Seguro que ya has escuchado hablar en infinidad de ocasiones sobre el aprendizaje máquina y sus usos. La programación ha pasado de tener que escribir líneas y líneas de código a poder enseñarle a una máquina lo que queremos conseguir y dejar que ella misma aprenda. Por lo general el software hasta el momento iba ligado a programas específicos. Ahora podrás trabajar desde el propio navegador con velocidades altas.
Gracias a la iniciativa PAIR para estudiar y rediseñar las interacciones humanas con el Machine Learning se abre el aprendizaje máquina a más gente. En este sentido podemos decir que se está popularizando el ML.
En este caso la velocidad es un factor importante. En el pasado si han existido bibliotecas web de aprendizaje máquina, no obstante, hasta el momento habían sido limitadas en cuando a velocidad por Javascript. Deeplearn.js ofrece una mayor aceleración, fruto de explotar WebGL para realizar cálculos con la GPU y superar así el límite de Javascript.
¿Qué se puede hacer?
Con deeplearn.js se abren nuevas posibilidades para el navegador. Si habéis visto la última temporada de Silicon Valley, la serie de televisión, aparece un ejemplo en forma de aplicación que nos dice si algo es o no un perrito caliente.
Aunque es un ejemplo bastante cutre en el sentido de no ser demasiado funcional, sí es un ejemplo de lo que esta nueva herramienta permite hacer. Poder enseñar sin ninguna línea de código y usando la librería a reconocer perritos calientes en cualquier foto. Si sustituimos los perritos calientes por cualquier otro tipo de información estamos enseñando a “ver” a una máquina.
Como decimos, la función en sí misma no es nada nuevo. Lo novedoso es cómo esta librería hace uso de nuestro ordenador y consigue sacar el máximo partido a pesar de estar dentro de nuestro propio navegador. ¿Será la forma de Google de llevar el Machine Learning a los Chromebooks?
Vía – Google Research.