Temui Pengenalan Gambar Baru yang Kuat dari Facebook SEER A.I.

Jika Facebook memiliki slogan tidak resmi, yang setara dengan “Jangan Menjadi Jahat” dari Google atau “Berpikir Berbeda” dari Apple, maka slogan tersebut adalah “Bergerak Cepat dan Hancurkan Segala Sesuatu. Artinya, setidaknya secara teori, seseorang harus mengulang-ulang mencoba berita dan tidak takut akan kemungkinannya kegagalan. Namun pada tahun 2021, ketika media sosial saat ini dituding sebagai penyebab banyaknya penyakit masyarakat, ungkapan tersebut mungkin harus diubah menjadi: “Bergerak Cepat dan Perbaiki Segala Sesuatu.”

Salah satu dari banyak bidang media sosial, bukan hanya Facebook, yang dipermalukan adalah penyebaran gambar-gambar tertentu secara online. Ini adalah masalah yang menantang: Sekitar 4.000 foto diunggah ke Facebook setiap detiknya. Itu setara dengan 14,58 juta gambar per jam, atau 350 juta foto setiap hari. Menangani pekerjaan ini secara manual akan membutuhkan setiap orang Facebook karyawan untuk bekerja dalam shift 12 jam, menyetujui atau memveto gambar yang diunggah setiap sembilan detik.

Hal itu sepertinya tidak akan terjadi dalam waktu dekat. Inilah sebabnya mengapa tugas mengklasifikasikan gambar diserahkan kepada sistem kecerdasan buatan. Sebuah penelitian baru di Facebook, yang diterbitkan hari ini, menjelaskan model visi komputer berskala besar baru yang disebut PELIHAT (itulah “diawasi sendiri” dalam tradisi backronym yang hancur dan tidak ada harapan yang disukai oleh para teknisi merangkul). Dilatih pada lebih dari 1 miliar gambar publik di Instagram, kinerjanya dapat mengungguli gambar paling mutakhir sistem pengenalan gambar yang memantau sendiri, bahkan ketika gambar berkualitas rendah sehingga sulit dilakukan untuk membaca.

Ini adalah perkembangan yang, menurut penciptanya, dapat “[membuka] jalan bagi model visi komputer yang lebih fleksibel, tepat, dan mudah beradaptasi.” Mungkin bisa digunakan dengan lebih baik jauhkan “gambar atau meme berbahaya dari platform kami.” Ini juga bisa berguna untuk secara otomatis menghasilkan gambar yang menggambarkan teks alternatif untuk tunanetra orang, kategorisasi otomatis barang yang unggul untuk dijual di Marketplace atau Toko Facebook, dan banyak aplikasi lain yang memerlukan peningkatan visi komputer.

Selamat datang di revolusi yang diawasi sendiri

“Dengan menggunakan pengawasan diri, kita bisa melatih gambar acak apa pun,” Priya Goyal, seorang insinyur perangkat lunak di Facebook AI Research (FAIR), tempat perusahaan tersebut menjalankannya banyak penelitian pengenalan gambar yang inovatif, kepada Digital Trends. “[Itu] berarti, seiring dengan berkembangnya konten berbahaya, kami dapat dengan cepat melatih model baru berdasarkan data yang terus berkembang dan, sebagai hasilnya, merespons situasi dengan lebih cepat.”

Pengawasan diri yang dimaksud Goyal adalah merek pembelajaran mesin yang memerlukan lebih sedikit masukan dari manusia. Pembelajaran semisupervised adalah pendekatan pembelajaran mesin yang berada di antara pembelajaran yang diawasi dan tidak diawasi. Dalam pembelajaran yang diawasi, data pelatihan diberi label lengkap. Dalam pembelajaran tanpa pengawasan, tidak ada data pelatihan yang diberi label. Dalam pembelajaran semisupervisi… ya, Anda mengerti maksudnya. Bagi pembelajaran mesin, yang dimaksud dengan mengawasi anak Anda saat mereka melakukan aktivitas mandiri di taman adalah dengan mengasuh anak. Pembelajaran dengan pengawasan mandiri telah digunakan untuk memberikan efek transformatif dalam dunia pemrosesan bahasa alami untuk segala hal mulai dari terjemahan mesin hingga menjawab pertanyaan. Sekarang, ini juga diterapkan pada pengenalan gambar.

“Pembelajaran tanpa pengawasan adalah istilah yang sangat luas yang menunjukkan bahwa pembelajaran tidak menggunakan pengawasan sama sekali,” kata Goyal. “Pembelajaran dengan pengawasan mandiri adalah bagian — atau kasus yang lebih spesifik — dari pembelajaran tanpa pengawasan, karena pengawasan mandiri memperoleh sinyal pengawasan secara otomatis dari data pelatihan.”

Pembelajaran dengan pengawasan mandiri bagi Facebook adalah para insinyurnya dapat melatih model pada gambar acak, dan melakukannya dengan cepat sambil mencapai kinerja yang baik dalam banyak tugas.

“Kemampuan melatih gambar acak apa pun di internet memungkinkan kami menangkap keragaman visual dunia,” kata Goyal. “Pembelajaran yang diawasi, di sisi lain, memerlukan anotasi data, yang membatasi pemahaman visual tentang dunia karena model dilatih untuk mempelajari hanya konsep-konsep beranotasi visual yang sangat terbatas. Selain itu, pembuatan kumpulan data beranotasi membatasi jumlah data yang dapat digunakan untuk melatih sistem kami, sehingga sistem yang diawasi cenderung lebih bias.”

Artinya adalah A.I. sistem yang dapat belajar lebih baik dari informasi apa pun yang diberikan, tanpanya harus bergantung pada kumpulan data yang dikurasi dan diberi label yang mengajari mereka cara mengenali objek tertentu di a foto. Di dunia yang bergerak secepat dunia online, hal ini sangatlah penting. Ini berarti pengenalan gambar yang lebih cerdas dan bertindak lebih cepat.

Aplikasi lain yang mungkin

“Kita dapat menggunakan model pengawasan mandiri untuk memecahkan masalah di domain yang memiliki data sangat terbatas atau tidak memiliki metadata pencitraan medis, kata Goyal. “Dengan kemampuan untuk melatih model berkualitas tinggi yang diawasi sendiri hanya dari gambar acak, tidak berlabel, dan tidak dikurasi, kami dapat melatih model pada perangkat apa pun gambar internet, dan hal ini memungkinkan kami menangkap keragaman konten visual, dan mengurangi bias yang ditimbulkan oleh data kurasi. Karena kami tidak memerlukan label atau kurasi data untuk melatih model yang diawasi sendiri, kami dapat dengan cepat membuat dan menerapkan model baru untuk memecahkan masalah.”

Seperti semua pekerjaan FAIR, saat ini teknologi ini masih dalam tahap penelitian, bukan teknologi yang akan diluncurkan di feed Facebook Anda dalam beberapa minggu ke depan. Artinya, teknologi ini tidak akan segera diterapkan untuk menyelesaikan masalah penyebaran gambar berbahaya secara online. Pada saat yang sama, pembicaraan tentang penggunaan A.I. untuk mengidentifikasi lebih lanjut detail halus pada gambar yang diunggah masih terlalu dini.

Suka atau tidak suka, A.I. alat menjadi lebih pintar. Pertanyaan besarnya adalah apakah mereka terbiasa memecahkan masalah lebih lanjut atau mulai memperbaikinya kembali.

Rekomendasi Editor

• A.I. biasanya tidak melupakan apa pun, namun sistem baru Facebook melupakannya. Inilah alasannya
• A.I. baru Facebook membawa pengenalan gambar ke tingkat yang baru