Billedgenkendelsesprogrammer trænes ved hjælp af databaser med millioner af fotografier, der er manuelt tagget for at lære computeren at se forskellige objekter. Men Facebook har allerede en interessant database med billeder lige ved hånden: Instagram. Under F8-konferencen, den sociale mediegigant delte, hvordan virksomheden trænede en kunstig intelligens billedgenkendelse system ved at bruge en kombination af offentlige Instagram-billeder og hashtags.
At mærke et billede manuelt for at opbygge en database med millioner af fotos er en tidskrævende proces, især når man går ned til de specifikke detaljer som en fugleart i stedet for blot at mærke "fugl." Facebook forskere besluttede i stedet at se, om de kunne få et eksisterende, allerede mærket sæt billeder til at fungere ved at bruge offentligt delte Instagram-billeder og deres tilhørende hashtags.
Anbefalede videoer
Problemet er selvfølgelig, at hashtags ikke altid beskriver, hvad der er på billedet. Mens nogle brugere kan hashtagge hunderacen på billedet, kan enhver A.I. systemet ville også skulle gennemsøge hashtags som #tbt (Throwback Thursday) eller hashtags med flere betydninger. Facebook kalder disse irrelevante eller uspecifikke hashtags for "usammenhængende etiketstøj."
Relaterede
- Facebook begynder at fusionere Instagram, Messenger-chatfunktioner på iOS, Android
- Facebook siger, at fremtiden er privat, men hvad betyder det?
- Facebook bruger A.I. at skabe verdens mest detaljerede befolkningskort
For at bryde igennem støjen designede Facebook en A.I. at overvåge hashtags - i det væsentlige designe en A.I. for så at bruge det til oprette en anden A.I. Forskergruppen byggede en hashtag-forudsigelsesmodel og begrænsede derefter træningsprogrammet til en specifik liste over hashtags.
Det mest nøjagtige billedgenkendelsessystem, der kom fra eksperimentet, brugte en liste med 1.500 hashtags og trænede på en milliard Instagram-billeder, der ender med en nøjagtighedsgrad på 85,4 procent - en vurdering, som Facebook siger, er to procent højere end tidligere avancerede modeller. Det system var mere nøjagtigt end modellen trænet med 17.000 hashtags, hvilket førte holdet til konkludere, at indsnævring af fokus for træningsdataene fører til en mere nøjagtig billedgenkendelse system.
Facebook planlægger at fortsætte med at bruge en lignende idé til at skabe mere specifik computervision, der er i stand til at genkende typer af træer, blomster og fugle. Et mere præcist billedgenkendelsessystem kunne bruges til at booste Facebooks eksisterende program, der læser indholdet af billeder til for eksempel synshandicappede.
Facebook planlægger at frigive uddannelsesmodellens indlejringer som open source for yderligere udvidelse.
Mens adgangen til Instagrams store datasæt kan hjælpe med at skabe mere nøjagtig billedgenkendelse på kortere tid, rejser andre spørgsmål om privatlivets fred. Facebook sagde, at kun offentlige Instagram-billeder blev brugt i undersøgelsen.
Redaktørens anbefalinger
- Facebook, Instagram kan snart aktivt søge efter - og blokere - stjålne billeder
- Facebook aflyser F8-udviklerkonference på grund af frygt for coronavirus
- Instagrams nye kamerafunktion, Create Mode, er ikke til at tage billeder eller video
- Instagram siger, at dens A.I. kan spore mobning på billeder
- Facebook Marketplace bliver smartere med nye A.I.-drevne værktøjer
Opgrader din livsstilDigital Trends hjælper læserne med at holde styr på den hurtige teknologiske verden med alle de seneste nyheder, sjove produktanmeldelser, indsigtsfulde redaktionelle artikler og enestående smugkig.
