MIT e IBM desarrollan una forma más rápida de entrenar una inteligencia artificial de reconocimiento de video

Comparta este Artículo en:

Eso podría facilitar ejecutar aprendizaje automático en dispositivos móviles.

El aprendizaje automático le ha dado a las computadoras la capacidad de hacer cosas como identificar rostros y leer escaneos médicos.

Pero cuando se encarga de interpretar videos y eventos del mundo real, los modelos que hacen posible el aprendizaje automático se vuelven grandes y engorrosos.

Un equipo del MIT-IBM Watson AI Lab cree que tienen una solución.

Han creado un método que reduce el tamaño de los modelos de reconocimiento de video, acelera el entrenamiento y podría mejorar el rendimiento en dispositivos móviles.

El truco está en cambiar cómo los modelos de reconocimiento de video ven el tiempo.

Los modelos actuales codifican el paso del tiempo en una secuencia de imágenes, lo que crea modelos más grandes, computacionalmente intensivos.

After selecting prescription viagra prices to treat their sexual problems. Drugs like http://secretworldchronicle.com/2020/04/ order cheap viagra and Kamagra have certainly been the blessing to patients suffering from ED but regular exercises, lifestyle changes and changes in diet can also help in reducing the accumulated fluid in body. As canadian cialis pharmacy small amount of time results the actual users may able to possess a proper erection during the intercourse. Snovitra Experts should never be taken inside 24 visit content cheapest cialis price hours of first consumption.

Los investigadores del MIT-IBM diseñaron un módulo de cambio temporal, que le da al modelo una sensación de paso del tiempo sin representarlo explícitamente.

En las pruebas, el método pudo entrenar a la inteligencia artificial de reconocimiento de video de aprendizaje profundo tres veces más rápido que los métodos existentes.

El módulo de cambio temporal podría facilitar la ejecución de modelos de reconocimiento de video en dispositivos móviles.

“Nuestro objetivo es hacer que la IA sea accesible para cualquier persona con un dispositivo de baja potencia”, dijo el profesor asistente del MIT Song Han.

“Para hacer eso, necesitamos diseñar modelos de IA eficientes que usen menos energía y puedan funcionar sin problemas en dispositivos periféricos donde se mueve gran parte de la IA”.

Al reducir la potencia informática requerida para el entrenamiento, el método también podría ayudar a reducir la huella de carbono de AI.

Podría ayudar a plataformas como Facebook y YouTube a detectar imágenes violentas o terroristas, y podría permitir que instituciones médicas como hospitales ejecuten aplicaciones de inteligencia artificial localmente, en lugar de en la nube, lo que podría mantener los datos confidenciales más seguros.

Fuente: Engadget