Компанія Google створює нейронну мережу, яка моделює роботу головного мозку.
Дослідники з лабораторії X laboratory, яка належить відомій компанії Google створили нейронну мережу, що складається з 16 тисяч комп'ютерних процесорів, яка є моделлю ділянки головного мозку людини. Цієї складної обчислювальної системі поставили завдання сканування відео, розташованих на сервісі YouTube, в процесі якого мережа самообучалась розпізнавати зображення тварин, кішок, для чого в якості вихідних даних системі були надані кілька дуже маленьких зображень цих тварин. І згідно інформації від видавництва New York Times, нейронна мережа впоралася із завданням пошуку набагато краще інших алгоритмів, у списку з 20 тисяч відео мережа виявила більш ніж в два рази більше зображень кішок, ніж це змогли зробити інші програми.
Цікавий той факт, що програмне забезпечення нейронної мережі базується на теоріях, розроблених ученими-біологами, які описують те, як окремі нейрони зв'язуються, взаємодіють між собою і самонавчаються, виконуючи конкретну складну задачу. Використовуючи перераховані вище функції і можливості, умовний модельований мозок самостійно створив цифрове узагальнене зображення кішки, використовуючи ідентифікацію загальних особливостей цього тварини, взятих з мільйонів різних зображень. З-за цього вчені Google вважають, що їм вдалося реалізувати кібернетичний аналог зорового ділянки кори головного мозку людини.
"В майбутньому ми збираємося вийти за межі можливого, зменшивши розміри і збільшивши на порядки складність нейронних мереж" - розповідає Девід А. Бэдер (David A. Bader), керівник відділу високоефективних математичних та обчислювальних методів в Ехническом коледжу Джорджії. - "Це дасть в наше розпорядження модель всій зорової зони кори головного мозку, і це може стати можливим вже до кінця нинішнього десятиліття".
Незважаючи на такі вражаючі результати, не всі дослідники Google налаштовані оптимістично. "Все, що ми зробили, виглядає просто фантастично. Але ми використовували звичайні потокові алгоритми, реалізувавши лише правильне управління потоками і розподіл даних між ними. Багатьом з нас здається, що у нас ще немає "правильного" алгоритму для побудови справжніх нейронних мереж і нам є, над чим ще працювати далі", - стверджує доктор Ендрю В. Нг з Стенфордського університету.