Avançando inteligência artificial: Microsoft implanta corgis para bater Google em imagens

A corrida para avançar inteligência artificial usando PCs em rede baratos Equipar-se para imitar o cérebro humano tem um novo desafiante: Projeto Adam, a tentativa da Microsoft no uso de aprendizagem profunda para melhorar o processamento de linguagem natural, visão computacional e reconhecimento de fala.

Microsoft diz que está dado um grande passo na criação de verdadeira inteligência artificial (AI) com o Projeto Adam – uma profunda rede neural construída em hardware commodity e adepto de categorizar diferentes raças de corgi.

O trabalho de base para o Projeto Adam foi colocado por um projeto de 2012 por Google, que viu o gigante das buscas demonstrar uma rede de 16.000 computadores pode aprender a identificar imagens do gato tirado do YouTube.

“Os modelos de aprendizado de máquina temos pessoal treinado no passado ter sido muito pequena, especialmente em comparação com o tamanho do nosso cérebro em termos de conexões entre os neurônios,” Trishul Chilimbi, pesquisador da Microsoft por trás do projeto Adam que também está trabalhando em Bing, disse.

O que o trabalho Google tinha indicado é que se você treinar um modelo maior em mais dados, você faz melhor em tarefas difíceis AI como classificação de imagens.

Em vez de gatos do Google, os pesquisadores da Microsoft colocou Adam para trabalhar a identificação de diferentes raças de cão preferido da rainha Elizabeth II, o corgi, utilizando 14 milhões de imagens de IMAGEnet, um banco de imagens dividido em 22.000 categorias.

Segundo a Microsoft, graças à rede de dois bilhões de conexões do Projeto Adam, ele é criado melhor classificador imagem do mundo que ele diz que é “50 vezes mais rápido” do que o esforço do Google, mais de duas vezes mais preciso, e exigindo 30 vezes menos máquinas.

O projeto visa a capturar o potencial de “representação hierárquica de aprendizagem usando big data”, segundo a Microsoft. Como se explica em um vídeo, a tecnologia poderia permitir que os usuários para fotografar alimentos para descobrir imediatamente a sua informação nutricional, ou ser colocado para trabalhar ajudando a detectar doenças mais cedo.

Construa a sua estratégia de implantação com a ajuda deste 2014 Microsoft roadmap de produtos; O guia do obstinado área de trabalho para tornar o Windows 8 trabalho como o Windows 7; Microsoft Enterprise Primer on Dynamics ERP, é Pro guia de sobrevivência para o Windows 7

Chilimbi disse que o “sweet spot” para o número de camadas em uma rede neural profundo é de seis – que está próximo ao córtex visual humano. Depois disso, cada camada adicional proporciona retornos menores.

Assim, a abordagem do projeto para aprender a diferença entre diferentes raças corgi seria dividido em camadas – por exemplo, a forma do cão, seguida por outra camada que aprende texturas e pele, em seguida, outro focado em partes do corpo, tais como as formas de ouvidos e olhos . A quarta camada iria aprender partes do corpo complexas enquanto o quinto seria dedicado aos “conceitos reconhecíveis alto nível” como o rosto de um cão.

“A razão por que é interessante é que cada camada da rede neural aprende automaticamente um recurso de nível superior com base na camada abaixo dela. A camada de nível superior aprende conceitos de alto nível como plantas, texto escrito, ou objetos brilhantes. Parece que você chegar a um ponto onde há retornos decrescentes de ir um outro nível de profundidade. biologicamente, parece a coisa certa, bem “, disse Chilimbi.

De acordo com Chilimbi, ainda é um mistério como redes neurais profundas podem descobrir a quebrar uma imagem em níveis de suas características, por exemplo, depois de ter sido dito que uma imagem é um corgi Pembroke Welsh.

Google compra empresa de inteligência artificial DeepMind; inteligência artificial: assassino do trabalho ou o seu próximo chefe; Bebê X:? Ela é o futuro da AI, agentes inteligentes “colocar o inteligente na inteligência artificial?

Empresa social; LinkedIn revela a sua nova plataforma de blogs; Big Data Analytics; não é a idade de grandes OLAP;? Big Data Analytics; DataRobot visa automatizar baixo pendurado fruto de ciência de dados; Big Data Analytics; fundador MapR John Schroeder desce, COO para substituir

Não há nenhuma instrução que nós fornecemos para isso. Você acabou de algoritmos de treinamento dizendo: “Esta é a imagem, esta é a etiqueta.” É números automaticamente esses recursos hierárquicos. Isso ainda é um mistério, não profundo processo, bem compreendidos. Mas então, a natureza teve vários milhões de anos para trabalhar sua magia na formação do cérebro, por isso não deve ser surpreendente que vamos precisar de tempo para desvendar os mistérios lentamente.

LinkedIn revela a sua nova plataforma de blogs

É esta a idade de Big OLAP?

DataRobot visa automatizar fruto maduro da ciência de dados

fundador MapR John Schroeder desce, COO para substituir

inteligência artificial