211service.com
Deep Learning geperst op een telefoon
Software die de manier waarop de hersenen werken ruwweg nabootst, kan smartphones nieuwe smarts geven, wat leidt tot nauwkeurigere en geavanceerdere apps voor het volgen van alles, van trainingen tot emoties.
De software maakt gebruik van een kunstmatige-intelligentietechniek die bekend staat als deep learning, waarbij gesimuleerde neuronen en synapsen worden gebruikt om gegevens te verwerken. Door het programma visuele stimuli te geven, worden de verbindingen tussen bepaalde virtuele neuronen versterkt, waardoor het gezichten of andere kenmerken kan herkennen in beelden die het nog niet eerder heeft gezien.
Deep learning heeft geleid tot enorme vooruitgang in de verwerking van afbeeldingen en audio (zie 10 Breakthrough Technologies 2013: Deep Learning). Zo bouwden Facebook-onderzoekers vorig jaar een systeem dat bijna net zo goed als een mens kan bepalen of twee verschillende foto's dezelfde persoon tonen, en gebruikte Google de methode om software te maken die ingewikkelde afbeeldingen in korte zinnen beschrijft (zie Google's Door de hersenen geïnspireerde software beschrijft wat het ziet in complexe afbeeldingen. Tot nu toe waren de meeste van dergelijke inspanningen echter betrokken bij groepen extreem krachtige computers.
Smartphones kunnen al gebruik maken van deep learning door gebruik te maken van externe servers waarop de software wordt uitgevoerd. Maar dit kan traag zijn en werkt alleen als een apparaat een goede internetverbinding heeft. nutsvoorzieningen Niets Lane , een hoofdwetenschapper bij Bell Labs, zegt dat sommige smartphones krachtig genoeg zijn om bepaalde diepgaande leermethoden zelf uit te voeren. En Lane gelooft dat deep learning de prestaties van mobiele sensing-apps kan verbeteren. Het kan bijvoorbeeld ongewenste geluiden uit een microfoon filteren of ongewenste signalen verwijderen uit de gegevens die door een versnellingsmeter zijn verzameld.
Terwijl Lane vorig jaar hoofdonderzoeker was bij Microsoft Research Asia, en Petko Georgiev , een afgestudeerde student aan de Universiteit van Cambridge in het VK, bouwde een prototype van een relatief eenvoudig deep-learningprogramma dat draait op een aangepaste Android-smartphone.
De onderzoekers probeerden te zien of hun prototype het vermogen van een smartphone zou kunnen verbeteren om op basis van gegevens verzameld door een versnellingsmeter om de pols te detecteren of iemand bepaalde activiteiten uitvoerde, zoals het eten van soep of tandenpoetsen. Ze testten ook of ze de telefoon konden krijgen om de emoties of identiteit van mensen te bepalen aan de hand van opnames van hun spraak.
Lane en Georgiev beschrijven hun bevindingen in een papier wordt deze maand gepresenteerd op de HotMobile conferentie in Santa Fe, New Mexico. Ze melden dat de software die ze hebben gemaakt 10 procent nauwkeuriger was dan andere methoden bij het herkennen van activiteiten. De onderzoekers zeggen ook dat hun neurale netwerk sprekers en emoties ongeveer net zo nauwkeurig kon identificeren als andere methoden.
Het prototypenetwerk dat Lane en Georgiev bouwden, had slechts een fractie zoveel verbindingen tussen zijn kunstmatige neuronen als die van Facebook. Maar voor sommige taken kan het sneller en betrouwbaarder zijn.
Volgens mij draait het allemaal om het inbrengen van intelligentie in apparaten, zodat ze de wereld zelf kunnen begrijpen en erop kunnen reageren, zegt Lane.