Pokud má Facebook neoficiální slogan, ekvivalent k Google „Nebuď zlý“ nebo „Think Different“ od Applu, je to „Pohybuj se rychle a Break Things.” To znamená, alespoň teoreticky, že by člověk měl opakovat novinky a nebát se možnosti selhání. V roce 2021, kdy jsou sociální média v současné době obviňována z velkého množství společenských neduhů, by se však věta možná měla upravit na: „Pohybujte se rychle a opravujte věci“.
Obsah
- Vítejte v revoluci s vlastním dohledem
- Další možné aplikace
Jedna z mnoha oblastí nejen sociálních sítí Facebook, byl pranýřován kvůli jeho šíření určitých obrázků online. Je to náročný problém pro každou představivost: každou sekundu se na Facebook nahraje asi 4 000 fotografií. To odpovídá 14,58 milionu snímků za hodinu, neboli 350 milionům fotografií každý den. Ruční zpracování této práce by vyžadovalo každého
To se v dohledné době pravděpodobně nestane. To je důvod, proč je práce s klasifikací snímků předána systémům umělé inteligence. Nový výzkum Facebooku, který byl dnes zveřejněn, popisuje nový, rozsáhlý model počítačového vidění s názvem SEER (to je „samokontrolováno“ v beznadějně zkažené tradici backronym, kterou tech lidé rádi objetí). Trénovaný na více než 1 miliardě veřejných obrázků na Instagramu dokáže překonat ty nejmodernější samočinný systém rozpoznávání obrazu, i když jsou obrazy nízké kvality, a proto jsou obtížné číst.
Příbuzný
- A.I. v roce 2020 dosáhla několika významných milníků. Zde je rekapitulace
Je to vývoj, který by mohl, jak tvrdí jeho tvůrci, „[vydláždit] cestu pro flexibilnější, přesnější a adaptabilnější modely počítačového vidění. Může být použit k lepšímu udržujte „škodlivé obrázky nebo memy mimo naši platformu“. Stejně tak by to mohlo být užitečné pro automatické generování obrázků popisujících alternativní text pro zrakově postižené lidí, vynikající automatickou kategorizaci položek k prodeji na Marketplace nebo Facebook Shops a množství dalších aplikací, které vyžadují vylepšené počítačové vidění.
Doporučená videa
Vítejte v revoluci s vlastním dohledem
"Pomocí sebekontroly můžeme trénovat na jakémkoli náhodném obrázku," Priya Goyal, softwarový inženýr ve společnosti Facebook AI Research (FAIR), kde společnost provádí spousta inovativních výzkumů v oblasti rozpoznávání obrazu, řekl Digital Trends. „[To] znamená, že jak se škodlivý obsah vyvíjí, můžeme rychle trénovat nový model na vyvíjejících se datech a v důsledku toho rychleji reagovat na situace.“
Samokontrola, na kterou Goyal odkazuje, je značkou strojové učení to vyžaduje méně lidského vstupu. Semisupervised learning je přístup ke strojovému učení, který se nachází někde mezi učením pod dohledem a učením bez dozoru. Při učení pod dohledem jsou tréninková data plně označena. V učení bez dozoru neexistují žádná označená tréninková data. Ve výuce s částečným dohledem… no, máte představu. Pro strojové učení je pro rodičovství to, co hlídat své dítě, zatímco se autonomně pohybuje po parku. Samokontrolované učení bylo použito k transformačním účinkům ve světě zpracování přirozeného jazyka pro vše od strojového překladu po zodpovězení otázek. Nyní se používá také pro rozpoznávání obrázků.
"Učení bez dozoru je velmi široký pojem, který naznačuje, že učení nepoužívá vůbec žádný dozor," řekl Goyal. „Učení s vlastním dohledem je podmnožinou – nebo konkrétnějším případem – učení bez dohledu, protože sebekontrola automaticky odvozuje supervizní signály z tréninkových dat.”
Učení s vlastním dohledem pro Facebook znamená, že jeho inženýři mohou trénovat modely na náhodných obrázcích, a to rychle a přitom dosahovat dobrého výkonu u mnoha úkolů.
„Schopnost trénovat na libovolném náhodném internetovém obrázku nám umožňuje zachytit vizuální rozmanitost světa,“ řekl Goyal. „Učení pod dohledem na druhé straně vyžaduje anotace dat, což omezuje vizuální chápání světa, protože model je trénován tak, aby se naučil pouze velmi omezené vizuální anotované koncepty. Vytváření anotovaných datových sad také omezuje množství dat, na kterých lze naše systémy trénovat, a proto budou kontrolované systémy pravděpodobně více zaujaté.“
To znamená A.I. systémy, které se mohou lépe učit z jakýchkoli informací, které dostanou, bez nich muset spoléhat na upravené a označené datové sady, které je naučí, jak rozpoznat konkrétní objekty v a fotografie. Ve světě, který se pohybuje stejně rychle jako ten online, je to nezbytné. Mělo by to znamenat chytřejší rozpoznávání obrazu, které funguje rychleji.
Další možné aplikace
„Modely s vlastním dohledem můžeme použít k řešení problémů v doménách, které mají velmi omezená data nebo žádná metadata, jako např. lékařské zobrazování“ řekl Goyal. „Vzhledem k tomu, že jsme schopni trénovat vysoce kvalitní modely s vlastním dohledem pouze z náhodných, neoznačených a neupravených snímků, můžeme trénovat modely na jakémkoli internetový obraz, což nám umožňuje zachytit rozmanitost vizuálního obsahu a zmírnit předsudky, které jinak zavádějí data kurátorství. Protože pro trénování modelu s vlastním dohledem nevyžadujeme žádné štítky ani správu dat, můžeme rychle vytvořit a nasadit nové modely k řešení problémů.“
Stejně jako u všech prací společnosti FAIR, i tato je nyní pevně ve stádiu výzkumu, spíše než aby šlo o technologii, která bude uvedena na váš Facebook v příštích několika týdnech. To znamená, že to nebude okamžitě nasazeno k vyřešení problému se škodlivými obrázky šířícími se online. Zároveň to znamená, že rozhovory o použití A.I. další identifikování jemných detailů v nahraných obrázcích je předčasné.
Ať se nám to líbí nebo ne, A.I. nástroje jsou stále chytřejší. Velkou otázkou je, zda jsou zvyklí věci dále rozbíjet, nebo je začít znovu opravovat.
Doporučení redakce
- A.I. obvykle nic nezapomene, ale nový systém Facebooku ano. Zde je důvod
- Nové A.I na Facebooku posouvá rozpoznávání obrazu na zcela novou úroveň
