Si Facebook tiene un eslogan no oficial, equivalente al “Don’t Be Evil” de Google o al “Think Different” de Apple, es “Muévete rápido y Romper cosas." Significa, al menos en teoría, que uno debe iterar para probar cosas nuevas y no tener miedo de la posibilidad de falla. En 2021, sin embargo, cuando actualmente se culpa a las redes sociales por una gran cantidad de males sociales, la frase tal vez debería modificarse para decir: “Moverse rápido y arreglar las cosas”.
Contenido
- Bienvenidos a la revolución autosupervisada
- Otras posibles aplicaciones
Una de las muchas áreas de las redes sociales, no solo Facebook, ha sido ridiculizado por la difusión de determinadas imágenes en línea. Es un problema desafiante desde cualquier punto de vista de la imaginación: cada segundo se cargan unas 4.000 fotografías en Facebook. Eso equivale a 14,58 millones de imágenes por hora, o 350 millones de fotos cada día. Manejar este trabajo manualmente requeriría todos y cada uno de los
No es probable que eso suceda pronto. Por este motivo, la tarea de clasificar las imágenes se deja en manos de sistemas de inteligencia artificial. Una nueva investigación de Facebook, publicada hoy, describe un nuevo modelo de visión por computadora a gran escala llamado SEER (eso es “SElf-supERvised” en la tradición de backronym irremediablemente destrozada que a la gente de tecnología les encanta abarcar). Entrenado con más de mil millones de imágenes públicas en Instagram, puede superar a los más avanzados. sistema de reconocimiento de imágenes con autocontrol, incluso cuando las imágenes son de baja calidad y, por lo tanto, difíciles leer.
Relacionado
- AI. alcanzó algunos hitos importantes en 2020. Aquí hay un resumen
Es un desarrollo que, según afirman sus creadores, podría "[allanar] el camino para modelos de visión por computadora más flexibles, precisos y adaptables". Puede usarse para mejorar Mantenga “imágenes o memes dañinos lejos de nuestra plataforma”. Podría ser igualmente útil para generar automáticamente imágenes que describan texto alternativo para personas con discapacidad visual. personas, categorización automática superior de los artículos que se venderán en Marketplace o Facebook Shops, y una multitud de otras aplicaciones que requieren mejoras visión por computador.
Vídeos recomendados
Bienvenidos a la revolución autosupervisada
"Utilizando la autosupervisión, podemos entrenar con cualquier imagen aleatoria". Priya Goyal, ingeniero de software de Facebook AI Research (FAIR), donde la empresa está llevando a cabo Un montón de investigaciones innovadoras sobre el reconocimiento de imágenes., dijo a Digital Trends. "[Eso] significa que, a medida que el contenido dañino evoluciona, podemos entrenar rápidamente un nuevo modelo con los datos en evolución y, como resultado, responder más rápido a las situaciones".
La autosupervisión a la que se refiere Goyal es una marca de aprendizaje automático eso requiere menos participación humana. El aprendizaje semisupervisado es un enfoque del aprendizaje automático que se sitúa en algún punto entre el aprendizaje supervisado y el no supervisado. En el aprendizaje supervisado, los datos de entrenamiento están completamente etiquetados. En el aprendizaje no supervisado, no hay datos de entrenamiento etiquetados. En el aprendizaje semisupervisado… bueno, ya entiendes la idea. Para el aprendizaje automático, es lo que para la crianza de los hijos es vigilar a su hijo mientras carga de forma autónoma en un parque. El aprendizaje autosupervisado se ha utilizado con efectos transformadores en el mundo del procesamiento del lenguaje natural para todo, desde la traducción automática hasta la respuesta a preguntas. Ahora también se está aplicando al reconocimiento de imágenes.
"El aprendizaje no supervisado es un término muy amplio que sugiere que el aprendizaje no utiliza ninguna supervisión", dijo Goyal. "El aprendizaje autosupervisado es un subconjunto (o un caso más específico) del aprendizaje no supervisado, ya que la autosupervisión deriva las señales de supervisión automáticamente a partir de los datos de entrenamiento".
Lo que significa el aprendizaje autosupervisado para Facebook es que sus ingenieros pueden entrenar modelos en imágenes aleatorias y hacerlo rápidamente mientras logran un buen desempeño en muchas tareas.
"Poder entrenar con cualquier imagen aleatoria de Internet nos permite capturar la diversidad visual del mundo", dijo Goyal. “El aprendizaje supervisado, por otro lado, requiere anotaciones de datos, lo que limita la comprensión visual del mundo, ya que el modelo está entrenado para aprender solo conceptos anotados visuales muy limitados. Además, la creación de conjuntos de datos anotados limita la cantidad de datos con los que se pueden entrenar nuestros sistemas, por lo que es probable que los sistemas supervisados estén más sesgados”.
Lo que esto significa es A.I. sistemas que pueden aprender mejor de cualquier información que se les proporcione, sin tener que depender de conjuntos de datos seleccionados y etiquetados que les enseñen cómo reconocer objetos específicos en un foto. En un mundo que avanza tan rápido como el online, eso es esencial. Debería significar un reconocimiento de imágenes más inteligente que actúe más rápidamente.
Otras posibles aplicaciones
"Podemos utilizar los modelos autosupervisados para resolver problemas en dominios que tienen datos muy limitados o ningún metadato, como imagenes medicas”, dijo Goyal. “Al poder entrenar modelos autosupervisados de alta calidad a partir de imágenes aleatorias, sin etiquetar y sin curar, podemos entrenar modelos en cualquier imagen de Internet, y esto nos permite capturar la diversidad de contenido visual y mitigar los sesgos que de otro modo introducirían los datos. curación. Dado que no requerimos etiquetas ni curación de datos para entrenar un modelo autosupervisado, podemos crear e implementar rápidamente nuevos modelos para resolver problemas”.
Como ocurre con todo el trabajo de FAIR, en este momento esto se encuentra firmemente en las etapas de investigación, en lugar de ser una tecnología que se implementará en su cuenta de Facebook en las próximas semanas. Eso significa que esto no se implementará de inmediato para resolver el problema de la difusión de imágenes dañinas en línea. Al mismo tiempo, significa que las conversaciones sobre el uso de la I.A. identificar más detalles finos en las imágenes cargadas es prematuro.
Sin embargo, nos guste o no, la IA para clasificar imágenes. Las herramientas son cada vez más inteligentes. La gran pregunta es si se utilizan para romper aún más las cosas o para empezar a arreglarlas nuevamente.
Recomendaciones de los editores
- AI. No suele olvidarse de nada, pero el nuevo sistema de Facebook sí. Este es el por qué
- La nueva IA de Facebook lleva el reconocimiento de imágenes a un nivel completamente nuevo
