Το Facebook ανοίγει την τεχνητή νοημοσύνη του για την αναγνώριση εικόνων σε όλους

Facebook προηγουμένως παρουσίασε τα συστήματα αναγνώρισης εικόνων σε μια σειρά από ερευνητικές εργασίες, οι οποίες είναι επίσης διαθέσιμες στο κοινό μαζί με τις επιδείξεις του. Προς το παρόν, οι αλγόριθμοι της εταιρείας λειτουργούν σε συνδυασμό με τα συνελικτικά νευρωνικά δίκτυα MultiPathNet - μια τεχνητή νοημοσύνη που τροφοδοτείται τεράστια ποσότητες δεδομένων μέχρι να μπορέσει να αναγνωρίσει αυτόνομα άλλα δεδομένα — επιτρέποντας στο Facebook να κατανοήσει μια εικόνα με βάση κάθε pixel της περιέχει.

Προκειμένου να ταξινομήσει και να χαρακτηρίσει τα αντικείμενα σε μια εικόνα, το Facebook συνδυάζει το πλαίσιο τμηματοποίησης DeepMask με τη μονάδα βελτίωσης τμήματος SharpMask. Το τελευταίο στάδιο στο σύστημα μηχανικής όρασης του Facebook χρησιμοποιεί το MultiPathNet βαθιάς εκμάθησης AI για να επισημάνει κάθε αντικείμενο στη φωτογραφία.

Σύμφωνα με το Facebook, το λογισμικό μηχανικής όρασης AI έχει προχωρήσει αλματωδώς τα τελευταία χρόνια, επιτρέποντας τον τύπο ταξινόμησης εικόνων που δεν υπήρχε καν πριν από λίγο. Facebook ισχυρίζεται ότι η ανοιχτή προέλευση του λογισμικού είναι κρίσιμης σημασίας για την εξέλιξή του.

Τεχνικές βαθιάς εκμάθησης ξεπηδούν σε όλο το μεγάλο μπλε μεγαθήριο. Το AI εξουσιοδοτεί το Facebook (αμφιλεγόμενος) χαρακτηριστικό αναγνώρισης προσώπου, διαχειρίζεται την επιμέλεια στη ροή ειδήσεων και χρησιμοποιείται ακόμη και στο ψηφιακός βοηθός για το Messenger.

Αυτή δεν είναι η πρώτη φορά που το Facebook έχει τεχνητή νοημοσύνη ανοιχτού κώδικα. Στην πραγματικότητα, η εταιρεία είναι κάπως πρωτοπόρος όταν πρόκειται να μοιραστεί την τεχνολογία της. Τον Δεκεμβριο, Facebook υπέβαλε την τελευταία λέξη της τεχνολογίας διακομιστή υπολογιστή αφιερωμένο στην τεχνητή νοημοσύνη στο Open Compute Project — μια ομάδα που αποτελείται από τεχνολογικούς γίγαντες, όπως η Apple και η Microsoft, που μοιράζονται τα σχέδια των αντίστοιχων υποδομών υπολογιστών τους.

Το Facebook προβλέπει ήδη τις μελλοντικές περιπτώσεις χρήσης για την τεχνολογία αναγνώρισης εικόνων. Η εταιρεία αποκαλύπτει ότι θα μπορούσε ενδεχομένως να τη βοηθήσει να βασιστεί στις υπάρχουσες περιγραφές εικόνων που δημιουργούνται με τεχνητή νοημοσύνη για το με προβλήματα όρασης.

«Προς το παρόν, οι χρήστες με προβλήματα όρασης που περιηγούνται σε φωτογραφίες στο Facebook ακούνε μόνο το όνομα του ατόμου που μοιράστηκε τη φωτογραφία, ακολουθούμενο από τον όρο «φωτογραφία», όταν συναντούν μια εικόνα στο News Feed τους», γράφει ο Piotr Dollar, ερευνητής στο Facebook AI Research (FAIR), σε α ανάρτηση. «Αντίθετα, στοχεύουμε να προσφέρουμε πιο πλούσιες περιγραφές, όπως «Η φωτογραφία περιέχει παραλία, δέντρα και τρία χαμογελαστά άτομα».

Επιπλέον, το Facebook ισχυρίζεται ότι η επόμενη πρόκληση του είναι να εφαρμόσει τις τεχνικές αναγνώρισης εικόνων στο βίντεο, «όπου τα αντικείμενα κινούνται, αλληλεπιδρούν και αλλάζουν με την πάροδο του χρόνου» και ακόμη Facebook Ζωντανές μεταδόσεις. «Η ταξινόμηση σε πραγματικό χρόνο θα μπορούσε να βοηθήσει στην εμφάνιση σχετικών και σημαντικών ζωντανών βίντεο Facebook, ενώ η εφαρμογή πιο εκλεπτυσμένων τεχνικών για την ανίχνευση σκηνών, αντικειμένων και ενεργειών σε χώρο και χρόνο θα μπορούσε μια μέρα να επιτρέψει την αφήγηση σε πραγματικό χρόνο», προσθέτει ο Dollar.

Συστάσεις των συντακτών

• Ακόμη και το OpenAI έχει εγκαταλείψει την προσπάθεια ανίχνευσης της λογοκλοπής ChatGPT
• Οι καλύτερες γεννήτριες εικόνων AI για τη δημιουργία τέχνης από κείμενο
• Η Meta έφτιαξε το DALL-E για βίντεο και είναι ανατριχιαστικό και εκπληκτικό
• Τρεις λόγοι για τους οποίους το Facebook/Meta κλείνει το σύστημα αναγνώρισης προσώπου
• The BigSleep A.I. είναι σαν την Αναζήτηση εικόνων Google για φωτογραφίες που δεν υπάρχουν ακόμα

Αναβαθμίστε τον τρόπο ζωής σαςΤο Digital Trends βοηθά τους αναγνώστες να παρακολουθούν τον γρήγορο κόσμο της τεχνολογίας με όλα τα τελευταία νέα, διασκεδαστικές κριτικές προϊόντων, διορατικά editorial και μοναδικές κρυφές ματιές.