Projetando um Defesa para aplicativos móveis
A batalha pelo domínio da rede neural se aqueceu como a Microsoft desenvolveu um sistema de reconhecimento de imagem de ponta que tenha derrotado um sistema do Google.
A empresa revelou "Projeto Adam" na segunda-feira e afirmou que o sistema é cinqüenta vezes mais rápido e duas vezes mais preciso do que a própria "do Google DistBelief sistema ".
Em um experimento no benchmark IMAGEnet, Projeto Adão foi capaz de classificar corretamente milhões de imagens de entrada em cerca de 22.000 categorias de 29,8 por cento do tempo, contra cerca de 15,8 por cento para o sistema do Google e cerca de 20 por cento para um humano típico.
Projeto Adão é um fraco sistema de inteligência artificial que os pesquisadores da Microsoft usam para processar e classificar grandes quantidades de dados. Embora até agora foi testada em sua capacidade de reconhecer traços de imagens, que seria funcionar tão bem para aprender a dizer a diferença entre as diferentes partes do texto e áudio, disse a Microsoft.
Com o Project Adam, a Microsoft descobriu como obter um algoritmo de aprendizagem poderoso para rodar em lotes e lotes de computadores que são cada números esmagando em diferentes velocidades. Coloque mais tecnicamente, Adão "é uma implementação distribuída de gradiente estocástico descida", explicou o pesquisador da Microsoft Trishul Chilimbi em um bate-papo com El Reg.
Embora Projeto Adam usa o mesmo tipo de algoritmo de aprendizagem como que empurrados pelo Google - "os algoritmos fundamentais de treinamento para treinar estas redes, eles não são realmente novo, eles são dos anos 80", observa Chilimbi - ele faz isso usando menos computadores que foram ligados em conjunto de uma maneira mais eficiente.
Isto é porque o Project Adam é construído em torno características de desempenho assíncronas. O mais surpreendente foi que os traços assíncronos pode ter dado um melhor desempenho.
"Nossa hipótese é que essa melhora precisão decorre da assíncrona em Adão, que acrescenta uma forma de ruído estocástico durante o treinamento que ajuda os modelos generalizar melhor quando apresentados com dados invisíveis", os pesquisadores da Microsoft escrever em um artigo descrevendo a tecnologia e visto pelo The Register. O documento ainda está em revisão, e não público.
Através da construção de Adam em torno propriedades assíncronos, algumas partes do sistema são ocasionalmente dado pedaços inesperadas de dados, que então tem que treinar e otimizar contra. Da mesma forma que apimentar um dia de trabalho chato na frente de um computador com algo não-trabalho relacionado, como um ataque repentino de juramento criativo ou talvez indo para uma janela e olhando de soslaio para pedestres na rua abaixo pode dar uma sacudida útil nossa massa cinzenta, o Projeto Adão é capaz de aprender de forma mais eficiente por vezes, a ser dada fora-de-ordem de dados.
A abordagem assíncrona "permite-lhe saltar de mínimos locais instáveis para minimas locais que são melhores", Chilimbi nos disse.
"Digamos que eu estou em um pequeno submarino no fundo do oceano e tentando encontrar o ponto mais profundo e tem visibilidade muito limitada em torno de mim. Se eu for em algum cume em algum lugar e ficar preso e olhar ao redor Eu acho que estou no mais profundo lugar.
"Agora, por exemplo, também têm algum tipo de sistema de propulsão que permite-me a saltar para fora de algumas dessas coisas profundas que não são super, super profundo, isso me dá uma oportunidade, se eu saltar de algumas dessas coisas como uma forma para encontrar outras coisas significativamente mais profundas ".
Quanto ao futuro, é provável que a Microsoft irá trabalhar para obter Projeto Adam integrado em produtos da Microsoft, como o Google fez com o seu próprio reconhecimento de imagem.
"Embora tenhamos implementado e avaliado Adam usando um cluster de máquina 120, os resultados indicam que os sistemas de escala muito maior pode provavelmente ser efetivamente utilizado para a formação de grandes Redes Neurais Profundas (DNNS)", escreveram os pesquisadores.
Embora há muito mais a ser feito em DNNS, como amarração vários tipos de dados em conjunto para criar sistemas que se desenvolvem representações de imagem e conceitos de texto e amarrá-los juntos, Chilimbi admitiu que há algumas coisas Projeto Adam não tem.
No futuro distante, outras áreas de pesquisa AI são susceptíveis de incluir "dados mais temporais, muito mais associado a memória", disse ele - que passa a ser a área exata a ser trabalhado pelo ex-chefe da palma e agora renegado neurocientista Jeff Hawkins . ®
via Alimentação (Feed)
Nenhum comentário:
Postar um comentário