211service.com
Dyb læring klemt på en telefon
Software, der nogenlunde efterligner den måde, hjernen fungerer på, kunne give smartphones nye smarte funktioner – hvilket fører til mere præcise og sofistikerede apps til at spore alt fra træning til følelser.
Softwaren udnytter en kunstig intelligens-teknik kendt som deep learning, som bruger simulerede neuroner og synapser til at behandle data. At fodre programmet med visuelle stimuli vil styrke forbindelserne mellem visse virtuelle neuroner, hvilket gør det muligt for det at genkende ansigter eller andre træk i billeder, det ikke har set før.
Deep learning har produceret dramatiske fremskridt inden for behandling af billeder og lyd (se 10 Breakthrough Technologies 2013: Deep Learning). Sidste år brugte Facebook-forskere det for eksempel til at bygge et system, der næsten lige så godt som et menneske kan bestemme, om to forskellige billeder viser den samme person, og Google brugte metoden til at lave software, der beskriver komplicerede billeder i korte sætninger (se Googles Hjerne-inspireret software beskriver, hvad den ser i komplekse billeder). Hidtil har de fleste sådanne bestræbelser imidlertid involveret grupper af ekstremt kraftfulde computere.
Smartphones kan allerede gøre brug af dyb læring ved at benytte fjernservere, der kører softwaren. Men dette kan være langsomt, og det virker kun, hvis en enhed har en god internetforbindelse. Nu Intet Lane , en ledende videnskabsmand ved Bell Labs, siger, at nogle smartphones er kraftige nok til selv at køre visse dyb-læringsmetoder. Og Lane mener, at dyb læring kan forbedre ydeevnen af mobile sensing-apps. For eksempel kan den filtrere uønskede lyde fra en mikrofon eller fjerne uønskede signaler i dataene indsamlet af et accelerometer.
Mens Lane var ledende forsker hos Microsoft Research Asia sidste år, var han og Petko Georgiev , en kandidatstuderende ved University of Cambridge i Storbritannien, byggede en prototype af et relativt simpelt dybt læringsprogram, der kører på en modificeret Android-smartphone.
Forskerne forsøgte at se, om deres prototype kunne forbedre en smartphones evne til at opdage, ud fra data indsamlet af et accelerometer på håndleddet, om nogen udførte visse aktiviteter, såsom at spise suppe eller børste tænder. De testede også, om de kunne få telefonen til at bestemme folks følelser eller identitet ud fra optagelser af deres tale.
Lane og Georgiev beskriver deres resultater i en papir præsenteres i denne måned kl HotMobile konference i Santa Fe, New Mexico. De rapporterer, at den software, de skabte, var 10 procent mere nøjagtig end andre metoder til at genkende aktiviteter. Forskerne siger også, at deres neurale netværk var i stand til at identificere højttalere og følelser omtrent lige så præcist som andre metoder.
Prototypenetværket Lane og Georgiev byggede havde kun en brøkdel så mange forbindelser mellem dets kunstige neuroner som Facebooks. Men det kunne være hurtigere og mere pålideligt til nogle opgaver.
Det handler, tror jeg, om at indgyde intelligens i enheder, så de er i stand til at forstå og reagere på verden – af sig selv, siger Lane.