Ако Facebook има неофициален слоган, еквивалентен на „Не бъди зъл“ на Google или „Мисли различно“ на Apple, той е „Движете се бързо и Разбийте нещата. Това означава, поне на теория, че човек трябва да повтаря, за да изпробва новините и да не се страхува от възможността за провал. През 2021 г. обаче, тъй като социалните медии в момента са обвинявани за множество обществени проблеми, фразата може би трябва да бъде променена на: „Движете се бързо и поправете нещата“.
Съдържание
- Добре дошли в самоконтролираната революция
- Други възможни приложения
Една от многото области на социалните медии, не само Facebook, беше набеден за разпространението на определени изображения онлайн. Това е предизвикателен проблем от всяка граница на въображението: около 4000 качвания на снимки се правят във Facebook всяка секунда. Това се равнява на 14,58 милиона изображения на час или 350 милиона снимки всеки ден. Ръчната работа с тази работа би изисквала всеки един
Това едва ли ще се случи скоро. Ето защо работата по класифицирането на изображенията е предадена на системите с изкуствен интелект. Ново изследване на Facebook, публикувано днес, описва нов, широкомащабен модел на компютърно зрение, наречен SEER (това е „самонаблюдавано“ в безнадеждно опорочената традиция на задните имена, която хората в областта на технологиите обичат прегръдка). Обучен на над 1 милиард публични изображения в Instagram, той може да надмине най-модерните система за самонаблюдение за разпознаване на изображения, дори когато изображенията са с ниско качество и поради това трудни чета.
Свързани
- ИИ достигне някои важни етапи през 2020 г. Ето обобщение
Това е разработка, която би могла, твърдят нейните създатели, „[проправи] пътя за по-гъвкави, прецизни и адаптивни модели на компютърно зрение.“ Може да се използва по-добре пазете „вредни изображения или мемове далеч от нашата платформа“. Може да бъде също толкова полезно за автоматично генериране на изображения с описание на алтернативен текст за хора с увредено зрение хора, превъзходно автоматично категоризиране на артикули за продажба на Marketplace или Facebook Shops и множество други приложения, които изискват подобрение компютърно зрение.
Препоръчани видеоклипове
Добре дошли в самоконтролираната революция
„Използвайки самонаблюдение, можем да тренираме върху всяко произволно изображение,“ Прия Гоял, софтуерен инженер във Facebook AI Research (FAIR), където компанията извършва изобилие от иновативни изследвания за разпознаване на образи, каза Digital Trends. „[Това] означава, че с развитието на вредното съдържание можем бързо да обучим нов модел върху променящите се данни и в резултат на това да реагираме по-бързо на ситуациите.“
Самоконтролът, за който Гоял говори, е марка на машинно обучение което изисква по-малко човешки принос. Полуконтролираното обучение е подход към машинното обучение, който се намира някъде между контролираното и неконтролираното обучение. При контролирано обучение данните за обучението са напълно етикетирани. При неконтролирано обучение няма етикетирани данни за обучение. При полуконтролирано обучение... е, разбирате идеята. За машинното обучение е това, което да държиш половин око на детето си, докато се зарежда автономно из парка, е за родителството. Самоконтролираното обучение се използва за трансформиращи ефекти в света на обработката на естествен език за всичко - от машинен превод до отговаряне на въпроси. Сега се прилага и за разпознаване на изображения.
„Ученето без надзор е много широк термин, който предполага, че обучението изобщо не използва надзор“, каза Гоял. „Самоконтролираното обучение е подгрупа — или по-специфичен случай — на неконтролирано обучение, тъй като самоконтролът извлича сигналите за надзор автоматично от данните за обучението.“
Това, което самоконтролираното обучение означава за Facebook, е, че неговите инженери могат да обучават модели на произволни изображения и да го правят бързо, като същевременно постигат добро представяне при много задачи.
„Възможността да тренираме върху всяко произволно интернет изображение ни позволява да уловим визуалното разнообразие на света“, каза Гоял. „От друга страна, контролираното обучение изисква анотации на данни, което ограничава визуалното разбиране на света, тъй като моделът е обучен да учи само много ограничени визуално анотирани концепции. Освен това създаването на анотирани набори от данни ограничава количеството данни, върху които нашите системи могат да бъдат обучени, следователно контролираните системи вероятно ще бъдат по-предубедени.“
Това означава, че A.I. системи, които могат да се учат по-добре от информацията, която им се дава, без трябва да разчитат на подбрани и етикетирани набори от данни, които ги учат как да разпознават конкретни обекти в a снимка. В свят, който се движи толкова бързо, колкото онлайн, това е от съществено значение. Това трябва да означава по-интелигентно разпознаване на изображения, което действа по-бързо.
Други възможни приложения
„Можем да използваме самоконтролираните модели за решаване на проблеми в домейни, които имат много ограничени данни или нямат метаданни, като медицинско изображение“, каза Гоял. „Можейки да обучаваме висококачествени, самоконтролирани модели само от произволни, немаркирани и неподготвени изображения, можем да обучаваме модели на всякакви интернет изображение и това ни позволява да улавяме разнообразие от визуално съдържание и да смекчаваме пристрастията, въведени иначе от данните куриране. Тъй като не изискваме етикети или обработка на данни за обучение на самоконтролиран модел, можем бързо да създаваме и внедряваме нови модели за решаване на проблеми.“
Както при цялата работа на FAIR, в момента това е твърдо в етапи на проучване, вместо да бъде технология, която ще бъде пусната във вашата емисия във Facebook през следващите няколко седмици. Това означава, че това няма да бъде разгърнато незабавно, за да реши проблема с вредните изображения, разпространявани онлайн. В същото време това означава, че разговорите за използването на ИИ. за допълнително идентифициране на фини детайли в качените изображения е преждевременно.
Харесва ли ви или не, обаче, класифициращият изображенията ИИ. инструментите стават все по-умни. Големият въпрос е дали те са използвани, за да разбиват нещата допълнително или да започнат да ги поправят отново.
Препоръки на редакторите
- ИИ обикновено не забравя нищо, но новата система на Facebook го прави. Ето защо
- Новият изкуствен интелект на Facebook извежда разпознаването на изображения на съвсем ново ниво
