Jelentősen lekörözte a Kék Óriás a Microsoft mesterséges intelligenciájának képfelismerési pontosságát. Ezt egy elosztott mélytanuló (distributed deep learning, DDL) szoftver kifejlesztésével és alkalmazásával érte el.

A fejlett GPU-k túl sokat várnak egymásra

Az IBM közlése értelmében az ImageNet-22K 7,5 milliós adatbázisból bármelyik, véletlenszerűen választott kép felismerése átlagosan 33,8 százalékos pontossággal megy végbe. Ez ugyan nem tűnik soknak – hiszen csupán minden harmadik képet ismeri fel száz százalékosan -, de még így is rekordnak számít. A korábbi elsőséget a Microsoft tudhatta magáénak: 2014 októberében állították be az „elképesztő” 29,8 százalékos hatékonyságot.

Ami viszont sokkal inkább elismerésre méltó, az a tanulási rendszer sebessége. A Microsoft mesterséges intelligenciájának még nagyjából 10 napra volt szüksége ahhoz, hogy kielemezze az elé tárt képeket és megtanulja felismerni őket. Ezzel szemben az IBM rendszere mindössze hét óra alatt végzett vele – ismét megemlítjük, hogy 7,5 millió képről van szó.

Természetesen a mélytanulásban elért mérföldkőként hivatkozott a sikerre a Kék Óriás, megjegyezve, hogy nem csupán fotók és rajzok felismerésével birkózott meg rendszere, de orvosi képeket is egészen jó hatásfokkal azonosított be. Ehhez létfontosságú volt az elosztott számítást végző szoftver optimalizálása: a DDL program egyik legfontosabb húzása, hogy felpörgeti a grafikus processzorok egymással való kommunikációját.

Ez alapvetően szükséges feladat volt, számolt be az eredményről Hillery Hunt. Az IBM szakértője rávilágított, hogy minél több és fejlettebb GPU-val kell egy feladatot elvégezni, annál több időt igényel az egymással való kommunikációjuk. Ez pedig végső soroán lelassíthatja a gépi tanulás folyamatát, mivel a grafikus magok könnyen aszinkronná válnak, és idejük java részét nem számításokkal, hanem egymás eredményeire várással töltik.

Az IBM DDL szoftvere sikeresen oldotta meg a problémát. További előnye, hogy nagy pontosság és teljesítmény mellett képes olyan nyílt forrású kódok futtatására, mint a Tensorflow és a Caffee, nagyméretű neurális hálózatok és adatkészletek felhasználásával. Technológiánk lehetővé teszi más MI modellek speciális feladatokra való képzését, például rákos sejtek orvosi képeken való beazonosítását, mindezt a korábbiaknál hatékonyabban és legalább egy nagyságrenddel kevesebb idő alatt, nyilatkozta Hunt.

Doktorokat szorongat a tumorfelismerő algoritmus

Az IBM fejlesztésére minden bizonnyal nagy érdeklődés mutatkozik majd, tekintve, hogy például a diagnosztikában már egy ideje foglalkoznak a gépi tanulás és a képfelismerés lehetőségeinek kutatásával. A Harvard Medical School és egy bostoni egészségügyi központ közös kutatócsoportja például az emlőrák diagnosztizálásánál igyekszik kihasználni a tanulásra képes gépi algoritmus erejét. A kiindulási alapot itt is egy hatalmas digitális adatbázis jelentette, amely jelen esetben nyirokcsomók felvételeit tartalmazta. Ezeken a képeken az algoritmusnak megmutatták, mely területeken vannak rákos elváltozások, illetve hol találhatók az egészséges sejtek. Az egyértelműbb esetek után következett egy haladó tréning, ahol a beteg részek nehezebben voltak felismerhetők.
 

A gépi intelligencia ezt követően a sosem látott, újonnan kapott mintáknál már 92 százalékos pontossággal tudta felfedezni a tumorsejteket. Ez az eredmény már megközelítette a tapasztalt szakemberek hibaszázalékát, akik nagyjából 96 százalékban képesek helyesen felállítani a diagnózist. A képfelismerés és a feldolgozási algoritmusok fejlődésével azonban nem lehetünk már messze attól, hogy a számítógép ebben is az alkotója fölé nőjön.

Érdekességként említhető, hogy a kutatók azt is megnézték, mire jutnak, ha az orvosi tapasztalatot és a számítógép képességeit egyesítik. Mindkét módszert, azaz az emberi vizsgálatot és az algoritmus ítéletet ötvözve 99,5 százalékos pontosságot tudtak elérni a mintákon. Egy ilyen csapatmunka tehát sokkal jobb hatásfokú orvosi ellátást biztosíthat a pácienseknek.