Googleの科学者グループが興味深い実験を設定しました。ラベル付けされていない大量のデータに基づいて、ニューラルネットワークが独自に高レベルのプロパティを開発することは可能ですか。 たとえば、100万枚の画像のサンプルが渡された場合、彼女はそれらの顔を見つける方法を学ぶことができますか？ システムが「顔」としてマークされる画像を見たことがないという考え方です。
Googleのニューラルネットワークは、1000台のマシン（16,000コア）のクラスターで3日間機能し、200x200ピクセルのサイズの百万枚の画像のデータベースがデータとして使用されました。
「広く直感的な仮定に反して、我々の実験の結果は、サンプルのトレーニングなしで顔検出器を作成できることを示しました」と研究論文は述べています。 ニューラルネットワークは、ほぼ90％の精度で顔を検出するだけでなく、人体の一部や猫の口輪など、他の高レベルの概念を認識する能力を示しました。
一般に、 ImageNetオブジェクトの2万のカテゴリのうち 、画像をカテゴリの1つとして分類する精度は15.8％であり、これは以前の最高の成果より70％高く、同じ2万のカテゴリのセットで表示される結果よりも優れています。
