Google के वैज्ञानिकों के एक समूह ने एक
दिलचस्प प्रयोग किया है : क्या यह तंत्रिका नेटवर्क के लिए स्वतंत्र रूप से असंबद्ध डेटा के एक बड़े सरणी के आधार पर उच्च-स्तरीय गुणों को विकसित करना संभव है। उदाहरण के लिए, यदि उसे एक लाख छवियों का नमूना दिया जाता है, तो क्या वह सीख सकती है कि उन पर चेहरे कैसे लगाएं? यह विचार यह है कि सिस्टम ने कभी ऐसी छवि नहीं देखी है जिसे "चेहरे" के रूप में चिह्नित किया जाएगा।
Google के तंत्रिका नेटवर्क ने 1000 मशीनों (16 हजार कोर) के क्लस्टर पर तीन दिनों के लिए काम किया, और डेटा के रूप में एक मिलियन छवियों 200x200 पिक्सल के डेटाबेस का उपयोग किया गया था।
शोध पत्र कहता है, "व्यापक और सहज धारणा के विपरीत, हमारे प्रयोग के परिणामों से पता चला है कि नमूनों पर प्रशिक्षण के बिना एक फेस डिटेक्टर बनाया जा सकता है।" तंत्रिका नेटवर्क ने न केवल लगभग 90% की सटीकता के साथ चेहरे का पता लगाना सीखा, बल्कि मानव शरीर के कुछ हिस्सों और बिल्लियों के थूथन जैसी अन्य उच्च-स्तरीय अवधारणाओं को पहचानने की क्षमता दिखाई।
सामान्य तौर पर,
इमेजनेट ऑब्जेक्ट्स की 20 हजार श्रेणियों में, किसी एक श्रेणी के रूप में एक तस्वीर को वर्गीकृत करने की सटीकता 15.8% थी, जो कि पिछली सर्वश्रेष्ठ उपलब्धि से 70% अधिक है और उस परिणाम से बेहतर है जो एक व्यक्ति 20 हजार श्रेणियों के एक ही सेट में दिखाता है।
