Google presentó recientemente oficialmente Neural Structured Learning (NSL), un marco de aprendizaje automático (inteligencia artificial) de código abierto, que utiliza el método Neural Graph Learning para entrenar redes neuronales basadas en un conjunto de datos, una variedad de gráficos y datos estructurados de manera diferente.
En particular, NSL está diseñado para una excelente compatibilidad con TensorFlow, una biblioteca de software de código abierto para el aprendizaje automático en una variedad de tareas cognitivas y de comprensión del lenguaje, y está diseñado específicamente para ambos. Puede ser utilizado por profesionales del aprendizaje automático experimentados e inexpertos. Básicamente, NSL puede crear modelos de visión por computadora, implementar PNL y ejecutar predicciones a partir de conjuntos de datos gráficos, como registros médicos o gráficos de conocimiento.
Neural Structured Learning es un marco de aprendizaje automático de código abierto
“Aprovechar señales estructurales específicas durante el entrenamiento permite a los desarrolladores obtener modelos con una precisión más óptima, especialmente cuando la cantidad de datos etiquetados es relativamente pequeña. El entrenamiento basado en señales estructuradas también ayuda a crear modelos más sólidos. Este tipo de técnicas de entrenamiento se han utilizado ampliamente internamente en Google para mejorar el rendimiento de los modelos de una manera más positiva y rápida", dijo el equipo de ingeniería de TensorFlow en una publicación de blog.
NSL puede entrenar modelos de aprendizaje automático mediante aprendizaje totalmente supervisado, aprendizaje semisupervisado o aprendizaje no supervisado, creando así modelos. El modelo utiliza señales gráficas para estandarizar el proceso de entrenamiento, en algunos casos con menos de 5 líneas de código.
Estructura operativa del marco de aprendizaje estructurado neuronal
Además, este nuevo marco también tiene una serie de herramientas integradas que pueden ayudar a los desarrolladores a estructurar sus propios datos y API para crear modelos de entrenamiento adversarios con una cantidad mínima de líneas de código.
A principios de abril, Google Cloud también presentó algunas soluciones de capacitación para datos estructurados, como hojas vinculadas en BigQuery y AutoML Tables.
En otras noticias relacionadas con el campo de la inteligencia artificial, la semana pasada Google AI (antes conocido como Google Research) también lanzó la herramienta de código abierto SM3, un optimizador específico para entrenar modelos de lenguajes a gran escala como BERT de Google y OpenAI de GPT2.
Página de herramientas de código abierto SM3 en Github
Puede encontrar más información sobre el marco de aprendizaje automático de NSL en las siguientes direcciones:
- https://www.tensorflow.org/neural_structured_learning/
- https://medium.com/tensorflow/introduciendo-neural-structured-learning-in-tensorflow-5a802efd7afd