¿Cuáles son algunas cosas interesantes que uno puede lograr a través del aprendizaje automático?

Mi ejemplo de referencia de una aplicación de aprendizaje automático práctica y útil es en la que trabajé cuando era asistente de investigación en la Escuela Naval de Posgrado: detección automatizada de depredadores infantiles en salas de chat en línea. Utilizando métodos relativamente simples (Naive Bayes), pudimos detectar si una conversación entre dos personas consistía en un hombre adulto que intentaba solicitar sexo a un menor con una precisión cercana al 90% basándose principalmente en la elección de palabras. Utilizamos registros de chat de varios servicios de chat en línea gratuitos, así como registros del grupo de vigilantes en línea llamado Perverted Justice para capacitar a nuestro modelo. Aunque la verificación manual de los resultados requirió un estómago fuerte, los resultados fueron muy gratificantes.

Otros proyectos en los que he trabajado en el mismo laboratorio incluyeron análisis de sentimientos (por ejemplo, ¿un chat dado consiste en alguien tratando de obligar a la otra parte a hacer algo que no quiere hacer) e identificando patrones en la reutilización de teléfonos desechables por grupos terroristas (p. ej., muchos intercambios cortos de mensajes de texto entre muchos pares de números, cuántos participantes hay en total y cuándo cambia cada uno a un teléfono nuevo). Aunque no estoy completamente seguro de cuántos detalles más puedo proporcionar para estos otros proyectos.

Básicamente, experimenté dos cosas al usar Machine Learning:

1. Pude detectar el lenguaje de programación de un fragmento de código de aproximadamente 10 idiomas. (Python, C, C ++, Java, HTML, Ruby, Perl, etc.)
Este fragmento será reconocido como: Java


2. Pude detectar el personaje en formato de imagen y convertirlo a formato de texto.


En formato de texto, la salida será: un

Ahora, uno puede generar imágenes a partir de descripciones de texto de la misma. No, no busca imágenes existentes, pero genera imágenes absolutamente nuevas.

Esta técnica, llamada Síntesis Generativa de Texto Adversario a Imagen, utiliza redes neuronales profundas entrenadas en una serie de conceptos generales que se combinan para generar imágenes a partir de su descripción.

Por ejemplo, considere que una red neuronal profunda está entrenada para identificar flores, pétalos, el centro de una flor, cosas pequeñas, cosas redondas, cosas violetas y cosas moradas, luego, al usar la técnica propuesta, puede combinar estos conceptos y generar una imagen correspondiente a la descripción

“Una flor que tiene pequeños pétalos redondos de color violeta con un centro púrpura oscuro”.

Encuentra el artículo completo aquí:

[1605.05396] Síntesis generativa de texto adverso a imagen http://arxiv.org/abs/1605.05396

Puedes aprender a identificar cosas en videos. Como ejemplo, aquí hay un video de un detector de rostros / estimador de pose que hice:

Utiliza algo llamado filtro HOG que se desliza sobre cada cuadro buscando caras. Puede aprender el mejor filtro HOG utilizando una máquina de vectores de soporte estructural. Luego, la malla verde que muestra la postura de la cara se predice utilizando un bosque de regresión potenciado por gradiente, que también es otra técnica de aprendizaje automático.

Predicción de los movimientos del precio de las acciones (aunque por muy poco tiempo).