Google’s Geoffrey Hinton, pionier op het gebied van kunstmatige intelligentie, heeft vandaag een belangrijke nieuwe ontwikkeling bekend gemaakt op het gebied van de technologie. Volgens Hinton is het nu mogelijk om computers minder op data te laten steunen om correct afbeeldingen te identificeren.

Dat meldt persbureau Reuters vandaag in een bericht. Hinton is een academicus wiens werk rond kunstmatige neurale netwerken gezien wordt als cruciaal voor de commercialisering van machine learning. Hij publiceerde afgelopen week twee onderzoekspapers waarin hij een nieuwe aanpak omschrijft, die bekend staat als capsule networks.

Nieuwe manieren van identificeren

De aanpak maakt het mogelijk voor computers om een foto van een gezicht te herkennen die vanuit een andere hoek genomen is dan de andere foto’s die de computer in zijn databank heeft. In theorie is de technologie ook toepasbaar op spraak- en videoherkenning.

“Het is een veel robuustere manier om objecten te identificeren,” stelde Hinton tijdens een presentatie van het systeem. In dit type netwerk krijgen individuele capsules – ‘virtuele neuronen’ – de instructie om delen van een geheel te identificeren en de relatief tussen die delen.

Het systeem wist vervolgens te bevestigen of diezelfde eigenschappen aanwezig waren in beelden die het niet eerder gezien had. Volgens Hinton maakte de techniek ongeveer de helft van het aantal fouten dat huidige beeldherkenningstechnieken maken. De bundeling van kunstmatige neuronen en koppeling kan ervoor zorgen dat herkenningstechnologie niet alleen sneller, maar ook accurater wordt.

Minder data nodig

Een interessant extra voordeel is dat er daardoor veel minder gegevens nodig zijn om een systeem werkende te krijgen. Waar een Google-topman kortgeleden vertelde dat een dataset meer dan 100.000 items moet bevatten om een systeem aan het werken te krijgen, zou dat nu dus een stuk minder kunnen worden.

“Het grote probleem op dit moment is dat machine learning en deep learning veel data nodig heeft om te kunnen werken,” aldus Google-topman Hugo Larochelle, die aan het hoofd van Google Brain in Montreal staat. De ontwikkeling is wel nog “theoretisch. Maar het werkte behoorlijk indrukwekkend met een kleine dataset.” De volgende stap is om grotere datasets te implementeren.