Foto: AFP
Onderzoekers van Microsoft claimen dat het netwerk met de naam Project Adam maar liefst 50 keer sneller en twee keer zo nauwkeurig is. Er waren ook dertig keer minder computers nodig dan in het Google-netwerk, dat 16.000 computers telde.
Het neurale computernetwerk wordt zo genoemd omdat het min of meer wordt gestructureerd als het menselijk brein, met computers die als neuronen aan elkaar zijn verbonden.
Het netwerk krijgt een taak en leert zelf van zijn fouten. Zo is het mogelijk om taken uit te voeren waar computers normaal niet goed in zijn, zoals het herkennen van visuele informatie. In dit geval moesten de Microsoft-computers twee verschillende rassen corgi-honden van elkaar onderscheiden. Google liet zijn netwerk katten herkennen in Youtube-filmpjes.
Asynchroon
Bijzonder aan het systeem van Microsoft is dat allerlei processen onafhankelijk van elkaar worden uitgevoerd met zogenoemde asynchrone algoritmes. Dat voorkomt volgens de onderzoekers dat het systeem op een gegeven moment niet meer bijleert.
Onderzoeker Johnson Apacible vergelijkt het systeem met een mens, dat nog steeds objecten kan herkennen als ze slechts deels zichtbaar zijn, of snel bewegen en dus vervaagd zijn.
“Dat doet het systeem ook. Het kan trainen met verschillende soorten data, verschillende soorten situaties, om het model robuuster te maken.”
Lagen
Project Adam bestaat uit verschillende ‘lagen’ die elk verantwoordelijk zijn voor verschillende taken. Eén laag kijkt bijvoorbeeld naar de vorm van een corgi, terwijl een andere kijkt naar de kleur van de vacht of de vorm van bepaalde lichaamsdelen. Elke hogere laag kijkt naar complexere aspecten van een afbeelding.
Volgens Trishul Chilimbi van Microsoft kan ‘machine learning’ in de toekomst zeer nuttig worden. “Stel je voor dat je blinden zou kunnen helpen door een telefoon op een situatie te richten en deze de situatie te laten omschrijven. We zouden automatisch voedingsinformatie kunnen tonen bij een foto van eten.”
Apacible zegt dat neurale netwerken ervoor kunnen zorgen dat enorme hoeveelheden informatie worden verwerkt, op een schaal die nu nog onvoorstelbaar is. Het systeem zou zichzelf kunnen verbeteren, dus er zouden niet veel mensen aan te pas hoeven te komen.
Werking
Hoe het neurale computernetwerk precies werkt, begrijpen zelfs de onderzoekers niet precies. Mensen leren de computers niet om onderscheid te maken tussen de verschillende aspecten die een hond een hond maken.
“Je hebt alleen een trainingsalgoritme dat zegt: ‘Dit is het plaatje, dit is het label’”, zegt Chilimbi. “Het [systeem] ontdekt zelf de hiërarchische kenmerken. Dat is nog steeds een diep, mysterieus, weinig begrepen proces.”
Veel grote internetbedrijven hebben interesse getoond in neurale netwerken. Zo wil Netflix er zijn filmsuggesties mee verbeteren, terwijl Facebook denkt zijn nieuwsfeed te kunnen verbeteren door middel van machine learning.