Lernen Sie Facebooks leistungsstarke neue Bilderkennung SEER A.I. kennen.

Wenn Facebook einen inoffiziellen Slogan hat, der Googles „Don’t Be Evil“ oder Apples „Think Different“ entspricht, dann ist es „Move Fast and.“ Dinge zerbrechen." Zumindest theoretisch bedeutet dies, dass man neue Dinge ausprobieren und keine Angst vor der Möglichkeit haben sollte Versagen. Im Jahr 2021 jedoch, da soziale Medien derzeit für eine Vielzahl gesellschaftlicher Missstände verantwortlich gemacht werden, sollte der Satz vielleicht geändert werden in: „Schnell handeln und Dinge in Ordnung bringen.“

Einer der vielen Bereiche ist Social Media, nicht nur Facebookwurde wegen der Verbreitung bestimmter Bilder im Internet an den Pranger gestellt. Es ist in jeder Hinsicht ein herausforderndes Problem: Jede Sekunde werden etwa 4.000 Foto-Uploads auf Facebook durchgeführt. Das entspricht 14,58 Millionen Bildern pro Stunde oder 350 Millionen Fotos pro Tag. Die manuelle Bearbeitung dieser Aufgabe würde jeden Einzelnen erfordern

Facebook Mitarbeiter müssen 12-Stunden-Schichten arbeiten und alle neun Sekunden ein hochgeladenes Bild genehmigen oder ein Veto einlegen.

Das dürfte so schnell nicht passieren. Aus diesem Grund wird die Aufgabe der Klassifizierung von Bildern Systemen der künstlichen Intelligenz übertragen. Eine neue Facebook-Forschung, die heute veröffentlicht wurde, beschreibt ein neues, groß angelegtes Computer-Vision-Modell namens SEER (das ist „SElf-supERvised“ in der hoffnungslos verstümmelten Backronym-Tradition, die Technikleute so lieben umarmen). Basierend auf über 1 Milliarde öffentlichen Bildern auf Instagram kann es die modernsten Systeme übertreffen selbstüberwachendes Bilderkennungssystem, auch wenn die Bilder von schlechter Qualität und damit schwierig sind lesen.

Es handelt sich um eine Entwicklung, die, wie ihre Schöpfer behaupten, „den Weg für flexiblere, präzisere und anpassungsfähigere Computer-Vision-Modelle ebnen könnte“. Es kann besser genutzt werden Halten Sie „schädliche Bilder oder Memes von unserer Plattform fern“. Es könnte ebenso nützlich sein, um automatisch Bilder mit Alternativtextbeschreibungen für Sehbehinderte zu generieren Menschen, eine bessere automatische Kategorisierung von Artikeln, die auf dem Marktplatz oder in Facebook-Shops verkauft werden sollen, und eine Vielzahl anderer Anwendungen, die verbessert werden müssen Computer Vision.

Willkommen in der selbstüberwachten Revolution

„Mithilfe der Selbstüberwachung können wir an jedem beliebigen Bild trainieren.“ Priya Goyal, ein Softwareentwickler bei Facebook AI Research (FAIR), wo das Unternehmen tätig ist jede Menge innovative Bilderkennungsforschung, sagte Digital Trends. „[Das] bedeutet, dass wir, wenn sich der schädliche Inhalt weiterentwickelt, schnell ein neues Modell auf den sich entwickelnden Daten trainieren und dadurch schneller auf Situationen reagieren können.“

Die Selbstüberwachung, auf die sich Goyal bezieht, ist eine Marke von maschinelles Lernen Das erfordert weniger menschlichen Input. Halbüberwachtes Lernen ist ein Ansatz des maschinellen Lernens, der irgendwo zwischen überwachtem und unüberwachtem Lernen angesiedelt ist. Beim überwachten Lernen werden Trainingsdaten vollständig gekennzeichnet. Beim unbeaufsichtigten Lernen gibt es keine gekennzeichneten Trainingsdaten. Beim halbüberwachten Lernen … nun, Sie verstehen, worauf es ankommt. Für maschinelles Lernen ist es das, was es für Eltern bedeutet, ein halbes Auge auf Ihr Kind zu haben, während es autonom durch einen Park rennt. Selbstüberwachtes Lernen hat in der Welt der natürlichen Sprachverarbeitung für alles von der maschinellen Übersetzung bis zur Beantwortung von Fragen transformative Effekte erzielt. Jetzt wird es auch auf die Bilderkennung angewendet.

„Unüberwachtes Lernen ist ein sehr weit gefasster Begriff, der darauf hindeutet, dass das Lernen überhaupt keine Aufsicht erfordert“, sagte Goyal. „Selbstüberwachtes Lernen ist eine Teilmenge – oder genauer gesagt – des unüberwachten Lernens, da die Selbstüberwachung die Überwachungssignale automatisch aus den Trainingsdaten ableitet.“

Für Facebook bedeutet selbstüberwachtes Lernen, dass seine Ingenieure Modelle anhand zufälliger Bilder trainieren können, und zwar schnell und gleichzeitig bei vielen Aufgaben eine gute Leistung erzielen.

„Die Möglichkeit, auf jedem beliebigen Internetbild zu trainieren, ermöglicht es uns, die visuelle Vielfalt der Welt einzufangen“, sagte Goyal. „Überwachtes Lernen hingegen erfordert Datenanmerkungen, was das visuelle Verständnis der Welt einschränkt, da das Modell darauf trainiert ist, nur sehr begrenzte visuell annotierte Konzepte zu lernen. Außerdem schränkt die Erstellung annotierter Datensätze die Datenmenge ein, mit der unsere Systeme trainiert werden können, sodass überwachte Systeme wahrscheinlich stärker voreingenommen sind.“

Das bedeutet, dass K.I. Systeme, die besser aus den ihnen gegebenen Informationen lernen können, ohne Sie müssen sich auf kuratierte und gekennzeichnete Datensätze verlassen, die ihnen beibringen, bestimmte Objekte in einem zu erkennen Foto. In einer Welt, die sich so schnell verändert wie die Online-Welt, ist das unerlässlich. Es soll eine intelligentere Bilderkennung bedeuten, die schneller agiert.

Weitere mögliche Anwendungen

„Wir können die selbstüberwachten Modelle verwenden, um Probleme in Bereichen zu lösen, die nur über sehr begrenzte Daten oder keine Metadaten verfügen medizinische Bildgebung„, sagte Goyal. „Da wir in der Lage sind, qualitativ hochwertige, selbstüberwachte Modelle nur aus zufälligen, unbeschrifteten und nicht kuratierten Bildern zu trainieren, können wir Modelle auf jedem beliebigen Bild trainieren Dadurch können wir die Vielfalt visueller Inhalte erfassen und die sonst durch Daten verursachten Verzerrungen abmildern Kuration. Da wir für das Training eines selbstüberwachten Modells keine Labels oder Datenkuratierung benötigen, können wir schnell neue Modelle erstellen und bereitstellen, um Probleme zu lösen.“

Wie die gesamte Arbeit von FAIR befindet sich diese derzeit noch in der Forschungsphase und ist keine Technologie, die in den nächsten Wochen in Ihrem Facebook-Feed verfügbar sein wird. Das bedeutet, dass dies nicht sofort zur Lösung des Problems der Online-Verbreitung schädlicher Bilder eingesetzt wird. Gleichzeitig bedeutet es, dass Gespräche über den Einsatz von K.I. Feine Details in hochgeladenen Bildern näher zu identifizieren, ist verfrüht.

Aber ob es Ihnen gefällt oder nicht, die bildklassifizierende KI ist ein echter Hingucker. Werkzeuge werden immer intelligenter. Die große Frage ist, ob sie es gewohnt sind, die Dinge noch weiter kaputt zu machen oder sie wieder in Ordnung zu bringen.

Empfehlungen der Redaktion

• K.I. vergisst normalerweise nichts, aber das neue System von Facebook schon. Hier ist der Grund
• Facebooks neue K.I. bringt die Bilderkennung auf ein völlig neues Niveau