페이스북에 구글의 "사악하게 굴지 말라(Don't Be Evil)"나 애플의 "다르게 생각하라(Think Different)"와 같은 비공식 슬로건이 있다면, 그것은 "빠르게 움직이고, Break Things.” 이는 적어도 이론적으로는 새로운 것을 시도하기 위해 반복해야 하며, 실패. 그러나 2021년에는 현재 소셜 미디어가 수많은 사회적 질병의 원인으로 비난받고 있는 상황에서 이 문구는 아마도 "빠르게 움직이고 문제를 해결하세요"로 수정되어야 할 것입니다.
내용물
- 자기주도 혁명에 오신 것을 환영합니다
- 다른 가능한 응용 프로그램
소셜미디어뿐만 아니라 다양한 분야 중 하나 페이스북는 특정 이미지를 온라인에 유포한다는 이유로 비난을 받았습니다. 아무리 생각해도 어려운 문제입니다. 매초 약 4,000장의 사진이 Facebook에 업로드됩니다. 이는 시간당 1,458만 개의 이미지, 즉 매일 3억 5천만 장의 사진에 해당합니다. 이 작업을 수동으로 처리하려면 모든 단일 작업이 필요합니다.
그것은 곧 일어날 것 같지 않습니다. 이미지를 분류하는 일이 인공지능 시스템에 넘겨지는 이유다. 오늘 발표된 Facebook 연구의 새로운 내용은 다음과 같은 새로운 대규모 컴퓨터 비전 모델을 설명합니다. SEER(기술자들이 즐겨 사용하는 절망적으로 망가진 백러님 전통의 "자체 관리"입니다. 포옹하다). Instagram의 10억 개가 넘는 공개 이미지를 학습하여 가장 최첨단의 이미지보다 뛰어난 성능을 발휘할 수 있습니다. 이미지 품질이 낮아 어려운 경우에도 자체 모니터링 이미지 인식 시스템 읽다.
관련된
- 일체 포함. 2020년에 몇 가지 중요한 이정표를 달성했습니다. 요약은 다음과 같습니다.
제작자는 "더 유연하고 정확하며 적응 가능한 컴퓨터 비전 모델을 위한 길을 닦는다"고 주장합니다. 더 나은 용도로 사용될 수도 있습니다 "유해한 이미지나 밈을 우리 플랫폼에서 멀리"하세요. 시각 장애인을 위한 대체 텍스트 설명 이미지를 자동으로 생성하는 데에도 똑같이 유용할 수 있습니다. 사람, 마켓플레이스나 Facebook Shops에서 판매할 항목의 우수한 자동 분류 및 개선이 필요한 기타 다양한 애플리케이션 컴퓨터 시각 인식.
추천 동영상
자기주도 혁명에 오신 것을 환영합니다
"자기 감독을 사용하면 임의의 이미지에 대해 훈련할 수 있습니다." 프리야 고얄, 회사가 진행하고 있는 Facebook AI Research(FAIR)의 소프트웨어 엔지니어 수많은 혁신적인 이미지 인식 연구, Digital Trends에 말했습니다. "[이것은] 유해한 콘텐츠가 발전함에 따라 진화하는 데이터에 대한 새로운 모델을 신속하게 훈련할 수 있고 결과적으로 상황에 더 빠르게 대응할 수 있다는 것을 의미합니다."
Goyal이 말하는 자체 감독 브랜드는 다음과 같습니다. 기계 학습 사람의 입력이 덜 필요합니다. 준지도 학습은 지도 학습과 비지도 학습 사이에 위치하는 기계 학습에 대한 접근 방식입니다. 지도 학습에서는 훈련 데이터에 완전히 레이블이 지정됩니다. 비지도 학습에는 레이블이 지정된 학습 데이터가 없습니다. 반지도 학습에서는… 글쎄, 당신은 아이디어를 얻습니다. 기계 학습에 있어서 자녀가 공원 주변에서 자율적으로 충전하는 동안 반쯤 지켜보는 것은 육아에 관한 것입니다. 자기 지도 학습은 기계 번역부터 질문 답변에 이르기까지 자연어 처리 세계에서 혁신적인 효과를 거두는 데 사용되었습니다. 이제는 이미지 인식에도 적용되고 있습니다.
“비지도 학습은 학습이 감독을 전혀 사용하지 않음을 암시하는 매우 광범위한 용어입니다.”라고 Goyal은 말했습니다. "자기 감독 학습은 비지도 학습의 하위 집합 또는 보다 구체적인 사례입니다. 자기 감독은 훈련 데이터에서 감독 신호를 자동으로 도출하기 때문입니다."
Facebook에 있어 자기 지도 학습의 의미는 엔지니어가 임의의 이미지로 모델을 훈련할 수 있고 이를 신속하게 수행하면서 많은 작업에서 우수한 성능을 달성할 수 있다는 것입니다.
Goyal은 "임의의 인터넷 이미지를 학습할 수 있으면 세상의 시각적 다양성을 포착할 수 있습니다."라고 말했습니다. “반면 지도 학습에는 데이터 주석이 필요합니다. 이는 모델이 매우 제한적인 시각적 주석이 달린 개념만 학습하도록 훈련되었기 때문에 세상에 대한 시각적 이해를 제한합니다. 또한 주석이 달린 데이터 세트를 생성하면 시스템이 훈련할 수 있는 데이터 양이 제한되므로 지도 시스템이 더 편향될 가능성이 높습니다.”
이것이 의미하는 바는 A.I. 제공되는 모든 정보로부터 더 나은 학습을 할 수 있는 시스템 특정 개체를 인식하는 방법을 가르치는 선별되고 레이블이 지정된 데이터 세트에 의존해야 합니다. 사진. 온라인만큼 빠르게 움직이는 세상에서는 이것이 필수적입니다. 이는 더 빠르게 작동하는 더 스마트한 이미지 인식을 의미합니다.
다른 가능한 응용 프로그램
“우리는 자체 지도 모델을 사용하여 데이터가 매우 제한적이거나 메타데이터가 없는 도메인의 문제를 해결할 수 있습니다. 의료 영상"라고 고얄이 말했다. “무작위의, 라벨이 지정되지 않은, 선별되지 않은 이미지로부터 고품질의 자체 감독 모델을 훈련할 수 있으므로 우리는 어떤 이미지에서도 모델을 훈련할 수 있습니다. 이를 통해 시각적 콘텐츠의 다양성을 포착하고 데이터로 인해 발생하는 편견을 완화할 수 있습니다. 큐레이션. 자체 지도 모델을 훈련하는 데 레이블이나 데이터 큐레이션이 필요하지 않기 때문에 새로운 모델을 신속하게 생성하고 배포하여 문제를 해결할 수 있습니다.”
FAIR의 모든 작업과 마찬가지로 현재 이는 앞으로 몇 주 안에 Facebook 피드에 출시될 기술이 아니라 연구 단계에 있습니다. 즉, 온라인에 퍼지는 유해 이미지 문제를 해결하기 위해 즉시 배포되지는 않습니다. 동시에 A.I 활용에 대한 대화도 이뤄지고 있다는 뜻이다. 업로드된 이미지의 세부 사항을 추가로 식별하는 것은 시기상조입니다.
좋든 싫든 이미지 분류 A.I. 도구가 점점 더 똑똑해지고 있습니다. 가장 큰 질문은 그들이 일을 더 망가뜨리는 데 사용되는지, 아니면 다시 고치기 시작하는지입니다.
편집자의 추천
- 일체 포함. 일반적으로 아무것도 잊지 않지만 Facebook의 새로운 시스템은 잊어버립니다. 이유는 다음과 같습니다
- 페이스북의 새로운 A.I. 이미지 인식을 완전히 새로운 차원으로 끌어올리다
