Investigadores de Google aprenden cómo aprenden las máquinas

Investigadores de Google aprenden cómo aprenden las máquinas

A la izquierda hay una imagen que se puso a través de una red neuronal entrenada para clasificar objetos en imágenes, por ejemplo, para saber si una imagen incluye un jarrón o un limón. A la derecha hay una visualización de lo que una capa en el medio de la red detectó en cada posición de la imagen. La red neuronal parece estar detectando patrones similares a un jarrón y objetos similares al limón.

La imagen original y tres visualizaciones más después de que se puso a través de una red neuronal. La primera capa detecta principalmente los bordes y el color. Las otras capas comienzan a reconocer conceptos más complejos como flores, jarrones y limones.

Todo esto se realiza a través de las llamadas redes neuronales , que son algoritmos informáticos complejos que aprenden tareas mediante el análisis de grandes cantidades de datos. Pero estas redes neuronales crean un problema que los científicos están tratando de resolver: no siempre es fácil decir cómo las máquinas llegan a sus conclusiones.

El martes, un equipo de Google dio un pequeño paso para abordar este problema con la presentación de una nueva investigación que ofrece una descripción general de la tecnología que muestra cómo las máquinas están llegando a sus decisiones.

Los grupos de neuronas aprenden automáticamente a trabajar juntos para representar conceptos en una imagen. Cinco grupos de neuronas parecen corresponder a las flores, el labio del jarrón, el cuerpo del jarrón, el fondo y los limones. Un mapa de calor muestra dónde disparó cada grupo de neuronas en la imagen.

“Incluso ver parte de cómo se tomó una decisión puede darle una gran idea de las posibles maneras en que puede fallar”, dijo Christopher Olah, un investigador de Google.

Un número creciente de investigadores de IA están desarrollando formas de comprender mejor las redes neuronales. Jeff Clune, profesor de la Universidad de Wyoming que ahora trabaja en el laboratorio de IA de la compañía Uber, dijo que se trataba de una “neurociencia artificial”.

Grupos neuronales en dos capas diferentes de la red y las clases de salida. Las líneas muestran qué grupos de neuronas admiten o inhiben grupos posteriores o clases de salida. Por ejemplo, una clasificación \ “lemon \” es fuertemente respaldada por un grupo amarillo, lemon.

Comprender cómo funcionan estos sistemas será cada vez más importante a medida que toman decisiones que toman los humanos, como quién consigue un trabajo y cómo un automóvil que conduce solo responde a las emergencias.

Site gusto te invito a que lo compartas en tus redes sociales:

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *