Jos Facebookilla on epävirallinen iskulause, joka vastaa Googlen "Don't Be Evil" tai Applen "Think Different" -lausetta, se on "Move Fast and Riko asiat.” Se tarkoittaa ainakin teoriassa, että pitää iteroida kokeilla uutisia eikä pelätä niiden mahdollisuutta epäonnistuminen. Vuonna 2021, kun sosiaalista mediaa syytetään tällä hetkellä lukuisista yhteiskunnallisista ongelmista, ilmaisu pitäisi ehkä muuttaa muotoon: "Move Fast and Fix Things".
Sisällys
- Tervetuloa itseohjautuvaan vallankumoukseen
- Muita mahdollisia sovelluksia
Yksi sosiaalisen median monista alueista, ei vain Facebook, on ollut pillerinä sen vuoksi, että se levittää tiettyjä kuvia verkossa. Se on haastava ongelma kaikilla mielikuvituksilla: Facebookiin ladataan joka sekunti noin 4 000 valokuvaa. Tämä vastaa 14,58 miljoonaa kuvaa tunnissa tai 350 miljoonaa valokuvaa joka päivä. Tämän työn manuaalinen käsittely vaatisi jokaisen
Se ei todennäköisesti tapahdu lähiaikoina. Siksi kuvien luokittelu on siirretty tekoälyjärjestelmien tehtäväksi. Tänään julkaistu uusi Facebook-tutkimus kuvaa uutta, laajamittaista tietokonenäkömallia nimeltä SEER (se on "itsevalvottu" siinä toivottoman sekaisin taustanimitraditiossa, jota tekniikan ihmiset rakastavat omaksua). Instagramin yli miljardiin julkiseen kuvaan koulutettuna se voi menestyä huippuluokan ominaisuuksista itsevalvonta kuvantunnistusjärjestelmä, vaikka kuvat olisivat huonolaatuisia ja siksi vaikeita lukea.
Liittyvät
- A.I. saavuttaa merkittäviä virstanpylväitä vuonna 2020. Tässä yhteenveto
Se on kehitys, joka voisi, sen luojat väittävät, "[tasoittaa] tietä joustavammille, tarkemmille ja mukautetuille tietokonenäkömalleille." Sitä voidaan käyttää parempaankin pidä "haitalliset kuvat tai meemit poissa alustaltamme". Se voi olla yhtä hyödyllinen vaihtoehtoisten tekstien kuvaavien kuvien automaattisessa luomisessa näkövammaisille ihmiset, Marketplacessa tai Facebook Shopsissa myytävien tuotteiden ylivoimainen automaattinen luokittelu ja monet muut sovellukset, jotka vaativat parannettavaa konenäkö.
Suositellut videot
Tervetuloa itseohjautuvaan vallankumoukseen
"Itsevalvontaa käyttämällä voimme harjoitella minkä tahansa satunnaisen kuvan mukaan" Priya Goyal, ohjelmistoinsinööri Facebook AI Researchissa (FAIR), jossa yritys suorittaa runsaasti innovatiivista kuvantunnistustutkimusta, kertoi Digital Trendsille. "[Se] tarkoittaa, että haitallisen sisällön kehittyessä voimme nopeasti kouluttaa uuden mallin kehittyvään dataan ja sen seurauksena reagoida tilanteisiin nopeammin."
Itsevalvonta, johon Goyal viittaa, on tuotemerkki koneoppiminen joka vaatii vähemmän ihmisen panosta. Puoliohjattu oppiminen on lähestymistapa koneoppimiseen, joka sijoittuu jonnekin ohjatun ja ohjaamattoman oppimisen väliin. Ohjatussa oppimisessa harjoitustiedot on merkitty kokonaan. Ohjaamattomassa oppimisessa ei ole merkittyjä harjoitustietoja. Puoliohjatussa oppimisessa… no, ymmärrät idean. Koneoppimisen kannalta on sitä, että lapsen pitäminen puoliksi silmällä, kun hän latautuu itsenäisesti puistossa, on vanhemmuudelle. Itseohjattua oppimista on käytetty muuntaviin vaikutuksiin luonnollisen kielen prosessoinnin maailmassa konekäännöksestä kysymyksiin vastaamiseen. Nyt sitä sovelletaan myös kuvantunnistukseen.
"Ohjaamaton oppiminen on erittäin laaja termi, joka viittaa siihen, että oppiminen ei käytä ohjausta ollenkaan", Goyal sanoi. "Itseohjattu oppiminen on osajoukko - tai tarkempi tapaus - ohjaamattomasta oppimisesta, koska itsevalvonta johtaa ohjaussignaalit automaattisesti koulutustiedoista."
Itseohjattu oppiminen tarkoittaa Facebookille sitä, että sen insinöörit voivat kouluttaa malleja satunnaisten kuvien perusteella ja tehdä sen nopeasti ja samalla saavuttaa hyvä suoritus monissa tehtävissä.
"Kun pystymme harjoittelemaan minkä tahansa satunnaisen Internet-kuvan avulla, voimme vangita maailman visuaalisen monimuotoisuuden", Goyal sanoi. ”Valvottu oppiminen sen sijaan vaatii datamerkintöjä, mikä rajoittaa visuaalista maailman ymmärtämistä, sillä malli on koulutettu oppimaan vain hyvin rajallisia visuaalisesti merkittyjä käsitteitä. Annotoitujen tietojoukkojen luominen rajoittaa myös tietomäärää, jonka järjestelmillemme voidaan kouluttaa, joten valvotut järjestelmät ovat todennäköisesti enemmän puolueellisia."
Mitä tämä tarkoittaa, on A.I. järjestelmät, jotka voivat oppia paremmin mistä tahansa heille annetusta tiedosta ilman täytyy luottaa kuratoituihin ja merkittyihin tietojoukoihin, jotka opettavat heille tunnistamaan tietyt objektit a kuva. Maailmassa, joka liikkuu yhtä nopeasti kuin verkkomaailma, se on välttämätöntä. Sen pitäisi tarkoittaa älykkäämpää kuvantunnistusta, joka toimii nopeammin.
Muita mahdollisia sovelluksia
"Voimme käyttää itsevalvottuja malleja ratkaistaksemme ongelmia verkkotunnuksissa, joissa on hyvin vähän dataa tai ei metadataa, kuten esim. lääketieteellinen kuvantaminen”, Goyal sanoi. "Voimme kouluttaa korkealaatuisia, itsevalvottuja malleja vain satunnaisista, merkitsemättömistä ja kuratoimattomista kuvista, joten voimme kouluttaa malleja millä tahansa Internet-kuva, jonka avulla voimme vangita monimuotoista visuaalista sisältöä ja lieventää datan aiheuttamia harhoja kuratointi. Koska emme vaadi tarroja tai tietojen kuratointia itsevalvotun mallin kouluttamiseen, voimme nopeasti luoda ja ottaa käyttöön uusia malleja ongelmien ratkaisemiseksi.
Kuten kaikki FAIRin työt, tämä on tällä hetkellä tiukasti tutkimusvaiheessa sen sijaan, että se olisi tekniikkaa, joka julkaistaan Facebook-syötteessäsi parin seuraavan viikon aikana. Tämä tarkoittaa, että tätä ei oteta heti käyttöön verkossa leviävien haitallisten kuvien ongelman ratkaisemiseksi. Samalla se tarkoittaa, että keskustelut A.I: n käytöstä. Ladattujen kuvien hienojen yksityiskohtien tunnistaminen on ennenaikaista.
Halusimme tai et, imagoluokitus A.I. työkalut ovat tulossa älykkäämmiksi. Suuri kysymys on, käytetäänkö niitä rikkomaan asioita edelleen vai alkavatko ne korjata niitä uudelleen.
Toimittajien suositukset
- A.I. ei yleensä unohda mitään, mutta Facebookin uusi järjestelmä unohtaa. Tässä on syy
- Facebookin uusi A.I. vie kuvantunnistuksen aivan uudelle tasolle
