آخرین اخبار
facebook Telegram RSS ارسال به دوستان نسخه چاپی
کد خبر : 14247
تاریخ انتشار : 16 مهر 1391 10:51
تعداد بازدید : 2265

گوگل فناوری مغز مجازی را به کار انداخت

نرم افزار خودآموزی که خودش گربه را شناسایی کرد

گوگل تابستان امسال با کمک نرم افزاری که تنها با مشاهده فیلم های یوتیوب می تواند خودش یاد بگیرد که گربه ها، آدم ها و اشیای دیگر چگونه هستند، به دستاوردهای جدیدی در زمینه هوش مصنوعی رسید. این فناوری (نرم افزار خودآموز) عملکرد سلول های مغزی را مدل سازی می کند و قرار است که در محصولات آینده گوگل مورد استفاده قرار گیرد تا آنها را به محصولات هوشمندتری تبدیل کند.

گزارش: نسترن صائبی
منبع: نیویورک تایمز و TechReview
تشخیص گفتار نخستین سرویس گوگل است که از این فناوری بهره می‌برد. نرم‌افزار یادگیری گوگل براساس گروه‌های شبیه‌سازی شده از سلول‌های مغزی به هم پیوسته‌ای است که با همدیگر ارتباط برقرار می‌کنند و بر یکدیگر اثر می‌گذارند. همان‌طور که از اسم‌اش مشخص است، زمانی که یک چنین شبکه عصبی با داده (اطلاعات) مواجه می‌شود، ارتباط میان رشته‌های عصبی می‌تواند تغییر کند. این امر باعث می‌شود که شبکه در مقابل داده‌های خاص، به روش‌های مختلفی عکس‌العمل از خود نشان دهد و در نهایت چیزهایی را از این واکنش‌ها یاد بگیرد.
شبکه‌های عصبی مصنوعی دهه‌هاست که در زمینه ماشین‌های دارای قدرت یادگیری به کار می‌روند. به طور مثال، نرم‌افزار بازی شطرنج‌ یا نرم‌افزار تشخیص چهره. هم‌اکنون مهندسان گوگل روش‌هایی را یافته‌اند تا با استفاده از قدرت رایانشی بیشتر، به دستاوردهایی برسند که در گذشته امکان‌پذیر نبوده و در نهایت شبکه‌های عصبی را بسازند که می‌تواند بدون کمک انسان یاد بگیرد. این دستاورد به حدی قابل اطمینان و قدرتمند است که نه تنها می‌تواند برای محققان به کار آید، بلکه می‌تواند به صورت تجاری هم مورد استفاده قرار گیرد.
شبکه‌های عصبی مجازی گوگل خودشان تصمیم می‌گیرند که به کدام داده‌ توجه نشان دهند و بدون دخالت انسان و با توجه به اینکه نرم‌افزار در حال شناسایی چه شی‌ای است، از کدام الگوها، رنگ‌ها و اشکال خاص استفاده کند.
گوگل هم‌اکنون در حال استفاده از این شبکه‌های عصبی برای تشخیص دقیق‌تر گفتاری است. گوگل برای فناوری تشخیص گفتار اهمیت ویژه‌ای قایل است، چون در محصولات خاصی مانند سیستم‌عامل گوشی‌ هوشمند یعنی آندرویید خود و همچنین اپلیکیشن‌ جست‌وجویی که دارد برای ابزارهای اپل می‌سازد، کاربرد دارد.
وینسنت وان‌هاکه (Vincent Vanhoucke)، مدیر بخش تشخیص گفتار گوگل می‌گوید: در زمینه کلماتی که اشتباه هستند، بین 20 تا 25 درصد پیشرفت کرده‌ایم. این به آن معناست که بسیاری از افراد می‌توانند بدون مواجه شدن با خطایی یک تجربه کامل با این محصولات گوگل داشته باشند. وی می‌افزاید که شبکه عصبی فعلا فقط برای زبان انگلیسی و با تلفظ امریکایی کار می‌کند، ولی پیشرفت‌های مشابه، این فناوری را برای سایر زبان‌ها و لهجه‌‌ها میسر خواهد کرد.
محصولات دیگر گوگل نیز در آینده از این فناوری یادگیری جدید بهره خواهند برد. به طور مثال، ابزارهای جست‌وجوی تصویر گوگل در آینده درک بهتری از یک عکس خواهند داشت و بدون نیاز به عکس‌های پیرامون عکس می‌توانند محتوای خود آن را تشخیص دهند؛ و صد البته خودروهای بدون راننده گوگل و کامپیوتر موبایلی که در عینک‌های اعجازآمیز این شرکت به کار می‌روند، می‌توانند از این نرم‌افزار برای درک بهتری از داده‌های دنیای واقعی بهره ببرند.

 نخستین تجربه موفق گوگل در بهره‌برداری از فناوری خودآموز
 ناگفته نماند که این در ماه ژوئن گذشته، زمانی که مهندسان گوگل نتایج یکی از تجربیات خود را منتشر کردند، به تیتر داغ اخبار تبدیل شد. در این آزمایش، فناوری خودآموز گوگل توانسته بود با گشت زدن در بیش از 10 میلیون تصویر ویدیویی یوتیوب در سلول‌های مغزی شبیه‌سازی شده خود و استفاده از 16 هزار پردازنده از یکهزار کامپیوتر در مدت 10 روز بدون وقفه توانست مفهوم «گربه» را یاد بگیرد.
محققان گوگل این شبکه عصبی را برای اثبات نظریه‌های زیست‌شناسان بر چگونگی شناسایی اشیا توسط مغز انسان طراحی کردند. در واقع این شبکه عصبی، سیستمی است که براساس برنامه‌ها و پایگاه داده‌هایی ساخته شده و شامل چندین پردازنده است که به صورت موازی کار می‌کنند. این سیستم فعالیت و ساختمان مغز انسان را شبیه‌سازی می‌کند. این شبکه طراحی شده توسط گوگل اول از همه توانست مفهوم گربه را یاد بگیرد.
محققان لابراتوارهای مرموز X گوگل با ابداع این سیستم، گام بزرگی در استفاده از کامپیوتر برای شبیه‌سازی مغز انسان برداشته‌اند. این لابراتوار که تاکنون نوآوری‌های شگفت‌انگیزی همانند خودروهای بدون راننده و همچنین عینک‌های واقعیت افزوده داشته است، به تازگی این شبکه عصبی را به منظور فراگیری ماشین طراحی کرده‌ است. این محققان پس از طراحی این شبکه آن را در اینترنت قرار دادند تا خودش اشیا را شناسایی کرده و یاد بگیرد که هر شی چه ویژگی‌هایی دارد. جالب است بدانید که نخستین چیزی که این شبکه شناسایی کرد، گربه بود.
در حالی که یافتن گربه‌ها در اینترنت کار چالش‌برانگیزی به نظر نمی‌رسد، عملکرد این شبکه دور از انتظار محققان بود و این شبکه دو برابر دقیق‌تر از آنچه پیش‌بینی می‌شد، اشیا را از یک فهرست 20 هزار عنوانی شناسایی کرد. این تیم تحقیقاتی برای یافتن گربه‌ها، تصاویری از گربه را که به صورت تصادفی از بیش از 10 میلیارد ویدیو کلیپ یوتیوب گرفته شده بود،‌ در اختیار این شبکه قرار دادند. در واقع، نتایج این آزمایش، نظریه‌های زیست‌شناسان را درباره اینکه چگونه نورون‌های مغزی می‌آموزند که اشیای خاصی را شناسایی کنند، اثبات کرد. جف دین، یکی از اعضای این تیم تحقیقاتی در این مورد گفت: ما در حال آزمایش این شبکه هرگز به آن نگفتیم که مثلا این گربه است. این شبکه خودش مفهوم گربه را فهمید و توانست آن را تشخیص دهد. افت هزینه‌های مربوط به رایانش، باعث پیشرفت‌های چشمگیری در زمینه علوم کامپیوتری نظیر دید ماشینی، تشخیص صدا و ترجمه زبانی شده است. فراگیری ماشینی برای بهبود الگوریتم‌های ترجمه و یادگیری معنایی کابرد بسیاری دارد و به گفته گوگل، سرگئی برین و لری پیج به این موضوع علاقه ویژه‌ای دارند. 


نظر شما



نمایش غیر عمومی
تصویر امنیتی :