Insegnare le macchine a riconoscere le forme

Pubblicato: 17 dicembre 2011 da ive in News & Articoli, Ricerca
Tag:, , , , , , , , , , ,

Traduzione a cura di Daniel Iversen

Geoffrey Hinton ha tenuto la conferenza "NSERC Herzberg Gold Medal" a Ryerson su come si può insegnare alle macchine il riconoscimento di forme via via sempre più complesse. La sua squadra ha sviluppato un programam che può identificare oggetti nelle fotografie.

Come ogni genitore sa bene, insegnare ad un infante a riconoscere oggetti comporta una serie di tentativi e svariati errori.
Un bambino per esempio, non riconoscerà subito una mucca su di un libro di figure, dopo averlo visto dal vivo e dopo che gli è stata mostrata la sua figura.
Infatti il bambino confonderà la mucca per un cavallo. Dopo tutto, entrambi gli animali hanno quattro gambe.

L’applicare questo principio di apprendimento umano a reti neurali artificiali o a delle macchine è il campo di Geoffrey Hinton, professore di informatica presso l’Università di Toronto e membro del Canadian Institute for Advanced Research. Pioniere dell’intelligenza artificiale a reti neurali, Hinton è un esperto nell’apprendimento delle macchine e ha anche portato grandi contributi in campi come la psicologia cognitiva e le neuroscienze.
Nel riconoscimento di questi risultati, gli è stata data nel 2011 la medaglia d’oro “Gerhard Herzberg” per la scienza e l’ingegneria, dalla “Natural Sciences and Engineering Research Council of Canada (NSERC), il premio più alto del paese per la scienza e l’ingegneria, che celebra i ricercatori di più alto livello in Canada.

Ogni anno, il vincitore della medaglia d’oro Herzberg della NSERC tiene una conferenza sulle proprie ricerche.
Sponsorizzata dalla stessa NSERC e della Royal Canadian Institute for the Advancement of Science, la conferenza pubblica è stata tenuta da Ryerson alla fine di questo mese.

Durante la presentazione, intitolata “Come il cervello riconosce le forme”, Hinton descrive come i computer siano in grado di imparare in un modo simile al cervello umano e a rispondere intelligentemente alla complessità del mondo reale.
Per esserne onesti, simulare le capacità di calcolo di un cervello non è un’impresa facile; basta considerare ciò che è in grado di fare quello umano, dall’identificare modelli e fare previsioni, all’imparare dagli esempi e pensare sempre al quadro d’insieme.

Insegnare alle macchine a eseguire automaticamente questi processi ad alto livello ha molte applicazioni nel nostro mondo così pieno di informazioni.
Tra questi, il riconoscimento facciale, i sistemi di controllo di qualità, le diagnosi mediche e la conduzione di previsioni finanziarie. Hinton e i suoi collaboratori hanno sviluppato algoritmi usati in applicazioni come, per esempio, creare migliori sistemi per il riconoscimento vocale, la lettura automatica di assegni bancari e monitorare piani industriali per la sicurezza.

Nella sua conferenza alla Ryerson, Hinton mostra per prima cosa delle macchine che possono essere allenate a riconoscere numeri scritti a mano, anche molto distorti. Da li, dimostra come i computers possono predire la lettera seguente in una frase di Wikipedia o creare un modello animato di un movimento umano.

Hinton ha anche mostrato come si può insegnare alle macchine a riconoscere forme sempre più complesse, incluse quelle che possono variare di molto. Infatti, il suo team ha sviluppato un programma che può identificare un migliaio di oggetti diversi in delle fotografie. Il computer fornisce diverse ipotesi circa la natura dell’oggetto, e poi corregge la risposta di solito all’interno delle sue prime cinque ipotesi.

Spesso la prima ipotesi del computer è errata, ma, osserva Hinton, anche le risposte sbagliate sono spesso plausibili. Per esempio, un cumulo di anacardi è stato identificato dal computer come lenticchie, ceci, o fagioli. Inoltre, una quaglia è stata accidentalmente scambiata per una lontra, un errore ragionevole, dice Hinton, in quanto l’uccello nella foto ha un cappotto elegante che assomiglia a del pelo bagnato.

“Tifo per la rete neurale” ha scherzato.

La ricerca di Hinton è supportata dalla “Natural SCiences and Engineering Research Council of Canada”, il “Canadian Institute for Advanced Reserach” , il “Canadian Foundation for Innovation e finanziamenti da Google e Microsoft.

Provided by Ryerson University.

Fonte: Physorg

Licenza Creative Commons
Questo opera è distribuito con licenza Creative Commons Attribuzione – Non commerciale – Condividi allo stesso modo 3.0 Italia.

Annunci

Rispondi

Inserisci i tuoi dati qui sotto o clicca su un'icona per effettuare l'accesso:

Logo WordPress.com

Stai commentando usando il tuo account WordPress.com. Chiudi sessione / Modifica )

Foto Twitter

Stai commentando usando il tuo account Twitter. Chiudi sessione / Modifica )

Foto di Facebook

Stai commentando usando il tuo account Facebook. Chiudi sessione / Modifica )

Google+ photo

Stai commentando usando il tuo account Google+. Chiudi sessione / Modifica )

Connessione a %s...