Archivo de la etiqueta: Aprendizaje profundo

Los bibliotecarios del futuro serán archiveros de IA

 

nnavigator-logo-cropped-1589391044

 

The Librarians of the Future Will Be AI Archivists It isn’t easy to archive images. That’s where AI comes in. BY COURTNEY LINDER MAY 13, 2020

Texto completo

 

Un científico informático de la Biblioteca del Congreso está utilizando el aprendizaje automático para aislar imágenes históricas de archivos de periódicos digitales. El proyecto, llamado Newspaper Navigator, utiliza algoritmos ópticos de reconocimiento de caracteres para convertir caracteres escritos a mano o basados ​​en texto en un documento de búsqueda. El aprendizaje automático automatiza el proceso.

 

En julio de 1848, L’illustration, un semanario francés, imprimió la primera foto que apareció junto a una historia. Representaba las barricadas parisinas levantadas durante el levantamiento de los días de junio de la ciudad. Casi dos siglos después, el fotoperiodismo ha proporcionado a las bibliotecas millones imágenes de archivo que cuentan historias de nuestro pasado. Pero sin un enfoque metódico para curarlas, estas imágenes históricas podrían perderse en montones interminables de datos.

Es por ello que la Biblioteca del Congreso en Washington, DC está experimentando un proyecto sobre esta cuestión. Los investigadores están utilizando algoritmos especializados para extraer imágenes históricas de los periódicos. Si bien los escaneos digitales ya pueden compilar fotos, estos algoritmos también pueden analizarlas, catalogarlas y archivarlas. Esto dio como resultado 16 millones de páginas de periódicos en imágenes que los archiveros pueden visualizar con una simple búsqueda.

Ben Lee, en la Biblioteca del Congreso especialista en computación en la Universidad de Washington, encabeza lo que se llama Newspaper NavigatorSu conjunto de datos proviene de un proyecto existente llamado Chronicling America, que compila páginas de periódicos digitales entre 1789 y 1963.

Se dio cuenta de que la biblioteca ya se había embarcado en un viaje de crowdsourcing para convertir algunas de esas páginas de periódicos en una base de datos de búsqueda, con un enfoque en el contenido relacionado con la Primera Guerra Mundial. Los voluntarios podrían marcar y transcribir las páginas de periódicos digitales, algo que las computadoras no son capaces de hacer de una manera adecuada. En efecto, lo que habían construido era un conjunto perfecto de datos de entrenamiento para un algoritmo de aprendizaje automático que podía automatizar todo ese trabajo agotador y laborioso.

Newspaper Navigator se basa en la misma tecnología que los ingenieros utilizaron para crear Google Books. Se llama reconocimiento óptico de caracteres u OCR para abreviar, y es una clase de algoritmos de aprendizaje automático que pueden traducir imágenes de símbolos escritos a mano o escritos, como palabras en una página de revista escaneada, en texto digital legible por máquina. Pero las imágenes son algo completamente distinto.

 

screen-shot-2020-05-13-at-3-44-22-pm-1589399096

 

Utilizando el aprendizaje profundo, Lee creó un modelo de detección de objetos que podría aislar siete tipos diferentes de contenido: fotografías, ilustraciones, mapas, cómics, dibujos animados editoriales, titulares y anuncios. Lee también dice que, incluso a pesar de sus mejores esfuerzos, este tipo de sistemas siempre codificará algún sesgo humano. “Es fácil suponer que el aprendizaje automático resuelve todos los problemas, eso es una fantasía, pero en este proyecto, creo que es una oportunidad real para enfatizar que debemos tener cuidado de cómo usamos estas herramientas”.

Notas desde la frontera de la IA: Aplicaciones y valor del aprendizaje profundo

small_1420

Chui, M., J. Manyika, et al. [e-Book]  Notes from the AI frontier: Applications and value of deep learning. New York, McKinsey Global Institute (MGI), 2018

Texto completo

 

El aprendizaje profundo es parte de un conjunto más amplio de métodos de aprendizaje automático basados en asimilar representaciones de datos. Una observación (por ejemplo, una imagen) puede ser representada en muchas formas (por ejemplo, un vector de píxeles), pero algunas representaciones hacen más fácil aprender tareas de interés (por ejemplo, “¿es esta imagen una cara humana?”) sobre la base de ejemplos, y la investigación en este área intenta definir qué representaciones son mejores y cómo crear modelos para reconocer estas representaciones.

Un análisis de más de 400 casos de uso en 19 industrias y nueve funciones comerciales resalta el amplio uso y el significativo potencial económico de las técnicas avanzadas de IA.

Fundamentos del aprendizaje profundo: diseño de algoritmos de inteligencia artificial de próxima generación

lrg

Buduma, N. and N. Lacascio (2017). [e-Book] Fundamentals of Deep Learning: Designing Next-Generation Machine Intelligence Algorithms. Boston, O’Really, 2017

Texto completo

Fundamentals of Deep Learning 

 

Deeper Learning es una de las tendencias que según el Informe Horizon de 2016 marcan tendencia a plazo medio, y estarán presentes en la enseñanza superor en 5 años, el término fue definido por la William and Flora Hewlett Foundation como una pedagogía que combina el pensamiento crítico, la resolución de problemas, la colaboración y el aprendizaje autodirigido.

Con la revitalización de las redes neuronales en los años 2000, el aprendizaje profundo se ha convertido en un área de investigación extremadamente activa, que está preparando el camino para el aprendizaje moderno a través de las máquinas. En este libro práctico, el autor Nikhil Buduma proporciona ejemplos y explicaciones claras para desarrollarlo a través de los principales conceptos de este campo tan complejo. Empresas como Google, Microsoft y Facebook están trabajando activamente en la creación de equipos internos sobre aprendizaje profundo. Para el resto de nosotros, sin embargo, el aprendizaje profundo sigue siendo un tema bastante complejo y difícil de entender. Si se está familiarizado con Python, y se tienen conocimientos sobre cálculo, junto con una comprensión básica de lo que es la inteligencia artificial este libro te ayudará a comenzar.

  • Examinar los fundamentos del aprendizaje automático y las redes neuronales
  • Aprender a trabajar con redes neuronales
  • Utilizar TensorFlow para implementar su primera red neuronal
  • Construir redes neuronales que analizan imágenes complejas
  • Realizar una reducción efectiva de la dimensionalidad mediante autoencoders
  • Sumérjase profundamente en el análisis de secuencias para examinar el lenguaje
  • Aprender los fundamentos del aprendizaje del refuerzo