Нарешті закінчена мережа штучного інтелекту, яка була десятиліттями в процесі створення

Нова мережа

Незважаючи на всю можливу рекламу штучного інтелекту (ШІ) і штучних нейронних мереж, нинішні системи вимагають величезної кількості даних для вивчення, і експерти все більше стурбовані тим, що майбутні системи теж будуть. Тепер дослідник Google, відповідальний за більшу частину галасу над нейронними мережами, розробив новий тип ШІ, який, на його думку, буде вирішувати це обмеження: капсульні мережі.

Джефф Хінтон виклав свої мережі капсул в парі досліджень відкритого доступу, опублікованих на ArXiv і OpenReview.net. Він стверджує, що газети доводять ідеї, які він розмірковував майже 40 років. «Це дуже багато інтуїтивного сенсу для мене дуже довгий час, це просто не спрацювало», - сказав Хінтон в інтерв'ю Wired. «У нас нарешті є щось, що добре працює».

Кожна «капсула» в мережі Хинтона включає невелику групу штучних нейронів, які співпрацюють, щоб ідентифікувати речі. Ці капсули організовані в шари, і кожен шар капсул призначений для визначення конкретних особливостей зображення. Коли кілька капсул всередині шару узгоджуються з тим, що вони ідентифікували, вони активують наступний шар, а потім наступний. Рівні каскаду йдуть далі, поки мережа не впевнена в тому, що вона ідентифікує.

В даний час комп'ютер повинен дивитися тисячі фотографій об'єкта з різних точок зору, щоб розпізнати цей об'єкт під різними кутами. Хінтон сказав Wired, що він вважає, що надлишки в шарах дозволять мереж капсул ідентифікувати об'єкти з різних кутів і в різних сценаріях.

Поки він здається правим. У тесті, ідентифікуючому рукописні цифри, мережі капсул були в змозі відповідати точності кращих нейронних мереж старої школи, а в тесті, ідентифікуючому іграшки з декількох кутів, вони зменшили частоту помилок вдвічі.

Покращене бачення

У 2012 році Хінтон і два аспіранта в Університеті Торонто довели, що штучні нейронні мережі можуть просувати здатність комп'ютера розуміти знімки не по днях, а по годинах. Їх дослідження висвітлювали уяву в технологічному світі, і незабаром всі троє працювали в Google.

Половина десятиліття нейронні мережі тепер впроваджуються в усі, починаючи від самонавідних роботів і закінчуючи електромобілями Тесли, і використовуються для різноманітних додатків, таких як переклад мов в пошукових системах Google і поліпшення нашого розуміння квантового світу. На думку деяких, вони навіть «наближаються до рівнів свідомості людини».

Проте, Хінтон не впевнений, що технологія знаходиться де завгодно, наскільки це можливо. «Я думаю, що те, як ми займаємося комп'ютерним баченням, просто помиляється», - сказав він Wired. «В даний час він працює краще, ніж будь-що інше, але це не означає, що це правильно».

У той час як Hinton визнає Wired, що його мережі капсул працюють повільніше, ніж існуюче програмне забезпечення для розпізнавання образів, і ще належить протестувати на великих колекціях зображень, він з оптимізмом дивиться, що його нова система буде поліпшенням традиційних нейронних мереж, як тільки він зможе для усунення його недоліків. З огляду на все, що ми змогли виконати з «неправильним» видом комп'ютерного бачення, просто уявіть, що ми зможемо зробити з правильним.

Література: Огляд технології MIT, провідний