Wie können Computer beibringen sich Katzen erkennen

Im Juni 2012 trainiert ein Computernetzwerk 16.000 selbst, eine Katze zu erkennen, indem man 10 Millionen Bilder von YouTube-Videos. Heute ist die Technik von der Google Bildersuche zu Facebooks Newsfeed Algorithmen verwendet.

Das katzenartige Anerkennung Kunststück war mit "tief lernen," einen Ansatz zu lernen, die durch ein Computerprogramm, eine große Menge von Rohdaten offenlegen und nachdem er Sie entdecken mehr und mehr abstrakten Konzepten funktioniert der Maschine erreicht. "Darum geht es den Computer lernen, wie man Informationen in sinnvoller Weise und dabei auf mehreren Ebenen der Repräsentation, darstellen lässt", sagte Yoshua Bengio, Informatiker an der Universität von Montreal in Kanada, der einen Artikel über das Thema, veröffentlicht heute (27. Mai) in der Zeitschrift Nature Co-Autor. [Science Fakt oder Fiktion? Die Plausibilität der 10 Sci-Fi-Konzepte]

"Es gibt viele Möglichkeiten, die Sie darstellen können, Informationen, von die einige einen menschliche Entscheidungsträger leichter eine Entscheidung treffen können," sagte Bengio Leben Wissenschaft. Zum Beispiel wenn Licht auf eine Person Auge trifft, stimulieren die Photonen Nervenzellen in der Netzhaut ausgelöst wird, senden Signale an visuellen Cortex des Gehirns, die ihnen als Bild wahrnimmt. Dieses Bild im Gehirn ist abstrakt, aber es ist eine weitere nützliche Darstellung für Entscheidungen als eine Sammlung von Photonen.

In ähnlicher Weise tiefe Lernen ermöglicht, einen Computer (oder Gruppe von Computern), eine Reihe von Rohdaten zu nehmen – in Form von Pixeln auf einem Bildschirm, zum Beispiel – und höheren Abstraktionsebenen zu konstruieren. Sie können dann diese abstrakte Konzepte, um Entscheidungen zu treffen, z. B. ob ein Bild von einem pelzigen Blob mit zwei Augen und Schnurrhaare einer Katze ist.

"Denken Sie an ein Kind lernt," sagte Bengio. "Zunächst sehen das Kind die Welt auf sehr einfache Weise, aber irgendwann, klickt auf das Gehirn des Kindes und entdeckt sie eine Abstraktion." Das Kind diese Abstraktion verwenden kann, um andere Abstraktionen zu lernen, fügte er hinzu.

Die Self-learning Ansatz führte zu dramatischen Fortschritte in der Bild-Spracherkennung Software. Es in vielen Internet- und Mobilfunk-Produkte und auch selbstfahrende Autos verwendet wird, sagte Bengio.

Tiefe lernen ist ein wichtiger Teil vieler Formen der "schwachen" künstliche Intelligenz, nonsentient Intelligenz, konzentrierte sich auf eine schmale Aufgabe, aber es könnte eine Komponente der "starken" künstlichen Intelligenz – die Art von AI dargestellt in Filmen wie "Ex Machina" und "ihr".

Aber Bengio nicht die gleichen Ängste über starke AI, dass Milliardär Unternehmer Elon Musk, weltberühmte Physiker Stephen Hawking abonnieren und andere wurden klingende Alarme über.

"Ich abonniert haben, die Idee, dass in einigen unbestimmten Zukunft AI könnte ein Problem sein," sagte Bengio, "aber wir sind so weit von [starken Ki Übernahme], dass es nicht geht, ein Problem zu sein."

Jedoch sagte er, es gibt mehr unmittelbare Probleme Gedanken darüber, wie wie AI Schutz personenbezogener Daten und den Arbeitsmarkt auswirken. "sie sind weniger sexy, aber das sind die Fragen, die für eine Debatte, verwendet werden sollte", sagte Bengio.

Folgen Sie Tanya Lewis auf Twitter . Folgen Sie uns @livescience, Facebook & Google +.