Los investigadores de Google tienen una nueva alternativa a las redes neuronales tradicionales

Categoría: Inteligencia artificial Al corriente 01 de noviembre

Saluda a la red de cápsulas.

La IA ha disfrutado de un gran crecimiento en los últimos años, y gran parte de ese éxito se debe a las redes neuronales profundas, que proporcionan la inteligencia detrás de trucos impresionantes como el reconocimiento de imágenes. Pero existe una preocupación creciente de que algunos de los principios fundamentales que han hecho que esos sistemas sean tan exitosos no puedan superar los principales problemas que enfrenta la IA, quizás el mayor de los cuales es la necesidad de grandes cantidades de datos de los cuales aprender (para un profundice en esto, consulte nuestra función '¿Está AI montando un caballo de un solo truco?').

Geoff Hinton de Google parece estar entre los que se preocupan por el futuro de la IA. Como cableado informes , Hinton ha presentado una nueva versión de las redes neuronales tradicionales que él llama redes cápsula. En un par de papeles nuevos, uno publicado en el arXIV , el otro en OpenReview —Hinton y un puñado de colegas explican cómo funcionan.

Su enfoque utiliza pequeños grupos de neuronas, conocidos colectivamente como cápsulas, que se organizan en capas para identificar cosas en videos o imágenes. Cuando varias cápsulas en una capa coinciden en haber detectado algo, activan una cápsula en un nivel superior, y así sucesivamente, hasta que la red pueda emitir un juicio sobre lo que ve. Cada una de esas cápsulas está diseñada para detectar una característica específica en una imagen de tal manera que pueda reconocerlas en diferentes escenarios, como desde diferentes ángulos.

Hinton afirma que el enfoque, que se ha estado desarrollando durante décadas, debería permitir que sus redes reconozcan objetos en situaciones nuevas con menos datos que los que deben usar las redes neuronales normales.

En los artículos publicados hasta ahora, se ha demostrado que las redes de cápsulas se mantienen al día con las redes neuronales regulares cuando se trata de identificar caracteres escritos a mano, y cometen menos errores cuando intentan reconocer juguetes observados previamente desde diferentes ángulos. Pero por el momento, al menos, siguen siendo un poco más lentos que sus contrapartes tradicionales.

Ahora, entonces, viene la parte interesante. ¿Estos sistemas proporcionarán una alternativa convincente a las redes neuronales tradicionales, o se estancarán? Podemos esperar que la comunidad de aprendizaje automático implemente el trabajo, y rápido, para averiguarlo. De cualquier manera, aquellos preocupados por las limitaciones de los sistemas de IA actuales pueden sentirse alentados por el hecho de que los investigadores están superando los límites para construir nuevas alternativas de aprendizaje profundo.