211service.com
Google intenta hacer que el aprendizaje automático sea un poco más humano
El CEO de Google, Sundar Pichai, dijo a los inversores el mes pasado que los avances en la tecnología de aprendizaje automático pronto tendrían un impacto en todos los productos o servicios en los que trabaja la empresa. Estamos repensando todo lo que estamos haciendo, dijo.
Parte de ese impulso para hacer que sus servicios sean más inteligentes implica repensar la forma en que emplea el aprendizaje automático, que permite que las computadoras aprendan por sí mismas a partir de los datos. En definitiva, Google está trabajando para enseñar a esos sistemas a ser un poco más humanos.
Google discutió algunos de esos esfuerzos en una sesión informativa el martes en su sede en Mountain View, California. Estamos en la etapa de Commander Data, dijo el ingeniero de investigación del personal, Pete Warden, en una referencia al androide sin emociones en el programa de televisión. Star Trek: La próxima generación. Pero estamos tratando de introducir un poco más de Consejera Troi en el sistema: la nave estelar Empresa El consejero empático de .
Warden trabaja en el equipo que desarrolló Google Photos, que te permite buscar cosas como la playa o un perro en tus instantáneas. La tecnología subyacente surgió de un largo esfuerzo de investigación para permitir que el software identifique objetos en las fotos. Pero Warden y sus compañeros de trabajo descubrieron que solo poder detectar, por ejemplo, niños, huevos o canastas no era suficiente. La gente quería buscar la búsqueda de huevos de Pascua. Asimismo, era necesario entrenar al sistema para que entendiera que las fotos con un pavo y platos tomadas a fines de noviembre debían asociarse con el Día de Acción de Gracias.
Otro proyecto de Google, apodado GlassBox, está tratando de evitar que el software que aprende de una muestra limitada de datos cometa lo que a los humanos les parecen errores simples y tontos. Dirigido por la investigadora científica principal Maya Gupta, tiene como objetivo dar al software algo del sentido común que permita a los humanos descartar ejemplos engañosos.
Por ejemplo, una persona que muestra algunos ejemplos de casas y sus precios asociados podría ver de inmediato que las casas más grandes generalmente cuestan más, incluso si hay un valor atípico, como una casa pequeña. ofrecido por $ 1.8 millones en la cara ciudad de Palo Alto, California. Pero ese mismo valor atípico podría hacer que un sistema de aprendizaje automático que busque una relación en la misma muestra de datos atribuya precios altos a otro factor, como el color de la casa. Gupta ha desarrollado métodos matemáticos para suavizar la influencia de tales valores atípicos que pueden hacer tropezar un sistema de aprendizaje automático. Estamos tratando de recuperar la mayor cantidad posible de conocimiento humano, dijo Gupta. Revisión de tecnología del MIT .
Google ha aumentado su inversión en la investigación del aprendizaje automático en los últimos años, tras el surgimiento de una tecnología conocida como aprendizaje profundo, que utiliza redes de neuronas simuladas de manera aproximada (ver 10 Tecnologías innovadoras 2013: Aprendizaje profundo). Ha producido notables mejoras en el reconocimiento de voz y reconocimiento de imágenes. Facebook, Google, IBM, Microsoft y Baidu están investigando cómo el aprendizaje profundo puede permitir que las máquinas entiendan el lenguaje y tal vez incluso conversen con nosotros (ver Enseñar a las máquinas a entendernos).
La semana pasada, Google confirmó que su principal servicio de búsqueda ahora está procesando una gran parte de las consultas utilizando un nuevo sistema impulsado por el aprendizaje profundo llamado RankBrain . Y el martes debutó un servicio llamado Smart Reply que utiliza el aprendizaje automático para ofrecer automáticamente varias opciones breves de respuestas a los mensajes de correo electrónico.
Greg Corrado, científico investigador sénior y cofundador del equipo de aprendizaje profundo de Google, dice que el software de escritura de correo electrónico es solo un ejemplo temprano de cómo el aprendizaje automático ahora está creando productos completamente nuevos, no solo mejorando los existentes, como el filtrado de spam. o buscar.