Компания Google создает нейронную сеть, моделирующую работу головного мозга
Исследователи из лаборатории X laboratory, принадлежащей небезызвестной компании Google, создали нейронную сеть, состоящую из 16 тысяч компьютерных процессоров, которая является моделью участка головного мозга человека.
Этой сложной вычислительной системе задали задачу сканирования видео, расположенных на сервисе YouTube, в процессе которого сеть самообучалась распознавать изображения животных, кошек, для чего в качестве исходных данных системе были предоставлены несколько очень маленьких изображений этих животных. И согласно информации от издательства New York Times, нейронная сеть справилась с заданием поиска намного лучше других алгоритмов, в списке из 20 тысяч видео сеть обнаружила более чем в два раза больше изображений кошек, чем это смогли сделать другие программы.
Интересен тот факт, что программное обеспечение нейронной сети базируется на теориях, разработанных учеными-биологами, которые описывают то, как отдельные нейроны связываются, взаимодействуют между собой и самообучаются, выполняя конкретную сложную задачу. Используя вышеперечисленные функции и возможности, условный моделируемый мозг самостоятельно создал цифровое обобщенное изображение кошки, используя идентификацию общих особенностей этого животного, взятых из миллионов различных изображений. Из-за этого ученые Google полагают, что им удалось реализовать кибернетический аналог зрительного участки коры головного мозга человека.
"В будущем мы собираемся выйти за границы возможного, уменьшив размеры и увеличив на порядки сложность нейронных сетей" - рассказывает Дэвид А. Бэдер (David A. Bader), руководитель отдела высокоэффективных математических и вычислительных методов в Ехническом колледже Джорджии. - "Это даст в наше распоряжение модель всей зрительной зоны коры головного мозга, и это может стать возможным уже к концу нынешнего десятилетия".
Несмотря на столь впечатляющие результаты, не все исследователи Google настроены оптимистично. "Все, что мы сделали, выглядит просто фантастично. Но мы использовали обычные потоковые алгоритмы, реализовав лишь правильное управление потоками и распределение данных между ними. Многим из нас кажется, что у нас еще нет "правильного" алгоритма для построения настоящих нейронных сетей и нам есть, над чем еще работать дальше" - утверждает доктор Эндрю И. Нг из Стэнфордского университета.
