I ricercatori di Google hanno una nuova alternativa alle reti neurali tradizionali

Categoria: Intelligenza artificiale Inserito 01 nov

Saluta la rete di capsule.

L'intelligenza artificiale ha goduto di un'enorme crescita negli ultimi anni e gran parte di questo successo è dovuto alle reti neurali profonde, che forniscono l'intelligenza dietro trucchi impressionanti come il riconoscimento delle immagini. Ma cresce la preoccupazione che alcuni dei principi fondamentali che hanno reso questi sistemi così efficaci potrebbero non essere in grado di superare i principali problemi che devono affrontare l'IA, forse il più grande dei quali è la necessità di enormi quantità di dati da cui imparare (per un approfondisci questo argomento, dai un'occhiata alla nostra funzione ' L'IA sta cavalcando un pony con un trucco?').

Geoff Hinton di Google sembra essere tra coloro che si preoccupano del futuro dell'IA. Come Cablata rapporti , Hinton ha svelato una nuova versione delle reti neurali tradizionali che chiama reti a capsule. In un paio di nuovi giornali, uno pubblicato sull'arXIv , l'altro su OpenReview —Hinton e una manciata di colleghi spiegano come funzionano.

Il loro approccio utilizza piccoli gruppi di neuroni, noti collettivamente come capsule, che sono organizzati in strati per identificare le cose in video o immagini. Quando diverse capsule in uno strato concordano di aver rilevato qualcosa, attivano una capsula a un livello superiore e così via, finché la rete non è in grado di esprimere un giudizio su ciò che vede. Ognuna di queste capsule è progettata per rilevare una caratteristica specifica in un'immagine in modo tale da poterla riconoscere in diversi scenari, ad esempio da diverse angolazioni.

Hinton afferma che l'approccio, in corso da decenni, dovrebbe consentire alle sue reti di riconoscere oggetti in nuove situazioni con meno dati di quelli che le normali reti neurali devono utilizzare.

Negli articoli pubblicati finora, è stato dimostrato che le reti di capsule tengono il passo con le normali reti neurali quando si tratta di identificare i caratteri scritti a mano e fanno meno errori quando cercano di riconoscere i giocattoli osservati in precedenza da diverse angolazioni. Ma per il momento, almeno, sono ancora un po' più lenti delle loro controparti tradizionali.

Ora, poi, arriva la parte interessante. Questi sistemi forniranno un'alternativa convincente alle reti neurali tradizionali o si bloccheranno? Possiamo aspettarci che la comunità dell'apprendimento automatico implementi il ​​lavoro e velocemente per scoprirlo. In ogni caso, coloro che sono preoccupati per i limiti degli attuali sistemi di intelligenza artificiale possono essere rincuorati dal fatto che i ricercatori stanno spingendo i confini per costruire nuove alternative di apprendimento profondo.