मिलिए फेसबुक की शक्तिशाली नई छवि पहचान एसईईआर ए.आई से

यदि फेसबुक का कोई अनौपचारिक नारा है, जो Google के "बुरा मत बनो" या Apple के "अलग सोचो" के बराबर है, तो यह "तेज़ी से आगे बढ़ें" है। चीजों को तोड़ने।" इसका मतलब है, कम से कम सैद्धांतिक रूप से, कि व्यक्ति को समाचार वाली चीज़ों को बार-बार आज़माना चाहिए और इसकी संभावना से नहीं डरना चाहिए असफलता। हालाँकि, 2021 में, चूँकि सोशल मीडिया को वर्तमान में कई सामाजिक बुराइयों के लिए दोषी ठहराया जा रहा है, इस वाक्यांश को, शायद, संशोधित किया जाना चाहिए: "तेजी से आगे बढ़ें और चीजों को ठीक करें।"

सोशल मीडिया ही नहीं, कई क्षेत्रों में से एक फेसबुक, इसकी कुछ छवियों के ऑनलाइन प्रसार के लिए आलोचना की गई है। कल्पना के किसी भी स्तर पर यह एक चुनौतीपूर्ण समस्या है: फेसबुक पर हर एक सेकंड में लगभग 4,000 फोटो अपलोड किए जाते हैं। यह प्रति घंटे 14.58 मिलियन छवियों या प्रत्येक दिन 350 मिलियन तस्वीरों के बराबर है। इस कार्य को मैन्युअल रूप से संभालने के लिए प्रत्येक की आवश्यकता होगी फेसबुक कर्मचारी को 12-घंटे की शिफ्ट में काम करना होगा, हर नौ सेकंड में अपलोड की गई छवि को मंजूरी देनी होगी या वीटो करना होगा।

ऐसा निकट भविष्य में होने की संभावना नहीं है। यही कारण है कि छवियों को वर्गीकृत करने का काम कृत्रिम बुद्धिमत्ता प्रणालियों को सौंप दिया गया है। फेसबुक शोध का एक नया अंश, जो आज प्रकाशित हुआ, एक नए, बड़े पैमाने के कंप्यूटर विज़न मॉडल का वर्णन करता है जिसे कहा जाता है एसईईआर (यह निराशाजनक रूप से उलझी हुई संक्षिप्त परंपरा में "स्व-पर्यवेक्षित" है जिसे तकनीकी लोग पसंद करते हैं अपनाना)। इंस्टाग्राम पर 1 बिलियन से अधिक सार्वजनिक छवियों पर प्रशिक्षित, यह सबसे अत्याधुनिक से बेहतर प्रदर्शन कर सकता है स्व-निगरानी छवि-पहचान प्रणाली, तब भी जब छवियां निम्न गुणवत्ता की हों और इसलिए कठिन हों पढ़ने के लिए।

यह एक ऐसा विकास है जो, इसके रचनाकारों का दावा है, "अधिक लचीले, सटीक और अनुकूलनीय कंप्यूटर विज़न मॉडल के लिए मार्ग प्रशस्त कर सकता है।" इसका बेहतर उपयोग किया जा सकता है "हानिकारक छवियों या मीम्स को हमारे मंच से दूर रखें।" यह दृष्टिबाधितों के लिए स्वचालित रूप से ऑल्ट-टेक्स्ट-वर्णन करने वाली छवियां उत्पन्न करने के लिए समान रूप से उपयोगी हो सकता है लोग, मार्केटप्लेस या फेसबुक शॉप्स पर बेची जाने वाली वस्तुओं का बेहतर स्वचालित वर्गीकरण, और कई अन्य एप्लिकेशन जिनमें सुधार की आवश्यकता है कंप्यूटर दृष्टि।

स्व-पर्यवेक्षित क्रांति में आपका स्वागत है

"स्व-पर्यवेक्षण का उपयोग करके, हम किसी भी यादृच्छिक छवि पर प्रशिक्षण ले सकते हैं," प्रिया गोयलफेसबुक एआई रिसर्च (एफएआईआर) में एक सॉफ्टवेयर इंजीनियर, जहां कंपनी काम कर रही है प्रचुर नवीन छवि-पहचान अनुसंधान, डिजिटल ट्रेंड्स को बताया। "[उसका] मतलब है कि, जैसे-जैसे हानिकारक सामग्री विकसित होती है, हम विकसित हो रहे डेटा पर एक नए मॉडल को जल्दी से प्रशिक्षित कर सकते हैं और परिणामस्वरूप, स्थितियों पर तेजी से प्रतिक्रिया कर सकते हैं।"

गोयल जिस स्व-पर्यवेक्षण की बात कर रहे हैं, वह एक ब्रांड है यंत्र अधिगम इसके लिए मानव इनपुट की कम आवश्यकता होती है। अर्धपर्यवेक्षित शिक्षण मशीन लर्निंग का एक दृष्टिकोण है जो पर्यवेक्षित और गैर-पर्यवेक्षित शिक्षण के बीच कहीं बैठता है। पर्यवेक्षित शिक्षण में, प्रशिक्षण डेटा को पूरी तरह से लेबल किया जाता है। बिना पर्यवेक्षित शिक्षण में, कोई लेबल वाला प्रशिक्षण डेटा नहीं होता है। अर्ध-पर्यवेक्षित शिक्षण में... ठीक है, आपको यह विचार मिल गया है। यह, मशीन लर्निंग के लिए है, कि पार्क के चारों ओर स्वायत्त रूप से चार्ज करते समय अपने बच्चे पर आधी नजर रखना, पालन-पोषण के लिए है। मशीनी अनुवाद से लेकर प्रश्न उत्तर तक हर चीज़ के लिए प्राकृतिक भाषा प्रसंस्करण की दुनिया में परिवर्तनकारी प्रभावों के लिए स्व-पर्यवेक्षित शिक्षण का उपयोग किया गया है। अब, इसे छवि पहचान पर भी लागू किया जा रहा है।

गोयल ने कहा, "अनसुपरवाइज्ड लर्निंग एक बहुत व्यापक शब्द है जो बताता है कि सीखने में किसी पर्यवेक्षण का उपयोग नहीं किया जाता है।" "स्व-पर्यवेक्षित शिक्षण एक उपसमूह है - या अधिक विशिष्ट मामला - बिना पर्यवेक्षित शिक्षण का, क्योंकि स्व-पर्यवेक्षण प्रशिक्षण डेटा से पर्यवेक्षी संकेतों को स्वचालित रूप से प्राप्त करता है।"

फेसबुक के लिए स्व-पर्यवेक्षित सीखने का मतलब यह है कि इसके इंजीनियर यादृच्छिक छवियों पर मॉडल को प्रशिक्षित कर सकते हैं, और कई कार्यों पर अच्छा प्रदर्शन प्राप्त करते हुए ऐसा तेज़ी से कर सकते हैं।

गोयल ने कहा, "किसी भी यादृच्छिक इंटरनेट छवि पर प्रशिक्षण लेने में सक्षम होने से हमें दुनिया की दृश्य विविधता को पकड़ने की अनुमति मिलती है।" दूसरी ओर, पर्यवेक्षित शिक्षण के लिए डेटा एनोटेशन की आवश्यकता होती है, जो दुनिया की दृश्य समझ को सीमित करता है क्योंकि मॉडल को केवल बहुत सीमित दृश्य एनोटेटेड अवधारणाओं को सीखने के लिए प्रशिक्षित किया जाता है। इसके अलावा, एनोटेटेड डेटासेट बनाने से डेटा की मात्रा सीमित हो जाती है जिस पर हमारे सिस्टम को प्रशिक्षित किया जा सकता है, इसलिए पर्यवेक्षित सिस्टम अधिक पक्षपाती होने की संभावना है।

इसका क्या मतलब है ए.आई. ऐसी प्रणालियाँ जो बिना दी गई किसी भी जानकारी से बेहतर सीख सकती हैं उन्हें क्यूरेटेड और लेबल किए गए डेटासेट पर भरोसा करना पड़ता है जो उन्हें विशिष्ट वस्तुओं को पहचानने का तरीका सिखाते हैं तस्वीर। ऐसी दुनिया में जो ऑनलाइन जितनी तेजी से आगे बढ़ रही है, यह आवश्यक है। इसका मतलब बेहतर छवि पहचान होना चाहिए जो अधिक तेज़ी से कार्य करती है।

अन्य संभावित अनुप्रयोग

“हम उन डोमेन में समस्याओं को हल करने के लिए स्व-पर्यवेक्षित मॉडल का उपयोग कर सकते हैं जिनमें बहुत सीमित डेटा है या कोई मेटाडेटा नहीं है, जैसे मेडिकल इमेजिंग, “गोयल ने कहा। “केवल यादृच्छिक, बिना लेबल वाली और बिना क्यूरेटेड छवियों से उच्च गुणवत्ता वाले, स्व-पर्यवेक्षित मॉडल को प्रशिक्षित करने में सक्षम होने के कारण, हम किसी भी मॉडल पर मॉडल को प्रशिक्षित कर सकते हैं इंटरनेट छवि, और यह हमें दृश्य सामग्री की विविधता को पकड़ने और डेटा द्वारा अन्यथा प्रस्तुत पूर्वाग्रहों को कम करने की अनुमति देती है अवधि. चूँकि हमें स्व-पर्यवेक्षित मॉडल के प्रशिक्षण के लिए किसी लेबल या डेटा क्यूरेशन की आवश्यकता नहीं है, हम समस्याओं को हल करने के लिए जल्दी से नए मॉडल बना और तैनात कर सकते हैं।

जैसा कि एफएआईआर के सभी कार्यों के साथ होता है, अभी यह प्रौद्योगिकी के बजाय अनुसंधान चरण में है, जो अगले कुछ हफ्तों में आपके फेसबुक फ़ीड पर आ जाएगा। इसका मतलब है कि इसे ऑनलाइन फैलने वाली हानिकारक छवियों की समस्या को हल करने के लिए तुरंत तैनात नहीं किया जाएगा। साथ ही, इसका मतलब है कि ए.आई. के उपयोग के बारे में बातचीत। अपलोड की गई छवियों में बारीक विवरणों की पहचान करना जल्दबाजी होगी।

हालाँकि, यह पसंद है या नहीं, छवि-वर्गीकरण ए.आई. उपकरण अधिक स्मार्ट होते जा रहे हैं। बड़ा सवाल यह है कि क्या उनका उपयोग चीजों को और अधिक तोड़ने के लिए किया जाता है या उन्हें फिर से ठीक करना शुरू करने के लिए किया जाता है।

संपादकों की सिफ़ारिशें

• ए.आई. आमतौर पर कुछ भी नहीं भूलता, लेकिन फेसबुक का नया सिस्टम भूल जाता है। उसकी वजह यहाँ है
• फेसबुक का नया A.I. छवि पहचान को बिल्कुल नए स्तर पर ले जाता है