ConvNetJS lleva el llamado “aprendizaje profundo” al navegador. Es fácil de usar y además rápido, sin necesidad de tener GPU, lo cual significa que trabaja prácticamente en todas partes. Este es un proyecto creado por Andrej Karpathy, un estudiante de doctorado de Stanford, en un esfuerzo por hacer las redes neuronales más accesibles. No se requiere de GPUs y todo trabaja en código Javascript. Esto simplemente habla de cómo se ha incrementado el desempeño de Javascript de forma tal que nuevas cosas son ahora posibles.
Lo que tenemos en este caso es un entorno para crear y entrenar sus redes neuronales. Se pueden construir dichas redes especificando capas de varios tipos. Uno de ellos es convolucional (vamos, saca promedios), pero es muy útil para reconocer imágenes. Sin embargo, el reconocedor convolucional de imágenes no es la única posibilidad y se pueden crear clasificadores generales, predictores de regresiones, etcétera.
Una vez que se tiene la definición de la red, puede ésta entrenarse usando backpropagation o minimizarla a una suma de errores cuadráticos para aprender en las aplicaciones donde se usen regresiones. Hay también una cosa llamada MagicNet, que es una clase de entrenamiento, que se maneja de forma automática. Ahora bien, si se quiere estar en la frontera de esto del aprendizaje profundo, se puede intentar Deep Q, una clase de aprendizaje reforzado para ver si se puede aprender a jugar juegos, por ejemplo, conociendo el resultado final de los mismos.
Si se quiere ver la red neuronal en acción, hay 9 demostraciones que se pueden ejecutar en el navegador. Como se mencionó antes, el hecho de que no se necesiten GPUs signfica que es muy probable que trabaja en el navegador sin problemas. Curioso es que trabaja muy rápido. También hay que reconocer que es un trabaja muy bien presentado. Vale sin duda echarle un ojo.
El proyecto está en código abierto y se puede tener acceso a los fuentes en GitHub.
Referencias: