إذا كان لدى الفيسبوك شعار غير رسمي، يعادل شعار جوجل "لا تكن شريراً" أو شعار أبل "فكر بشكل مختلف"، فهو "تحرك بسرعة و كسر الأشياء." ويعني ذلك، على الأقل من الناحية النظرية، أنه ينبغي للمرء أن يكرر تجربة الأخبار وألا يخاف من احتمال حدوثها فشل. ولكن في عام 2021، مع إلقاء اللوم حاليا على وسائل التواصل الاجتماعي بسبب عدد كبير من العلل المجتمعية، ربما ينبغي تعديل العبارة إلى: "التحرك بسرعة وإصلاح الأمور".
محتويات
- مرحباً بكم في الثورة ذاتية الإشراف
- تطبيقات أخرى ممكنة
واحدة من المجالات العديدة لوسائل التواصل الاجتماعي، وليس فقط فيسبوك، تم الاستهزاء به بسبب نشره لصور معينة عبر الإنترنت. إنها مشكلة صعبة بكل المقاييس: يتم تحميل حوالي 4000 صورة إلى فيسبوك كل ثانية. ويعادل ذلك 14.58 مليون صورة في الساعة، أو 350 مليون صورة كل يوم. إن التعامل مع هذه المهمة يدويًا يتطلب كل شيء
وهذا ليس من المرجح أن يحدث في أي وقت قريب. ولهذا السبب تم تسليم مهمة تصنيف الصور إلى أنظمة الذكاء الاصطناعي. يصف جزء جديد من بحث فيسبوك، الذي تم نشره اليوم، نموذجًا جديدًا واسع النطاق لرؤية الكمبيوتر يسمى SEER (هذا "خاضع للإشراف الذاتي" في تقليد الأسماء الخلفية المشوه بشكل ميؤوس منه والذي يحب أهل التكنولوجيا سماعه يعتنق). تم تدريبه على أكثر من مليار صورة عامة على Instagram، ويمكنه التفوق على أحدث الصور نظام التعرف على الصور ذو المراقبة الذاتية، حتى عندما تكون الصور ذات جودة منخفضة وبالتالي صعبة ليقرأ.
متعلق ب
- منظمة العفو الدولية. حقق بعض المعالم الرئيسية في عام 2020. وهنا خلاصة
إنه تطور من شأنه، كما يدعي منشئوه، أن "[يمهد الطريق] لنماذج رؤية حاسوبية أكثر مرونة ودقة وقدرة على التكيف". ويمكن استخدامه بشكل أفضل أبعد "الصور أو الميمات الضارة عن منصتنا". ويمكن أن يكون مفيدًا بنفس القدر في إنشاء صور تصف النص البديل تلقائيًا لضعاف البصر الأشخاص، والتصنيف التلقائي الفائق للعناصر التي سيتم بيعها في Marketplace أو Facebook Shops، والعديد من التطبيقات الأخرى التي تتطلب تحسينًا رؤية الكمبيوتر.
مقاطع الفيديو الموصى بها
مرحباً بكم في الثورة ذاتية الإشراف
"باستخدام الإشراف الذاتي، يمكننا التدرب على أي صورة عشوائية" بريا جويال، وهو مهندس برمجيات في شركة Facebook AI Research (FAIR)، حيث تنفذ الشركة الكثير من الأبحاث المبتكرة للتعرف على الصور، قال الاتجاهات الرقمية. "[هذا] يعني أنه مع تطور المحتوى الضار، يمكننا تدريب نموذج جديد بسرعة على البيانات المتطورة، ونتيجة لذلك، الاستجابة بشكل أسرع للمواقف."
إن الإشراف الذاتي الذي يشير إليه جويال هو علامة تجارية لـ التعلم الالي الذي يتطلب أقل في طريق المدخلات البشرية. التعلم شبه الخاضع للإشراف هو أسلوب للتعلم الآلي يقع في مكان ما بين التعلم الخاضع للإشراف وغير الخاضع للإشراف. في التعلم الخاضع للإشراف، تتم تسمية بيانات التدريب بالكامل. في التعلم غير الخاضع للرقابة، لا توجد بيانات تدريب مصنفة. في التعلم شبه الخاضع للإشراف... حسنًا، لقد فهمت الفكرة. بالنسبة للتعلم الآلي، فإن مراقبة طفلك أثناء قيامه بالشحن بشكل مستقل حول الحديقة هو بمثابة الأبوة والأمومة. لقد تم استخدام التعلم الخاضع للإشراف الذاتي لإحداث تأثيرات تحويلية في عالم معالجة اللغة الطبيعية في كل شيء بدءًا من الترجمة الآلية وحتى الإجابة على الأسئلة. والآن، يتم تطبيقه على التعرف على الصور أيضًا.
قال جويال: "التعلم غير الخاضع للإشراف هو مصطلح واسع جدًا يشير إلى أن التعلم لا يستخدم أي إشراف على الإطلاق". "التعلم الخاضع للإشراف الذاتي هو مجموعة فرعية - أو حالة أكثر تحديدًا - من التعلم غير الخاضع للإشراف، حيث يستمد الإشراف الذاتي الإشارات الإشرافية تلقائيًا من بيانات التدريب."
ما يعنيه التعلم الخاضع للإشراف الذاتي بالنسبة لفيسبوك هو أن مهندسيها يمكنهم تدريب النماذج على صور عشوائية، والقيام بذلك بسرعة مع تحقيق أداء جيد في العديد من المهام.
وقال جويال: "إن القدرة على التدريب على أي صورة عشوائية على الإنترنت تتيح لنا التقاط التنوع البصري للعالم". "من ناحية أخرى، يتطلب التعلم الخاضع للإشراف تعليقات توضيحية للبيانات، مما يحد من الفهم البصري للعالم حيث يتم تدريب النموذج على تعلم مفاهيم مشروحة بصرية محدودة للغاية. كما أن إنشاء مجموعات بيانات مشروحة يحد من كمية البيانات التي يمكن تدريب أنظمتنا عليها، وبالتالي من المرجح أن تكون الأنظمة الخاضعة للإشراف أكثر تحيزًا.
ما يعنيه هذا هو الذكاء الاصطناعي. الأنظمة التي يمكنها التعلم بشكل أفضل من أي معلومات يتم تقديمها لها، بدونها الاضطرار إلى الاعتماد على مجموعات البيانات المنسقة والمصنفة التي تعلمهم كيفية التعرف على كائنات معينة في ملف ما صورة. في عالم يتحرك بسرعة عالم الإنترنت، يعد هذا أمرًا ضروريًا. يجب أن يعني التعرف على الصور بشكل أكثر ذكاءً ويعمل بسرعة أكبر.
تطبيقات أخرى ممكنة
"يمكننا استخدام النماذج ذاتية الإشراف لحل المشكلات في المجالات التي تحتوي على بيانات محدودة للغاية أو لا تحتوي على بيانات وصفية، مثل التصوير الطبيقال جويال. "لكوننا قادرين على تدريب نماذج عالية الجودة وخاضعة للإشراف الذاتي من مجرد صور عشوائية وغير مُصنفة وغير منظمة، يمكننا تدريب النماذج على أي صورة الإنترنت، وهذا يسمح لنا بالتقاط تنوع المحتوى المرئي، وتخفيف التحيزات التي تقدمها البيانات معالجة. نظرًا لأننا لا نطلب أي تصنيفات أو تنظيم بيانات لتدريب نموذج خاضع للإشراف الذاتي، فيمكننا إنشاء نماذج جديدة ونشرها بسرعة لحل المشكلات.
كما هو الحال مع جميع أعمال FAIR، فإن هذا في الوقت الحالي في مراحل البحث، بدلاً من أن يكون تقنية سيتم طرحها على موجز Facebook الخاص بك في الأسبوعين المقبلين. وهذا يعني أنه لن يتم نشر هذا على الفور لحل مشكلة انتشار الصور الضارة عبر الإنترنت. وفي الوقت نفسه، فهذا يعني أن المحادثات حول استخدام الذكاء الاصطناعي. من السابق لأوانه تحديد التفاصيل الدقيقة في الصور التي تم تحميلها.
سواء أعجبك ذلك أم لا، فإن تصنيف الصور بالذكاء الاصطناعي. الأدوات أصبحت أكثر ذكاءً. السؤال الكبير هو ما إذا كانت معتادة على كسر الأشياء بشكل أكبر أو البدء في إصلاحها مرة أخرى.
توصيات المحررين
- منظمة العفو الدولية. لا ينسى عادةً أي شيء، لكن نظام فيسبوك الجديد ينسى أي شيء. إليكم السبب
- الذكاء الاصطناعي الجديد على فيسبوك يأخذ التعرف على الصور إلى مستوى جديد كليا
