La identificación automática de características complejas en imágenes ya se ha convertido en una realidad gracias a las redes neuronales artificiales. Algunos ejemplos de software que explota esta técnica son el sistema de etiquetado automático de Facebook, El motor de búsqueda de imágenes de Google y el sistema de reconocimiento de animales y plantas utilizado por iNaturalist. Sabemos que estas redes están inspiradas en el cerebro humano, pero su mecanismo de trabajo sigue siendo un misterio.

Nueva investigación, realizado por SISSA en asociación con la Universidad Técnica de Munich y publicado para la 33a Conferencia Anual de NeurIPS, propone un nuevo enfoque para el estudio de las redes neuronales profundas y arroja nueva luz sobre los procesos de elaboración de imágenes que estas redes son capaces de llevar a cabo.

Similar a lo que sucede en el sistema visual, Las redes neuronales utilizadas para el reconocimiento automático de imágenes analizan el contenido de forma progresiva. a través de una cadena de etapas de procesamiento. Sin embargo, hasta la fecha, No está del todo claro qué mecanismos permiten que las redes profundas alcancen sus extraordinarios niveles de precisión.

"Hemos desarrollado un método innovador para medir sistemáticamente el nivel de complejidad de la información codificada en las diversas capas de una red profunda, la denominada dimensión intrínseca de las representaciones de imágenes, "dicen Davide Zoccolan y Alessandro Laio, respectivamente neurocientífico y físico en SISSA. "Gracias a un trabajo multidisciplinar que ha supuesto la colaboración de expertos en física, neurociencias y aprendizaje automático, hemos logrado explotar una herramienta desarrollada originalmente en otra área para estudiar el funcionamiento de las redes neuronales profundas ".

Científicos de SISSA, en asociación con Jakob Macke de la Universidad Técnica de Munich, han examinado cómo se procesa la información obtenida de las redes neuronales utilizadas para la clasificación de imágenes:"Hemos descubierto que las representaciones de imágenes experimentan una transformación progresiva. En las primeras etapas de procesamiento, la información de la imagen está representada de forma fiel y exhaustiva, dando lugar a representaciones ricas y complejas. En las etapas finales de procesamiento, la información se simplifica radicalmente, producir representaciones de imágenes que son compatibles con unas pocas docenas de parámetros, "explican los dos científicos". Sorprendentemente, encontramos que la precisión de clasificación de una red neuronal depende estrechamente de su capacidad para simplificar:cuanto más simplifica la información, cuanto más preciso es ".

Este es un resultado especialmente importante para SISSA que ha lanzado recientemente un nuevo programa de investigación en ciencia de datos, con el objetivo de estudiar y desarrollar algoritmos innovadores para el procesamiento de conjuntos de datos grandes y complejos.