Las redes neuronales se usan comúnmente hoy en día para analizar datos complejos, por ejemplo, para encontrar pistas sobre enfermedades en la información genética. Sin embargo, en última instancia, nadie sabe cómo funcionan exactamente estas redes. Es por eso que los investigadores de Fraunhofer desarrollaron un software que les permitemire estas cajas negras y analice cómo funcionan. Los investigadores presentarán su software en CeBIT en Hannover del 20 al 24 de marzo de 2017.
Ordenar fotos en la computadora solía ser un trabajo tedioso. Hoy, simplemente hace clic en reconocimiento facial y obtiene instantáneamente una selección de fotos de su hija o hijo. Las computadoras se han vuelto muy buenas para analizar grandes volúmenes de datos y buscar ciertosestructuras, como caras en imágenes. Esto es posible gracias a las redes neuronales, que se han convertido en un método de análisis de TI establecido y sofisticado ver recuadro, "Cómo funcionan las redes neuronales".
El problema es que no son solo los investigadores los que actualmente no saben exactamente cómo funcionan las redes neuronales paso a paso, o por qué alcanzan un resultado u otro. Las redes neuronales son, en cierto sentido, cajas negras - programas de computadoraque las personas introducen valores y que devuelven resultados de manera confiable. Si desea enseñar a una red neuronal, por ejemplo, a reconocer a los gatos, entonces le da instrucciones al sistema al alimentarlo con miles de imágenes de gatos. Al igual que un niño pequeño que lentamente aprende a distinguirgatos de perros, la red neuronal también aprende automáticamente. "Sin embargo, en muchos casos, los investigadores están menos interesados en el resultado y mucho más interesados en lo que realmente hace la red neuronal: cómo toma decisiones", dice el Dr. WojciechSamek, jefe del Grupo de Aprendizaje Automático en el Instituto HHI Fraunhofer Heinrich Hertz en Berlín, por lo que Samek y su equipo, en colaboración con colegas de TU Berlin, desarrollaron un método que hace posible ver una red neuronal pensar.
El aprendizaje automático permite tratamientos personalizados contra el cáncer
Esto es importante, por ejemplo, en la detección de enfermedades. Ya tenemos la capacidad de alimentar los datos genéticos de los pacientes en computadoras, o redes neuronales, que luego analizan la probabilidad de que un paciente tenga cierto trastorno genético ". Perosería mucho más interesante saber con precisión en qué características basa el programa sus decisiones ", dice Samek. Podría tratarse de ciertos defectos genéticos que tiene el paciente, y estos, a su vez, podrían ser un posible objetivo para un tratamiento contra el cáncer que seaadaptado a pacientes individuales.
Redes neuronales en reversa
El método de los investigadores les permite ver el trabajo de las redes neuronales a la inversa: trabajan a través del programa al revés, comenzando por el resultado. "Podemos ver exactamente dónde un determinado grupo de neuronas tomó una determinada decisión y con qué fuerzaesta decisión impactó el resultado ", dice Samek. Los investigadores ya han demostrado de manera impresionante, varias veces, que el método funciona. Por ejemplo, compararon dos programas que están disponibles públicamente en Internet y que son capaces de reconocer caballos enimágenes. El resultado fue sorprendente. El primer programa realmente reconoció los cuerpos de los caballos. El segundo, sin embargo, se centró en los símbolos de derechos de autor en las fotos, que apuntaban a foros para amantes de los caballos, o asociaciones de equitación y cría, permitiendo que el programalograr una alta tasa de éxito a pesar de que nunca había aprendido cómo son los caballos.
Aplicaciones en big data
"Para que pueda ver lo importante que es comprender exactamente cómo funciona una red de este tipo", dice Samek. Este conocimiento también es de particular interés para la industria. "Es concebible, por ejemplo, que los datos operativos de una producción complejala planta podría analizarse para deducir qué parámetros afectan la calidad del producto o hacen que fluctúe ", dice. La invención también es interesante para muchas otras aplicaciones que involucran el análisis neuronal de volúmenes de datos grandes o complejos." En otro experimento, pudimospara mostrar qué parámetros usa una red para decidir si una cara parece joven o vieja "
Según Samek, durante mucho tiempo los bancos incluso han estado utilizando redes neuronales para analizar la solvencia crediticia de los clientes del banco. Para hacer esto, una red neuronal recopila y evalúa grandes volúmenes de datos de clientes ". Si supiéramos cómo llega la redsu decisión, podríamos reducir el volumen de datos desde el principio seleccionando los parámetros relevantes ", dice. Esto sin duda también interesaría a los clientes. En la feria CeBIT en Hannover del 20 al 24 de marzo de 2017,El equipo de investigadores de Samek demostrará cómo usan su software para analizar las cajas negras de las redes neuronales, y cómo estas redes pueden deducir la edad o el sexo de una persona de su cara, o reconocer animales.
Fuente de la historia :
Materiales proporcionado por Fraunhofer-Gesellschaft . Nota: El contenido puede ser editado por estilo y longitud.
Cita esta página :