Google estudia nuevo proceso de machine learning más parecido al humano
En un artículo académico, Google DeepMind explica Neural Episodic Control, un enfoque de machine learning que puede acelerar la asimilación de experiencias nuevas.
El equipo de Google DeepMind ha presentado un artículo que recoge sus descubrimientos al utilizar un nuevo proceso de machine learning denominado Neural Episodic Control (NEC) que aprende más rápido que el aprendizaje profundo.
La clave de NEC está en su arquitectura que permite la asimilación de las nuevas experiencias de manera veloz al guardar memoria de cada interacción y no sólo las significativas como en deep learning, “demostrando mejoras dramáticas en la velocidad de aprendizaje en un amplio rango de ambientes. Nuestro agente es capaz de crear atajos para estrategias altamente exitosas apenas son experimentadas en lugar de esperar muchos pasos para su optimización como en el caso del agente de reforzamiento de aprendizaje profundo”, relata la investigación firmada por Alexander Pritzel y Demis Hassabis, entre otros científicos de DeepMind de Google.
De tal forma, las representaciones y valores son integrados de manera rápida para ser utilizados en comportamientos futuros. “Estas memorias persisten a través de varios episodios y utilizamos el algoritmo más cercano de rápida aproximación para asegurar que las memorias sean accesadas eficientemente”, dice a la letra el artículo.
De tal forma, el equipo piensa que su trabajo puede sugerir que los métodos no paramétricos podrán beneficiar a las herramientas de aprendizaje profundo en ambientes que la eficiencia de datos es de suprema importancia.
El artículo en cuestión puede consultarse en la biblioteca digital de Cornell University. Durante 2016, Google publicó más de 200 artículos sobre aprendizaje automático en prestigiosas revistas como Nature o Journal of American Medical Association, posicionándose como un líder en la materia no sólo por inversión sino por conocimiento.
