Uno degli obbiettivi di DeepMind è andare oltre ai limiti delle attuali AI in modo da sviluppare programmi che possono apprendere e risolvere tutti i problemi più complessi senza la necessità di dover loro insegnare "manualmente" come fare.

Kinetics

Uno dei progetti più grandi di DeepMind è Kinetics, ovvero un large-scale dataset di URL link composto da 300 mila video clip che coprono 400 classi di azioni umane, comprese le interazioni tra umani e oggetti (come ad esempio suonare il pianoforte) e quelle con altri esseri umani (ad esempio strette di mano o abbracci). Ogni action class ha almeno 400 video clip dedicate.

dSprites

Passiamo a dSprites un testing Sprites dataset che consiste nella raccolta di oltre 737 mila immagini di shapes 2D, generate in modo procedurale da 5 fattori latenti e indipendenti. Questi vanno a controllare lo shape, il rapporto di scala e la rotazione/posizione degli sprite.

DeepMind CNN/Daily Mail Reading Comprehension Corpus

Veniamo adesso a DeepMind CNN/Daily Mail Reading Comprehension Corpus, un dataset composto da oltre 1.5 milioni di domande e risposte a coppie, con questi dati è possibile generare un'operazione automatica di comprensione del testo basato sugli articoli della CNN e del Daily. Domande e risposte sono rese anonime tramite random markers, cosi da forzare l'algoritmo a rispondere alle domande basandosi solo sul contesto che ha a disposizione.

Metacontrol for Adaptive Imagination-Based Optimization task

L'ultimo progetto di oggi è Metacontrol for Adaptive Imagination-Based Optimization task, un dataset generato artificialmente e pensato per le missioni spaziali. Si tratta di un insieme di 5 database, ognuno di essi contiene scene con un differente numero di pianeti con circa 100 mila training e mille test.

Tutti questi progetti sono open source e il loro codice è disponibile sulla nota piattaforma di code sharing Github.

CommentaDi' la tua

Il tuo indirizzo email non sarà mostrato pubblicamente. I campi obbligatori sono contrassegnati da *