Se Facebook ha uno slogan non ufficiale, equivalente al “Don’t Be Evil” di Google o al “Think Different” di Apple, è “Move Fast and Rompi le cose. Significa, almeno in teoria, che si dovrebbe iterare per provare cose nuove e non aver paura della possibilità di farlo fallimento. Nel 2021, tuttavia, con i social media attualmente accusati di una serie di mali sociali, la frase dovrebbe, forse, essere modificata in: “Muoviti velocemente e aggiusta le cose”.
Contenuti
- Benvenuti nella rivoluzione dell'autocontrollo
- Altre possibili applicazioni
Uno dei tanti ambiti dei social media, e non solo Facebook, è stato messo alla berlina per la diffusione di alcune immagini online. È un problema impegnativo con ogni sforzo di immaginazione: circa 4.000 caricamenti di foto vengono effettuati su Facebook ogni singolo secondo. Ciò equivale a 14,58 milioni di immagini all’ora, ovvero 350 milioni di foto ogni giorno. Gestire questo lavoro manualmente richiederebbe ogni singolo
Non è probabile che ciò accada presto. Ecco perché il compito di classificare le immagini è affidato ai sistemi di intelligenza artificiale. Un nuovo pezzo di ricerca di Facebook, pubblicato oggi, descrive un nuovo modello di visione artificiale su larga scala chiamato SEER (che significa "SElf-supERvised" nella tradizione dei backronimi irrimediabilmente distorti che gli esperti di tecnologia amano abbraccio). Basato su oltre 1 miliardo di immagini pubbliche su Instagram, può surclassare quelle più all'avanguardia sistema di riconoscimento delle immagini con automonitoraggio, anche quando le immagini sono di bassa qualità e quindi difficili leggere.
Imparentato
- A.I. raggiunto alcuni traguardi importanti nel 2020. Ecco un riepilogo
È uno sviluppo che potrebbe, affermano i suoi creatori, “[aprire] la strada a modelli di visione artificiale più flessibili, precisi e adattabili”. Potrebbe essere utilizzato per migliorare tenere "immagini o meme dannosi lontani dalla nostra piattaforma". Potrebbe essere altrettanto utile per generare automaticamente immagini descrittive con testo alternativo per ipovedenti persone, categorizzazione automatica superiore degli articoli da vendere su Marketplace o Facebook Shops e una moltitudine di altre applicazioni che richiedono miglioramenti visione computerizzata.
Video consigliati
Benvenuti nella rivoluzione dell'autocontrollo
"Utilizzando l'autosupervisione, possiamo allenarci su qualsiasi immagine casuale", Priya Goal, un ingegnere informatico presso Facebook AI Research (FAIR), dove l'azienda sta svolgendo numerose ricerche innovative sul riconoscimento delle immagini, ha detto a Digital Trends. "[Ciò] significa che, man mano che il contenuto dannoso si evolve, possiamo addestrare rapidamente un nuovo modello sui dati in evoluzione e, di conseguenza, rispondere più rapidamente alle situazioni."
L'autocontrollo a cui fa riferimento Goyal è un marchio di apprendimento automatico che richiede meno input umano. L’apprendimento semisupervisionato è un approccio all’apprendimento automatico che si colloca a metà tra l’apprendimento supervisionato e quello non supervisionato. Nell'apprendimento supervisionato, i dati di addestramento sono completamente etichettati. Nell'apprendimento non supervisionato, non ci sono dati di addestramento etichettati. Nell’apprendimento semisupervisionato… beh, hai capito. Per l’apprendimento automatico è ciò che per i genitori è tenere d’occhio i propri figli mentre si muovono in autonomia in un parco. L’apprendimento autosupervisionato è stato utilizzato con effetti trasformativi nel mondo dell’elaborazione del linguaggio naturale per qualsiasi cosa, dalla traduzione automatica alla risposta alle domande. Ora viene applicato anche al riconoscimento delle immagini.
"L'apprendimento non supervisionato è un termine molto ampio che suggerisce che l'apprendimento non utilizza alcuna supervisione", ha affermato Goyal. “L’apprendimento autosupervisionato è un sottoinsieme – o un caso più specifico – di apprendimento non supervisionato, poiché l’autosupervisione deriva automaticamente i segnali di supervisione dai dati di formazione”.
Ciò che l’apprendimento autosuperato significa per Facebook è che i suoi ingegneri possono addestrare modelli su immagini casuali e farlo rapidamente ottenendo buone prestazioni in molte attività.
"Essere in grado di allenarsi su qualsiasi immagine Internet casuale ci consente di catturare la diversità visiva del mondo", ha affermato Goyal. “L’apprendimento supervisionato, d’altra parte, richiede annotazioni di dati, il che limita la comprensione visiva del mondo poiché il modello è addestrato ad apprendere solo concetti visivi annotati molto limitati. Inoltre, la creazione di set di dati annotati limita la quantità di dati su cui i nostri sistemi possono essere addestrati, quindi è probabile che i sistemi supervisionati siano più distorti”.
Ciò significa che l’A.I. sistemi che possono imparare meglio da qualunque informazione venga loro fornita, senza dover fare affidamento su set di dati curati ed etichettati che insegnano loro come riconoscere oggetti specifici in a foto. In un mondo che si muove velocemente come quello online, questo è essenziale. Ciò dovrebbe significare un riconoscimento delle immagini più intelligente che agisce più rapidamente.
Altre possibili applicazioni
"Possiamo utilizzare i modelli auto-supervisionati per risolvere problemi in domini che hanno dati molto limitati o nessun metadato, come imaging medico", ha detto Goyal. "Essendo in grado di addestrare modelli di alta qualità e auto-supervisionati da immagini casuali, senza etichetta e non curate, possiamo addestrare modelli su qualsiasi immagine di Internet, e questo ci consente di catturare la diversità dei contenuti visivi e mitigare i pregiudizi altrimenti introdotti dai dati cura. Poiché non abbiamo bisogno di etichette o di data curation per addestrare un modello auto-supervisionato, possiamo creare e implementare rapidamente nuovi modelli per risolvere i problemi”.
Come per tutto il lavoro di FAIR, in questo momento questo è saldamente nelle fasi di ricerca, piuttosto che essere una tecnologia che verrà implementata sul tuo feed Facebook nelle prossime due settimane. Ciò significa che questo non verrà immediatamente implementato per risolvere il problema della diffusione online di immagini dannose. Allo stesso tempo, significa che le conversazioni sull’uso dell’A.I. identificare ulteriormente i dettagli più fini nelle immagini caricate è prematuro.
Piaccia o no, però, la classificazione delle immagini A.I. gli strumenti stanno diventando più intelligenti. La grande domanda è se vengono utilizzati per rompere ulteriormente le cose o per iniziare a sistemarle di nuovo.
Raccomandazioni degli editori
- A.I. di solito non dimentica nulla, ma il nuovo sistema di Facebook lo fa. Ecco perché
- La nuova IA di Facebook porta il riconoscimento delle immagini a un livello completamente nuovo
