211service.com
Una migliore imaging cerebrale potrebbe mostrare ai computer un modo più intelligente per imparare
L'apprendimento automatico è un approccio estremamente intelligente alla programmazione del computer. Invece di dover scrivere attentamente le istruzioni per un'attività particolare, inserisci milioni di esempi in un computer molto potente e, essenzialmente, lascia che scriva il programma stesso.
Molti dei gadget e dei servizi online che oggi diamo per scontati, come la ricerca sul Web, il riconoscimento vocale e il tagging delle immagini, utilizzano una qualche forma di apprendimento automatico. E le aziende che hanno una gran quantità di dati sugli utenti (Google, Facebook, Apple, Walmart, ecc.) Sono in una buona posizione per cavalcare questa tendenza verso la ricchezza.
Un nuovo Progetto da 12 milioni di dollari alla Carnegie Mellon University potrebbe rendere l'apprendimento automatico ancora più potente scoprendo modi per insegnare ai computer in modo più efficiente utilizzando molti meno dati.
Lo sforzo quinquennale utilizzerà una tecnica nuova, chiamata microscopia di imaging del calcio a 2 fotoni, per studiare il modo in cui le informazioni visive vengono elaborate nel cervello . Il finanziamento arriva attraverso il presidente Obama Iniziativa CERVELLO ed è un buon esempio di uno dei vantaggi a breve termine che potrebbero avere nuove potenti tecniche di imaging cerebrale.
Molti dei migliori algoritmi di apprendimento automatico sono, infatti, già vagamente basati sul funzionamento del cervello. Ma questi sono incredibilmente grezzi e non tengono conto di alcune semplici caratteristiche delle reti biologiche.
Sandra Kuhlman, professoressa alla CMU, ha utilizzato l'imaging fluorescente per catturare singole cellule cerebrali (identificate con le frecce).
Potenti come sono, [questi algoritmi] non sono così efficienti o potenti come quelli usati dal cervello umano, ha detto Tai Sing Lee , un professore di informatica alla CMU che sta guidando lo sforzo. Ad esempio, per imparare a riconoscere un oggetto, a un computer potrebbe essere necessario mostrare migliaia di esempi etichettati e insegnarli in modo supervisionato, mentre una persona ne richiederebbe solo una manciata e potrebbe non aver bisogno di supervisione.
Lee collaborerà con Sandra Kuhlman, professoressa di scienze biologiche, sempre alla CMU, e Alan Yuille, professore di scienze cognitive alla Johns Hopkins University.
Non sono solo le neuroscienze che potrebbero aiutarci a sviluppare approcci di apprendimento automatico migliori. Alcuni scienziati cognitivi si stanno ispirando alle osservazioni psicologiche per costruire nuovi sistemi di apprendimento intelligenti.