Google crea un avanzadísimo cerebro artificial y éste decide buscar gatos en Internet

Sigue a

keyboardcat.jpg

Los gatitos en Internet son ubicuos. Son algo así como un virus del buen rollo y la candidez. Nos dejan totalmente hipnotizados: yo, sin ir más lejos, tras ver una serie de vídeos graciosos con gatitos, descubrí que tenía una pequeña telaraña de babas por la barbilla, como si me hubieran lobotomizado.

Pero ya no me siento tan tonto si descubro que 16.000 procesadores, creando una de las mayores redes neurales del mundo con más de 1.000 millones de conexiones, han decidido hacer justo eso: ponerse a buscar gatitos por Internet.

El proyecto parte de Google, concretamente de su Laboratorio X (de donde han salido proyectos como los coches autónomos y Project Glass, las gafas de realidad aumentada de la compañía), en su afán por crear cerebro artificial que recree el funcionamiento de la mente humana.

Al conectar esta monstruosa red neural, la pusieron a analizar contenidos, a fin de buscara y aprendiera por su cuenta. Entonces, no decidió eliminar a la humanidad, al estilo Skynet, sino sencillamente se puso a buscar fotos y vídeos de gatos entre 10.000 millones de imágenes extraídas YouTube. Al parecer, el principal motivo que le llevó a dedicar sus esfuerzos a la búsqueda de imágenes de gatos es la gran cantidad de este material y la gran interacción que produce en Internet.

Lo llamativo de la investigación, sin embargo, es la confirmación de las teorías desarrolladas por biólogos que indican que las neuronas individuales son entrenadas dentro del cerebro para detectar objetos importantes: el cerebro de Google obtuvo el concepto de gato ideal empleando una jerarquía de posiciones de memoria de forma sucesiva, sacrificando características generales después de ser expuesto a millones de imágenes.

Los resultados se han presentado durante un congreso celebrado en Escocia, y dejando a un lado a los gatitos, resultan interesantes porque es la primera vez que un sistema de estas características es capaz de distinguir patrones sin recibir un feedback externo. Sin haber recibido ayuda, la precisión del sistema es del 15,8% de acierto en una muestra de 20.000 imágenes aleatorias.

Vía | FayerWayer | 20 minutos

Los comentarios se han cerrado

Ordenar por:

9 comentarios