot

shared on wplocker.com