211service.com
Mejores imágenes cerebrales podrían mostrar a las computadoras una forma más inteligente de aprender
El aprendizaje automático es un enfoque extremadamente inteligente para la programación de computadoras. En lugar de tener que escribir cuidadosamente las instrucciones para una tarea en particular, simplemente ingresa millones de ejemplos en una computadora muy poderosa y, esencialmente, deja que escriba el programa por sí mismo.
Muchos de los dispositivos y servicios en línea que damos por sentado hoy en día, como la búsqueda web, el reconocimiento de voz y el etiquetado de imágenes, utilizan alguna forma de aprendizaje automático. Y las empresas que tienen montones de datos de usuarios (Google, Facebook, Apple, Walmart, etc.) están en una buena posición para aprovechar esta tendencia hacia la riqueza.
un nuevo Proyecto de $ 12 millones de dólares en la Universidad Carnegie Mellon podría hacer que el aprendizaje automático sea aún más poderoso al descubrir formas de enseñar a las computadoras de manera más eficiente utilizando muchos menos datos.
El esfuerzo de cinco años utilizará una técnica nueva, llamada microscopía de imágenes de calcio de 2 fotones, para estudiar la forma en que se procesa la información visual en el cerebro . Los fondos provienen del presidente Obama Iniciativa CEREBRO , y es un buen ejemplo de uno de los beneficios a corto plazo que podrían tener las nuevas y poderosas técnicas de imágenes cerebrales.
De hecho, muchos de los mejores algoritmos de aprendizaje automático ya se basan libremente en el funcionamiento del cerebro. Pero estos son increíblemente crudos y no tienen en cuenta algunas características simples de las redes biológicas.
Sandra Kuhlman, profesora de CMU, utilizó imágenes fluorescentes para capturar células cerebrales individuales (identificadas con flechas).
Por poderosos que sean, [estos algoritmos] no son tan eficientes o poderosos como los que usa el cerebro humano, dijo Tai Sing Lee , profesor de ciencias de la computación en CMU que lidera el esfuerzo. Por ejemplo, para aprender a reconocer un objeto, es posible que se deba mostrar a una computadora miles de ejemplos etiquetados y enseñarlos de manera supervisada, mientras que una persona solo necesitaría un puñado y es posible que no necesite supervisión.
Lee colaborará con Sandra Kuhlman, profesora de ciencias biológicas, también en CMU, y Alan Yuille, profesor de ciencias cognitivas en la Universidad Johns Hopkins.
No es solo la neurociencia lo que podría ayudarnos a desarrollar mejores enfoques de aprendizaje automático. Algunos científicos cognitivos se están inspirando en las observaciones de la psicología para construir nuevos sistemas de aprendizaje inteligentes.