Softverska simulacija neuralne mreža velikih razmera distribuirana preko 16.000 procesorskih središta u Google ovim centrima podataka je bila upotrebljena da istraži razliku izmeñu učenja iz označenih podataka i samoukog učenja. Istraživači iz Stanford University (Palo Alto, Kalifornija) i Google Inc. (Menlo Park, Kalifornija) su trenirali modele sa više od milijardu veza i otkrili su da su mreže naučile kako da identifikuju mačku posle nedelju dana gledanja YouTube video materijala.
“Naša hipoteza je bila to da bi neuralna mreža mogla da nauči da prepoznaje zajdeničke objekte na video snimcima. Zaista, na naše zadovoljstvo, veštački neuroni su naučili da odgovaraju jako na slike mačaka. Treba se setiti toga da ovoj mreži nikada nije rečeno šta je to mačka ili da joj je, pak, data bilo kakva slika koja označava mačku. Umesto toga, ona je sama otkrila kako mačka izgleda koristeći neoznačene YouTube snimke,” rekao je Google Fellow Jeff Dean u svom postu na Google sajtu.
Dodatno, korišćenjem neuralnih mreža relativno velikih razmera, Google je postigao 70% relativnog poboljšanja po pitanju tačnosti u testu klasifikacije standardne slike koju je mešao sa slobodno dostupnim neoznačenim slikama koje su bile postavljene na Internet sa ograničenim skupom označenih podataka.
Google istraživači žele da povećaju veličinu mreže u budućnosti kako bi došli do izuzetnih performansi koje se postižu sa većom razmerom. Mada je trenutna mreža podržana milijardama veza, treba imati u vidu da ljudski mozak podržava oko 100 triliona veza, rekao je Dean u svom blogu.
Google istraživači su prezentovali rad o učenju neuralnih mreža na International Conference on Machine Learning (ICML 2012) koja je održana u Edinburgu, Škotska, od 26. juna do 1. jula 2012. godine.
