Se a sua definição de um ambiente hiper futurístico envolve robôs sendo capazes de identificar de onde veio a tigela de ramen que acabou de ser entregue, chegamos um passo mais perto de sua utopia imaginada.
Nós vimos Harrison Ford mal-humorado ingerir o deleite delicioso enquanto pensava em pessoas artificiais no clássico de ciberpunk de 1982 de Ridley Scott. Agora você pode fazer exatamente a mesma coisa enquanto come seu ramen, depois de ouvir o que o cientista de dados japonês Kenji Doi fez com sua parte do material.
Para uma rápida e simplista recapitulação de como o aprendizado de máquina funciona, ele essencialmente envolve mostrar ao computador um número de fotos diferentes de um objeto ou um tipo de objeto (com este número mais frequentemente do que não estar na casa das centenas de milhares). O computador, então, efetivamente “aprende” qual objeto ou tipo de objeto é se você alimenta o nome do objeto, e na próxima vez em que você mostrar uma foto nova do mesmo objeto, ele poderá dizer o que é.
Talvez isso soe um pouco, bem, bobo no nível da superfície. Você pode pensar que realmente não precisamos de um computador nos dizendo se o que você está vendo atualmente é um cachorro-quente, ou não um cachorro-quente.
Doi explorou o uso do aprendizado de máquina para potencialmente alterar nossa percepção dele, mostrando-nos como os computadores podem perceber detalhes minúsculos em coisas que os humanos geralmente não conseguem, usando-o para ensinar os ditos computadores a diferenciar as fotos das tigelas de ramen. de ramos diferentes de uma cadeia de ramen.
Ramen Jiro, uma cadeia de ramen popular no Japão, tem 41 lojas em toda a cidade de Tóquio. Tendo acumulado 48.000 fotografias de sopa de cada uma dessas lojas, Doi fez uso de seus próprios modelos de aprendizado de máquina em conjunto com a tecnologia AutoML Vision do Google, alimentou essas fotos em seu sistema e conseguiu identificar uma margem de erro de 5,5%. De qual dessas lojas surgiu uma nova tigela de ramen mostrando uma foto dela em seu computador.
Esta é a matriz de confusão de Doi uma representação tabelada de quantas vezes seu computador corretamente e incorretamente identificou um objeto.
Como o Google diz, o AutoML Vision é a solução baseada em nuvem da empresa para programadores com conhecimento limitado de modelos de aprendizado de máquina e para cientistas de dados com quantidades limitadas de dados. Há muito mais nisso, é claro, e se você quiser ir mais fundo, pode conferir a postagem estendida do Google sobre o assunto aqui.
Tão mundano quanto classificar uma tigela de ramen com base em sua origem parece, como sempre, ser o precedente de que uma experiência como essa define onde a diversão realmente está. Os supermercados podem usar essa plataforma para classificar automaticamente suas mercadorias e o Facebook. Alguns programas de sua escolha podem usar suas fotos de comida para obter automaticamente informações sobre onde você está; a lista é potencialmente infinita.
O que estamos vendo é o aprendizado de máquina ainda em seus primeiros anos, e se ele já tem uma boa quantidade de aplicações bacanas , num futuro muito próximo, será mais do que provável que seja apenas mais uma faceta comum da vida nos bastidores. que vamos dar como certo.
Fonte: Blog do Google
