Laboratório de inovação da empresa de tecnologia criou sistema de computadores que simula o cérebro humano. Sua primeira tarefa: reconhecer imagens de gatos.
No interior do ultrassecreto laboratório X do Google, conhecido por inventar carros que se autodirigem e óculos de realidade aumentada, um pequeno grupo de pesquisadores começou a trabalhar, há vários anos, numa simulação do cérebro humano.
Ali, cientistas do Google criaram uma das maiores redes neurais para aprendizado de máquinas, conectando 16 mil processadores que foram lançados na internet para aprenderem por conta própria.
Confrontado com 10 milhões de imagens digitais encontradas em vídeos do YouTube, o que o cérebro do Google fez? Exatamente o que milhões de seres humanos fazem no YouTube: procurou por gatos.
A rede neural ensinou a si mesma a reconhecer gatos, o que na verdade não é nenhuma atividade frívola. Os cientistas e programadores do Google indicaram que, embora não seja novidade que a internet está repleta de vídeos com gatos, mesmo assim a simulação os surpreendeu. Ela se saiu muito melhor do que qualquer outra iniciativa, ao praticamente dobrar sua precisão em reconhecer objetos numa desafiadora lista com 20 mil itens distintos.
A pesquisa é representativa de uma nova geração de ciência da computação, que vem explorando a queda de custos na computação e a disponibilidade de conglomerados de centros de dados gigantescos. Isso está levando a significativos avanços em áreas tão diversas quanto a visão e percepção de máquinas, reconhecimento de fala e tradução de idiomas.
Embora algumas das ideias usadas pelos pesquisadores não sejam novas, a mera ampliação das simulações de software está levando a sistemas de aprendizado que antes não eram possíveis. E os pesquisadores do Google não estão sozinhos em explorar as técnicas, classificadas como modelos de "aprendizado profundo". No ano passado, cientistas da Microsoft apresentaram pesquisas mostrando que as técnicas podiam ser aplicadas igualmente bem à construção de computadores para entender a fala humana.
"Isso é o que existe de mais incrível no campo do reconhecimento de fala atualmente", afirmou Yann LeCun, cientista da computação especializado em aprendizado de máquinas no Instituto Courant de Ciências Matemáticas da Universidade de Nova York.
E então, naturalmente, há os gatos.
Para encontrá-los, a equipe de pesquisa do Google, liderada por Andrew Y. Ng, cientista da Universidade Stanford, e por Jeff Dean, do Google, usou um grupo de 16 mil processadores para criar uma rede neural com mais de 1 bilhão de conexões. Eles então alimentaram essa rede com miniaturas aleatórias de imagens, cada uma extraída de 10 milhões de vídeos do YouTube.
Os vídeos foram selecionados aleatoriamente, o que por si só é um interessante comentário sobre o que interessa aos humanos na era da internet. No entanto, a pesquisa também é impressionante. Isso porque a rede neural baseada em software parecia refletir estreitamente teorias desenvolvidas por biólogos, que sugerem que neurônios individuais são treinados dentro do cérebro para detectar objetos importantes.
Atualmente, grande parte da tecnologia comercial de visão automatizada é feita com humanos "supervisionando" o processo de aprendizado, rotulando características específicas. Na pesquisa do Google, a máquina não recebeu qualquer ajuda para identificar características.
"A ideia é que, em vez de empregar equipes de pesquisadores tentando descobrir como encontrar arestas, você joga uma tonelada de dados no algoritmo e deixa os dados falarem. Assim, o software aprende automaticamente a partir dos dados", explicou Ng.
"Nunca dissemos, durante o aprendizado, 'Isto é um gato'", afirmou Dean, que originalmente ajudou o Google a projetar o software que permite dividir programas em diversas tarefas que podem ser computadas simultaneamente. "O sistema basicamente inventou o conceito de gato. Nós provavelmente temos outros, que são vistas laterais de gatos."
O cérebro do Google montou uma imagem digital de um gato empregando uma hierarquia de localizações de memória, para sucessivamente abater características gerais após ser exposto a milhões de imagens. No entanto, segundo os cientistas, parecia que eles haviam desenvolvido um primo cibernético do que ocorre no córtex visual do cérebro humano.
Neurocientistas discutiram a possibilidade do que chamam de "neurônio avô", células cerebrais especializadas que disparam quando expostas repetidamente ou "treinadas" a reconhecer o rosto de uma pessoa específica.
"Você aprende a identificar um amigo pela repetição", disse Gary Bradski, neurocientista da Industrial Perception, em Palo Alto, Califórnia.
Embora os cientistas tenham ficado impressionados pelo surgimento das imagens de gatos, além de rostos humanos e partes do corpo em regiões específicas da memória em seu modelo computacional, Ng estava cauteloso em traçar paralelos entre seu sistema de software e a vida biológica.
"Uma analogia bastante ampla e terrível é que nossos parâmetros numéricos correspondem a sinapses", explicou Ng. Segundo ele, uma diferença é que, apesar da imensa capacidade de computação usada pelos cientistas, o número de conexões encontradas no cérebro ainda é infinitamente maior.
"Vale apontar que nossa rede ainda é pequena frente ao córtex visual humano que, em termos do número de neurônios e sinapses, é maior numa escala de 10 à sexta potência", escreveram os pesquisadores.
Mesmo sendo diminuída pela imensa escala do cérebro biológico, a pesquisa do Google oferece novas evidências de que os algoritmos existentes para aprendizado automatizado melhoram muito quando as máquinas recebem acesso a grandes grupos de dados.
Apesar do sucesso, os pesquisadores do Google permaneciam cautelosos sobre ter (ou não) encontrado o santo graal das máquinas que ensinam a si mesmas.
"Seria fantástico se tudo que precisássemos fazer fosse pegar os algoritmos atuais e executá-los de maneira mais ampla, mas minha intuição diz que ainda não temos o algoritmo perfeitamente adequado", afirmou Ng.
No interior do ultrassecreto laboratório X do Google, conhecido por inventar carros que se autodirigem e óculos de realidade aumentada, um pequeno grupo de pesquisadores começou a trabalhar, há vários anos, numa simulação do cérebro humano.
Ali, cientistas do Google criaram uma das maiores redes neurais para aprendizado de máquinas, conectando 16 mil processadores que foram lançados na internet para aprenderem por conta própria.
Confrontado com 10 milhões de imagens digitais encontradas em vídeos do YouTube, o que o cérebro do Google fez? Exatamente o que milhões de seres humanos fazem no YouTube: procurou por gatos.
A rede neural ensinou a si mesma a reconhecer gatos, o que na verdade não é nenhuma atividade frívola. Os cientistas e programadores do Google indicaram que, embora não seja novidade que a internet está repleta de vídeos com gatos, mesmo assim a simulação os surpreendeu. Ela se saiu muito melhor do que qualquer outra iniciativa, ao praticamente dobrar sua precisão em reconhecer objetos numa desafiadora lista com 20 mil itens distintos.
A pesquisa é representativa de uma nova geração de ciência da computação, que vem explorando a queda de custos na computação e a disponibilidade de conglomerados de centros de dados gigantescos. Isso está levando a significativos avanços em áreas tão diversas quanto a visão e percepção de máquinas, reconhecimento de fala e tradução de idiomas.
Embora algumas das ideias usadas pelos pesquisadores não sejam novas, a mera ampliação das simulações de software está levando a sistemas de aprendizado que antes não eram possíveis. E os pesquisadores do Google não estão sozinhos em explorar as técnicas, classificadas como modelos de "aprendizado profundo". No ano passado, cientistas da Microsoft apresentaram pesquisas mostrando que as técnicas podiam ser aplicadas igualmente bem à construção de computadores para entender a fala humana.
"Isso é o que existe de mais incrível no campo do reconhecimento de fala atualmente", afirmou Yann LeCun, cientista da computação especializado em aprendizado de máquinas no Instituto Courant de Ciências Matemáticas da Universidade de Nova York.
E então, naturalmente, há os gatos.
Para encontrá-los, a equipe de pesquisa do Google, liderada por Andrew Y. Ng, cientista da Universidade Stanford, e por Jeff Dean, do Google, usou um grupo de 16 mil processadores para criar uma rede neural com mais de 1 bilhão de conexões. Eles então alimentaram essa rede com miniaturas aleatórias de imagens, cada uma extraída de 10 milhões de vídeos do YouTube.
Os vídeos foram selecionados aleatoriamente, o que por si só é um interessante comentário sobre o que interessa aos humanos na era da internet. No entanto, a pesquisa também é impressionante. Isso porque a rede neural baseada em software parecia refletir estreitamente teorias desenvolvidas por biólogos, que sugerem que neurônios individuais são treinados dentro do cérebro para detectar objetos importantes.
Atualmente, grande parte da tecnologia comercial de visão automatizada é feita com humanos "supervisionando" o processo de aprendizado, rotulando características específicas. Na pesquisa do Google, a máquina não recebeu qualquer ajuda para identificar características.
"A ideia é que, em vez de empregar equipes de pesquisadores tentando descobrir como encontrar arestas, você joga uma tonelada de dados no algoritmo e deixa os dados falarem. Assim, o software aprende automaticamente a partir dos dados", explicou Ng.
"Nunca dissemos, durante o aprendizado, 'Isto é um gato'", afirmou Dean, que originalmente ajudou o Google a projetar o software que permite dividir programas em diversas tarefas que podem ser computadas simultaneamente. "O sistema basicamente inventou o conceito de gato. Nós provavelmente temos outros, que são vistas laterais de gatos."
O cérebro do Google montou uma imagem digital de um gato empregando uma hierarquia de localizações de memória, para sucessivamente abater características gerais após ser exposto a milhões de imagens. No entanto, segundo os cientistas, parecia que eles haviam desenvolvido um primo cibernético do que ocorre no córtex visual do cérebro humano.
Neurocientistas discutiram a possibilidade do que chamam de "neurônio avô", células cerebrais especializadas que disparam quando expostas repetidamente ou "treinadas" a reconhecer o rosto de uma pessoa específica.
"Você aprende a identificar um amigo pela repetição", disse Gary Bradski, neurocientista da Industrial Perception, em Palo Alto, Califórnia.
Embora os cientistas tenham ficado impressionados pelo surgimento das imagens de gatos, além de rostos humanos e partes do corpo em regiões específicas da memória em seu modelo computacional, Ng estava cauteloso em traçar paralelos entre seu sistema de software e a vida biológica.
"Uma analogia bastante ampla e terrível é que nossos parâmetros numéricos correspondem a sinapses", explicou Ng. Segundo ele, uma diferença é que, apesar da imensa capacidade de computação usada pelos cientistas, o número de conexões encontradas no cérebro ainda é infinitamente maior.
"Vale apontar que nossa rede ainda é pequena frente ao córtex visual humano que, em termos do número de neurônios e sinapses, é maior numa escala de 10 à sexta potência", escreveram os pesquisadores.
Mesmo sendo diminuída pela imensa escala do cérebro biológico, a pesquisa do Google oferece novas evidências de que os algoritmos existentes para aprendizado automatizado melhoram muito quando as máquinas recebem acesso a grandes grupos de dados.
Apesar do sucesso, os pesquisadores do Google permaneciam cautelosos sobre ter (ou não) encontrado o santo graal das máquinas que ensinam a si mesmas.
"Seria fantástico se tudo que precisássemos fazer fosse pegar os algoritmos atuais e executá-los de maneira mais ampla, mas minha intuição diz que ainda não temos o algoritmo perfeitamente adequado", afirmou Ng.
0 comentários:
Postar um comentário