Google mette al lavoro la sua tecnologia del cervello virtuale

Quest'estate Google ha stabilito un nuovo punto di riferimento nel campo dell'intelligenza artificiale con un software che ha imparato a riconoscere gatti, persone e altre cose semplicemente guardando i video di YouTube (vedi Software autodidatta). Quella tecnologia, modellata sul modo in cui funzionano le cellule cerebrali, viene ora utilizzata per rendere i prodotti Google più intelligenti, con il riconoscimento vocale che è il primo servizio a trarne vantaggio.

Ideale platonico: Questa immagine composita rappresenta lo stimolo ideale che la rete neurale di Google riconosce come un muso di gatto.

Il software di apprendimento di Google si basa sulla simulazione di gruppi di cellule cerebrali connesse che comunicano e si influenzano a vicenda. Quando una tale rete neurale, come viene chiamata, è esposta ai dati, le relazioni tra i diversi neuroni possono cambiare. Ciò fa sì che la rete sviluppi la capacità di reagire in determinati modi ai dati in entrata di un tipo particolare e si dice che la rete abbia imparato qualcosa.

Le reti neurali sono state utilizzate per decenni in aree in cui viene applicato l'apprendimento automatico, come il software per giocare a scacchi o il rilevamento dei volti. Gli ingegneri di Google hanno trovato il modo di mettere più potenza di calcolo dietro l'approccio di quanto fosse possibile in precedenza, creando reti neurali che possono apprendere senza l'assistenza umana e sono abbastanza robuste da essere utilizzate commercialmente, non solo come dimostrazioni di ricerca.

Le reti neurali dell'azienda decidono da sole a quali caratteristiche dei dati prestare attenzione e quali modelli contano, piuttosto che far decidere agli umani che, ad esempio, i colori e le forme particolari sono di interesse per il software che cerca di identificare gli oggetti.

Google sta ora utilizzando queste reti neurali per riconoscere il parlato in modo più accurato, una tecnologia sempre più importante per il sistema operativo degli smartphone di Google, Android, nonché per l'app di ricerca che rende disponibile per i dispositivi Apple (vedi la risposta di Google a Siri Thinks Ahead). Abbiamo ottenuto tra il 20 e il 25% di miglioramento in termini di parole sbagliate, afferma Vincent Vanhoucke , uno dei leader degli sforzi di riconoscimento vocale di Google. Ciò significa che molte più persone avranno un'esperienza perfetta senza errori. La rete neurale finora funziona solo sull'inglese americano e Vanhoucke afferma che miglioramenti simili dovrebbero essere possibili quando verrà introdotta per altri dialetti e lingue.

Altri prodotti Google probabilmente miglioreranno nel tempo con l'aiuto del nuovo software di apprendimento. Gli strumenti di ricerca delle immagini dell'azienda, ad esempio, potrebbero essere in grado di capire meglio cosa c'è in una foto senza fare affidamento sul testo circostante. E le auto a guida autonoma di Google (vedi Look, No Hands) e il computer mobile integrato in un paio di occhiali (vedi You Will Want Google's Goggles) potrebbero beneficiare di un software in grado di dare un senso a più dati del mondo reale.

La nuova tecnologia ha fatto notizia nel giugno di quest'anno, quando gli ingegneri di Google hanno pubblicato i risultati di un esperimento che ha proiettato 10 milioni di immagini catturate dai video di YouTube nelle cellule cerebrali simulate, facendo funzionare 16.000 processori su mille computer per 10 giorni senza interruzioni.

Caratteristiche medie: Questa immagine composita rappresenta lo stimolo ideale per il software di Google per rilevare un volto umano in una foto.

La maggior parte delle persone mantiene il proprio modello in una singola macchina, ma volevamo sperimentare reti neurali molto grandi, afferma Jeff Dean , un ingegnere che aiuta a guidare la ricerca presso Google. Se aumenti sia la dimensione del modello che la quantità di dati con cui lo addestri, puoi imparare distinzioni più fini o funzionalità più complesse.

Le reti neurali che escono da quel processo sono più flessibili. Questi modelli possono in genere prendere molto più contesto, dice Dean, dando un esempio dal mondo del riconoscimento vocale. Se, ad esempio, il sistema di Google pensasse di sentire qualcuno dire che mangerò un litchi, ma l'ultima parola fosse leggermente smorzata, potrebbe confermare la sua intuizione basata sull'esperienza passata di frasi perché il litchi è un frutto e viene utilizzato nella stesso contesto della mela o dell'arancia.

Dean afferma che il suo team sta anche testando modelli che comprendono sia le immagini che il testo insieme. Gli dai 'focena' e ti dà immagini di focene, dice. Se gli dai l'immagine di una focena, ti dà 'focena' come parola.

Un passo successivo potrebbe essere quello di far imparare allo stesso modello anche i suoni delle parole. Essere in grado di mettere in relazione diverse forme di dati come questo potrebbe portare al riconoscimento vocale che raccoglie ulteriori indizi dai video, ad esempio, e potrebbe aumentare le capacità delle auto a guida autonoma di Google aiutandole a capire l'ambiente circostante combinando i numerosi flussi di dati raccolgono, dalle scansioni laser degli ostacoli vicini alle informazioni dal motore dell'auto.

Il lavoro di Google sulla creazione di reti neurali ci avvicina di un piccolo passo a uno degli obiettivi finali dell'intelligenza artificiale: creare software in grado di eguagliare l'intelligenza animale o forse anche umana, afferma Yoshua Bengio , un professore dell'Università di Montreal che lavora su tecniche di apprendimento automatico simili. Questa è la strada per creare un'intelligenza artificiale più generale: non c'è modo di ottenere una macchina intelligente se non può assorbire un grande volume di conoscenza del mondo, dice.

In effetti, il funzionamento delle reti neurali di Google funziona in modo simile a ciò che i neuroscienziati sanno sulla corteccia visiva nei mammiferi, la parte del cervello che elabora le informazioni visive, afferma Bengio. Si scopre che le reti di apprendimento delle funzionalità utilizzate [da Google] sono simili ai metodi utilizzati dal cervello che sono in grado di scoprire oggetti che esistono.

Tuttavia, aggiunge subito che anche le reti neurali di Google sono molto più piccole del cervello e che non possono eseguire molte cose necessarie all'intelligenza, come ragionare con le informazioni raccolte dal mondo esterno.

Dean sta anche attento a non insinuare che le intelligenze limitate che sta costruendo sono vicine a corrispondere a qualsiasi cervello biologico. Ma non può resistere a sottolineare che se scegli il concorso giusto, le reti neurali di Google hanno la meglio sugli umani.

Stiamo vedendo prestazioni migliori di quelle a livello umano in alcune attività visive, dice, facendo l'esempio dell'etichettatura, in cui i numeri civici compaiono nelle foto scattate dall'auto Street View di Google, un lavoro che veniva affidato a molti umani.

Stanno iniziando a usare le reti neurali per decidere se una patch [in un'immagine] è un numero civico o meno, dice Dean, e si rivelano migliori degli umani. È una piccola vittoria, ma che mette in evidenza quanto le reti neurali artificiali siano lontane da quelle nella tua testa. Probabilmente non è molto eccitante e un computer non si stanca mai, dice Dean. Ci vuole vera intelligenza per annoiarsi.

nascondere