Regcast livre: Gerenciando dispositivos de vários fornecedores com System Center 2012
"Honestamente, nós nunca pensamos alimentando nossos sistemas de inteligência artificial nascentes com horas e horas de violência simulada pode levar a alguma coisa ruim. É realmente uma grande surpresa!"
Pelo menos, é o que nós imaginamos pesquisadores estarão dizendo anos a partir de agora como eles abrigam desde os canhões que orbitam operados por seus indiferentes máquinas-deuses, dado o lançamento do Google na terça-feira de um enorme conjunto para ajudar boffins treinar seus modelos de aprendizagem de máquina de dados.
Estamos muitas décadas longe de qualquer verdadeira forma de inteligência baseada em máquina independente, para o conjunto de dados deve ser bem-vinda, em vez de visto com ansiedade, pois dá acadêmicos um lote de sólidos, bem compreendido e dados formatados para alimentar seus modelos.
O conjunto de dados é composta por mais de 100.000 vetores de características extraídos de vídeos do YouTube públicas de pessoas streaming de jogos, o Google disse , e é armazenado com o nome de YouTube Multiview Video Games Data.
Assim como a própria tecnologia de reconhecimento de imagem do Google, por exemplo, tem estranhamente bom em reconhecer trituradores de papel depois de ser alimentados com uma dieta constante de upload de imagens para a Fábrica de Chocolate, este conjunto de dados pode ajudar acadêmicos ajustar modelos que precisam processar múltiplas entradas simultaneamente, ou rapidamente compreender um ambiente impenetrável.
Ele contém mais de 120.000 vídeos individuais, cada um dos quais é descrito por até 3 famílias de recursos de alto nível. Cada vídeo pode ser rotulado com uma das 31 etiquetas. 30 destes correspondem aos jogos de vídeo populares, que foram escolhidos aleatoriamente de uma lista dos 100 melhores jogos no YouTube a partir de 2012.
"O conjunto de dados deve ser útil especialmente para a pesquisa sobre multiview (multimodal) aprendizagem, incluindo agrupamento multiview e / ou de aprendizagem supervisionada, co-formação, no início / final de fusão, e técnicas de ensemble", escreveu a empresa. "Nem a identidade dos vídeos nem os rótulos de classe (títulos de videogame) são liberados."
Uma das partes mais problemáticas do treinamento de modelos de aprendizagem de máquina é alimentá-los os dados corretos armazenados em um formato previsível.
"Cada família característica complementa outros no fornecimento de sinais preditivos para realizar uma tarefa de previsão ou classificação, por exemplo, ao classificar automaticamente vídeos em áreas temáticas", explica o engenheiro de software sênior do Google Omid Madani em um post de blog separado .
Com este lançamento de dados, o Google está compartilhando algumas das migalhas de sua mesa arfando de dados com a comunidade de pesquisa mais amplo, e provavelmente vai ajudar os pesquisadores a tentar treinar modelos de identificar não apenas as características distintas dentro vídeos, mas forjar associações também.
Por essa razão, acho que a equipe de execução do Never Ending Imagem Learner (NEIL) sobre a Carnegie Mellon University pode encontrar este útil. Neil propósito na vida é ingerir dados visuais do Google e descobrir associações, como carros que às vezes podem ser encontrados em cima de estradas, entre outros.
Uma vez que ele ganha a capacidade de olhar para os dados de vídeo, bem como, uma carga rápida em desse conjunto de dados pode ajudá-lo a descobrir o que os agressores devem ser jurado em e tiro, ou a finalidade que moedas de ouro deve ser encontrado, ou que donzelas deve ser sempre salvos. Na verdade, isso não soa como uma maneira tão ruim para se viver! ®
Nenhum comentário:
Postar um comentário