Google spiega cos'è il Deep Learning

Deep Learning è stata la parola d'ordine di questa GPU Conference di NVIDIA. Nel caso di Google, è stata portata avanti una ricerca molto intensa sull'argomento anche al fine di migliorare alcuni dei servizi messi a disposizione degli utenti da Google come il riconoscimento vocale e la ricerca delle immagini sul web. È quello che ha spiegato Jeff Dean, Senior Fellow Google's Knowledge Group, in un keynote al GTC.

"Il Deep Learning è la reincarnazione moderna delle reti neurali artificiali che erano così diffuse tra gli anni '80 e gli anni '90", ha detto Dean a San Jose. "Una raccolta di semplici unità matematiche addestrabili che collaborano per determinare una funzione di alto livello compatibile con l'apprendimento supervisionato, non supervisionato e di rinforzo".

Google ha rifinito le sue tecnologie di Deep Learning per migliorare i servizi di riconoscimento vocale, ricerca immagini, traduzione, modellazione della lingua e altre attività di riconoscimento delle immagini. "In questo processo ci siamo ispirati a quello che sappiamo, che è ancora troppo poco, sul funzionamento biologico del cervello umano", ha detto Dean.

Sulla base di un dato di partenza x, l'algoritmo applica la rete neurale per trovare delle affinità il più possibile precise. Se ad esempio diamo in pasto al computer la foto di un gatto lui può così essere in grado di individuare altre foto di gatti. Se diamo la foto di un serpente e di un asino deve essere in grado di rilevare che entrambi appartengono alla sfera animale. Il sistema informatico scandaglia ogni pixel e va a sondare tutte le possibilità affinità rispetto a quello che è memorizzato nella rete neurale.

L'obiettivo di Google diventa quindi quello di ottimizzare il più possibile le connessioni e l'efficacia delle reti neurali. Adeguando il tutto anche alla velocità di reazione dell'essere umano, visto che gli umani sono in grado di riconoscere gli oggetti in circa 0,1 secondi.

Gli algoritmi di Deep Learning oggi sono in grado di analizzare ogni singolo pixel di una foto e di determinare così il soggetto presente nella foto. Ma il riconoscimento testuale non è meno complesso di quello visivo, dato che subentra anche il fattore della sequenzialità, il che richiede al sistema informatico una capacità di elaborazione non indifferente con la necessità di processare grossi volumi di dati in poco tempo.

Google ha dovuto affrontare problemi di parallelismo di dati, scalabilità e di previsione sulle sequenze. I network di reti neurali, inoltre, devono essere il più possibile automatici e gerarchici. Big G ha così allestito un software framework interno utilizzabile da ciascuna divisione di Google. "L'obiettivo è rendere le cose il più semplice possibile, sfruttando la collaborazione dei vari reparti", ha detto il tecnico di Google.

È stato così necessario costruire reti neurali di enormi dimensioni, ottimizzare il parallelismo e sviluppare degli algoritmi che consentissero a degli "agenti tecnologici" di imparare rispetto alle azioni fatte in un ambiente ed eseguire quindi operazioni complesse sulla base di quanto imparato. È proprio qui che entra in gioco NVIDIA, perché l'efficacia delle GPU e il GPGPU computing è maggiore rispetto ai sistemi informatici precedenti.

Dean ha concluso facendo riferimento all'esperimento portato avanti da DeepMind Technologies, una sussidiaria di Google, che mirava a far apprendere all'intelligenza artificiale il funzionamento di base di alcuni giochi Atari classici e poi formulare delle strategie per essere sempre più abile in questi videogioci. Il risultato finale è impressionante.

Di seguito la resa dell'IA quando affronta il problema senza la necessaria esperienza.

Ed ecco l'IA dopo diverse decine di tentativi: