El Laboratorio X de la empresa creó una de las mayores redes neuronales para el aprendizaje de las máquinas mediante la conexión de 16.000 PCs, los cuales fueron liberados en internet para aprender sobre sí mismos.
El experimento consistía en suministrarle al sistema una base de datos de 10 millones de imágenes en formato digital obtenidas de YouTube al azar. El objetivo era analizarlas y ser capaz de identificar la imagen donde apareciera un gato.
Y los resultados fueron sorprendentes, puesto que los investigadores indicaron que el “simulador cerebral” logró encontrar la foto del gato en un tiempo mucho menor que los estudios previos para lograr el reconocimiento de objetos de una lista de 20.000 artículos.
El estudio fue liderado por el científico de la Universidad de Stanford Andrew Y. Ng y su colega de Google Jeff Dean, quienes usaron una matriz de 16.000 procesadores para crear una red neuronal con más de mil millones de conexiones.
Y mostró que la red neuronal basada en el software creado por los investigadores parece reflejar de cerca las teorías desarrolladas por los biólogos que sugieren que las neuronas individuales son entrenadas dentro del cerebro para detectar objetos importantes.
En la investigación de Google a la máquina no se le dio ninguna ayuda en la identificación de características.
“La idea es que en vez de tener equipos de investigadores que tratan de averiguar cómo encontrar bordes, en su lugar lanzas un montón de datos en el algoritmo y dejas que los datos hablen y tienes un software que automáticamente aprende de los datos”, apuntó Ng.
El cerebro Google reunió una imagen digital imaginaria de un gato empleando una jerarquía de posiciones de memoria de forma sucesiva para sacrificar las características generales después de ser expuesto a millones de imágenes.
Mientras los científicos se sorprendieron por la emergencia paralela de las imágenes de gato, así como rostros humanos y partes del cuerpo en las regiones de memoria específicas de su modelo de computadora, Andrew Ng dijo que era cauteloso sobre estableciendo paralelismos entre su sistema de software y la vida biológica.
“Vale la pena señalar que nuestra red es todavía pequeña en comparación con la corteza visual del ser humano corteza visual, que es 106 veces más grande en términos del número de neuronas y sinapsis”, recalcó.
Más detalles en: New York Times