"Hola Siri, ¿cómo está mi cabello?"
Su teléfono inteligente pronto podrá darle una respuesta honesta, gracias a un nuevo algoritmo de aprendizaje automático diseñado por los investigadores de U of T Engineering, Parham Aarabi y Wenzhi Guo.
El equipo diseñó un algoritmo que aprende directamente de las instrucciones humanas, en lugar de un conjunto existente de ejemplos, y superó los métodos convencionales de entrenamiento de redes neuronales en un 160 por ciento. Pero más sorprendentemente, su algoritmo también superó su propio entrenamiento en un nueve por ciento- aprendió a reconocer el cabello en imágenes con mayor confiabilidad que la habilitada por el entrenamiento, marcando un salto significativo hacia la inteligencia artificial.
Aarabi y Guo entrenaron su algoritmo para identificar el cabello de las personas en fotografías, una tarea mucho más desafiante para las computadoras que para los humanos.
"Nuestro algoritmo aprendió a clasificar correctamente los casos difíciles, límite, distinguiendo la textura del cabello versus la textura del fondo", dice Aarabi. "Lo que vimos fue como un maestro instruyendo a un niño, y el niño aprendiendo más allá de lo quemaestro le enseñó inicialmente "
Los humanos "enseñan" las redes neuronales, redes de computadoras que aprenden dinámicamente, proporcionando un conjunto de datos etiquetados y pidiéndole a la red neuronal que tome decisiones basadas en las muestras que se ven. Por ejemplo, podría entrenar una red neuronal para identificarcielo en una fotografía mostrándole cientos de imágenes con el cielo etiquetado.
Este algoritmo es diferente: aprende directamente de entrenadores humanos. Con este modelo, llamado entrenamiento heurístico, los humanos proporcionan instrucciones directas que se utilizan para clasificar previamente las muestras de entrenamiento en lugar de un conjunto de ejemplos fijos. Los entrenadores programan el algoritmo con pautas tales comocomo "Es probable que el cielo tenga distintos tonos de azul" y "Los píxeles cerca de la parte superior de la imagen tienen más probabilidades de ser cielo que los píxeles de la parte inferior".
Su trabajo se publica en la revista Transacciones IEEE en redes neuronales y sistemas de aprendizaje .
Este enfoque de entrenamiento heurístico es muy prometedor para abordar uno de los mayores desafíos para las redes neuronales: hacer clasificaciones correctas de datos previamente desconocidos o sin etiquetar. Esto es crucial para aplicar el aprendizaje automático a nuevas situaciones, como identificar correctamente los tejidos cancerosos para el diagnóstico médicoo clasificar todos los objetos que rodean y se acercan a un automóvil sin conductor.
"Aplicar el entrenamiento heurístico a la segmentación del cabello es solo el comienzo", dice Guo. "Estamos ansiosos por aplicar nuestro método a otros campos y a una variedad de aplicaciones, desde la medicina hasta el transporte".
Fuente de la historia :
Materiales proporcionado por Facultad de Ciencias Aplicadas e Ingeniería de la Universidad de Toronto . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :