Se o Facebook tem um slogan não oficial, equivalente ao “Don’t Be Evil” do Google ou ao “Think Different” da Apple, é “Move Fast and Quebre as coisas. Significa, pelo menos em teoria, que se deve iterar para experimentar novidades e não ter medo da possibilidade de falha. Em 2021, no entanto, com as redes sociais sendo atualmente responsabilizadas por uma infinidade de males sociais, a frase deveria, talvez, ser modificada para: “Avance rápido e conserte as coisas”.
Conteúdo
- Bem-vindo à revolução auto-supervisionada
- Outras aplicações possíveis
Uma das muitas áreas da mídia social, não apenas Facebook, tem sido criticado pela divulgação de certas imagens online. É um problema desafiador para qualquer imaginação: cerca de 4.000 uploads de fotos são feitos no Facebook a cada segundo. Isso equivale a 14,58 milhões de imagens por hora, ou 350 milhões de fotos por dia. Lidar com esse trabalho manualmente exigiria cada
Não é provável que isso aconteça tão cedo. É por isso que o trabalho de classificação das imagens é entregue aos sistemas de inteligência artificial. Uma nova pesquisa do Facebook, publicada hoje, descreve um novo modelo de visão computacional em grande escala chamado SEER (que é “autossupervisionado” na tradição de backronym desesperadamente mutilada que o pessoal da tecnologia adora abraçar). Treinado em mais de 1 bilhão de imagens públicas no Instagram, ele pode superar as imagens mais avançadas sistema de reconhecimento de imagem com automonitoramento, mesmo quando as imagens são de baixa qualidade e, portanto, difíceis ler.
Relacionado
- IA atingiu alguns marcos importantes em 2020. Aqui está uma recapitulação
É um desenvolvimento que poderia, afirmam seus criadores, “[pavimentar] o caminho para modelos de visão computacional mais flexíveis, precisos e adaptáveis”. Pode ser usado para melhor mantenha “imagens ou memes prejudiciais longe de nossa plataforma”. Poderia ser igualmente útil para gerar automaticamente imagens de descrição de texto alternativo para deficientes visuais pessoas, categorização automática superior de itens a serem vendidos no Marketplace ou nas lojas do Facebook e uma infinidade de outros aplicativos que exigem melhorias visão computacional.
Vídeos recomendados
Bem-vindo à revolução auto-supervisionada
“Usando a autosupervisão, podemos treinar em qualquer imagem aleatória”, Priya Goyal, engenheiro de software do Facebook AI Research (FAIR), onde a empresa está realizando muitas pesquisas inovadoras de reconhecimento de imagem, disse Tendências Digitais. “[Isso] significa que, à medida que o conteúdo prejudicial evolui, podemos treinar rapidamente um novo modelo nos dados em evolução e, como resultado, responder mais rapidamente às situações.”
A auto-supervisão a que Goyal se refere é uma marca de aprendizado de máquina que requer menos intervenção humana. O aprendizado semissupervisionado é uma abordagem de aprendizado de máquina que fica em algum lugar entre o aprendizado supervisionado e o não supervisionado. Na aprendizagem supervisionada, os dados de treinamento são totalmente rotulados. Na aprendizagem não supervisionada, não há dados de treinamento rotulados. Na aprendizagem semissupervisionada… bem, essa é a ideia. Para o aprendizado de máquina, é o que ficar de olho em seu filho enquanto ele corre de forma autônoma em um parque é para os pais. A aprendizagem auto-supervisionada tem sido usada para efeitos transformadores no mundo do processamento de linguagem natural para tudo, desde tradução automática até resposta a perguntas. Agora, também está sendo aplicado ao reconhecimento de imagens.
“Aprendizagem não supervisionada é um termo muito amplo que sugere que a aprendizagem não utiliza supervisão alguma”, disse Goyal. “A aprendizagem auto-supervisionada é um subconjunto – ou um caso mais específico – de aprendizagem não supervisionada, uma vez que a auto-supervisão deriva os sinais de supervisão automaticamente dos dados de treinamento.”
O que o aprendizado autossupervisionado significa para o Facebook é que seus engenheiros podem treinar modelos em imagens aleatórias, e fazê-lo rapidamente, ao mesmo tempo em que alcançam um bom desempenho em muitas tarefas.
“Ser capaz de treinar em qualquer imagem aleatória da Internet nos permite capturar a diversidade visual do mundo”, disse Goyal. “A aprendizagem supervisionada, por outro lado, requer anotações de dados, o que limita a compreensão visual do mundo, pois o modelo é treinado para aprender apenas conceitos anotados visuais muito limitados. Além disso, a criação de conjuntos de dados anotados limita a quantidade de dados em que nossos sistemas podem ser treinados, portanto, os sistemas supervisionados provavelmente serão mais tendenciosos.”
O que isso significa é IA. sistemas que podem aprender melhor com qualquer informação que recebam, sem ter que contar com conjuntos de dados selecionados e rotulados que os ensinam como reconhecer objetos específicos em um foto. Num mundo que se move tão rapidamente como o online, isso é essencial. Deve significar um reconhecimento de imagem mais inteligente e que atue mais rapidamente.
Outras aplicações possíveis
“Podemos usar os modelos auto-supervisionados para resolver problemas em domínios que possuem dados muito limitados ou nenhum metadado, como imagens médicas”, disse Goyal. “Sendo capazes de treinar modelos auto-supervisionados de alta qualidade a partir de imagens aleatórias, sem rótulos e sem curadoria, podemos treinar modelos em qualquer imagem da Internet, e isso nos permite capturar a diversidade de conteúdo visual e mitigar os preconceitos introduzidos pelos dados curadoria. Como não exigimos rótulos ou curadoria de dados para treinar um modelo autosupervisionado, podemos criar e implantar rapidamente novos modelos para resolver problemas.”
Tal como acontece com todo o trabalho da FAIR, neste momento isto está firmemente em fase de investigação, em vez de ser uma tecnologia que será lançada no seu feed do Facebook nas próximas semanas. Isso significa que isso não será implementado imediatamente para resolver o problema da propagação de imagens prejudiciais online. Ao mesmo tempo, significa que as conversas sobre o uso da IA. identificar melhor detalhes nas imagens enviadas é prematuro.
Goste ou não, porém, a IA de classificação de imagens. as ferramentas estão ficando mais inteligentes. A grande questão é se eles estão acostumados a quebrar ainda mais as coisas ou começar a consertá-las novamente.
Recomendações dos Editores
- IA normalmente não esquece nada, mas o novo sistema do Facebook sim. Aqui está o porquê
- A nova IA do Facebook leva o reconhecimento de imagem a um nível totalmente novo
