Če ima Facebook neuradni slogan, ki je enakovreden Googlovemu "Ne bodi zloben" ali Applovemu "Misli drugače", je to "Gibaj hitro in Razbijaj stvari. Vsaj v teoriji to pomeni, da je treba ponavljati, da bi preizkusili novice in se ne bati možnosti, neuspeh. Leta 2021 pa bi morali stavek morda spremeniti v: »Gakajte se hitro in popravite stvari«, ko se trenutno krivijo družbeni mediji za množico družbenih težav.
Vsebina
- Dobrodošli v samonadzorovani revoluciji
- Druge možne aplikacije
Eno od mnogih področij družbenih medijev, ne samo Facebook, je bil obsojen zaradi širjenja določenih slik na spletu. To je zahtevna težava na kakršen koli način: vsako sekundo se na Facebook naloži približno 4000 fotografij. To pomeni 14,58 milijona slik na uro ali 350 milijonov fotografij vsak dan. Ročno opravljanje tega dela bi zahtevalo vsako posamezno
To se verjetno ne bo zgodilo kmalu. Zato je delo razvrščanja slik predano sistemom umetne inteligence. Nova raziskava Facebooka, objavljena danes, opisuje nov, obsežen model računalniškega vida, imenovan SEER (to je "Samonadzorovan" v brezupno pokvarjeni tradiciji pozadinskega imena, ki ga radi uporabljajo tehnološke osebe objem). Naučeno na več kot 1 milijardi javnih slik na Instagramu lahko prekaša najmodernejše samonadzorni sistem za prepoznavanje slik, tudi če so slike nizke kakovosti in zato težavne brati.
Povezano
- A.I. leta 2020 dosegel nekaj pomembnih mejnikov. Tukaj je povzetek
To je razvoj, ki bi lahko, kot trdijo njegovi ustvarjalci, "[utral] pot do bolj prožnih, natančnih in prilagodljivih modelov računalniškega vida." Lahko se bolje uporablja hranite "škodljive slike ali meme stran od naše platforme." Lahko bi bil enako uporaben za samodejno ustvarjanje slik z opisom nadomestnega besedila za slabovidne ljudi, vrhunsko samodejno kategorizacijo artiklov za prodajo na Marketplace ali Facebook Shops in množico drugih aplikacij, ki zahtevajo izboljšavo računalniški vid.
Priporočeni videoposnetki
Dobrodošli v samonadzorovani revoluciji
"S samonadzorom lahko treniramo na kateri koli naključni sliki," Priya Goyal, programski inženir pri Facebook AI Research (FAIR), kjer podjetje izvaja veliko inovativnih raziskav prepoznavanja slik, je povedal za Digital Trends. "[To] pomeni, da lahko z razvojem škodljive vsebine hitro usposobimo nov model na razvijajočih se podatkih in se posledično hitreje odzovemo na situacije."
Samonadzor, na katerega se nanaša Goyal, je blagovna znamka strojno učenje ki zahteva manj človeškega vložka. Polnadzorovano učenje je pristop k strojnemu učenju, ki je nekje med nadzorovanim in nenadzorovanim učenjem. Pri nadzorovanem učenju so podatki o usposabljanju v celoti označeni. Pri nenadzorovanem učenju ni označenih podatkov o usposabljanju. Pri delno nadzorovanem učenju... no, razumete. Za strojno učenje je to, kar je za starševstvo imeti pol oči na svojem otroku, medtem ko avtonomno rine po parku. Samonadzorovano učenje je bilo uporabljeno za transformativne učinke v svetu obdelave naravnega jezika za vse, od strojnega prevajanja do odgovarjanja na vprašanja. Zdaj se uporablja tudi za prepoznavanje slik.
"Učenje brez nadzora je zelo širok izraz, ki nakazuje, da učenje sploh ne uporablja nadzora," je dejal Goyal. "Samonadzorovano učenje je podmnožica - ali bolj specifičen primer - nenadzorovanega učenja, saj samonadzor samodejno izpelje nadzorne signale iz podatkov o usposabljanju."
Kaj samonadzorovano učenje pomeni za Facebook je, da lahko njegovi inženirji urijo modele na naključnih slikah, in to hitro, hkrati pa dosegajo dobro učinkovitost pri številnih nalogah.
"Zmožnost urjenja na kateri koli naključni internetni sliki nam omogoča, da zajamemo vizualno raznolikost sveta," je dejal Goyal. »Nadzorovano učenje po drugi strani zahteva opombe podatkov, kar omejuje vizualno razumevanje sveta, saj je model usposobljen za učenje le zelo omejenih konceptov z vizualnimi opombami. Poleg tega ustvarjanje označenih naborov podatkov omejuje količino podatkov, na podlagi katerih se lahko učijo naši sistemi, zato bodo nadzorovani sistemi verjetno bolj pristranski.«
To pomeni, da je A.I. sistemi, ki se lahko bolje učijo iz kakršnih koli informacij, ki jih dobijo, brez se morajo zanašati na kurirane in označene nize podatkov, ki jih učijo, kako prepoznati določene predmete v a fotografija. V svetu, ki se premika tako hitro kot spletni, je to bistveno. To bi moralo pomeniti pametnejše prepoznavanje slik, ki deluje hitreje.
Druge možne aplikacije
»Samonadzorovane modele lahko uporabimo za reševanje težav v domenah, ki imajo zelo omejene podatke ali nimajo metapodatkov, npr. medicinsko slikanje,« je dejal Goyal. »Ker lahko urimo visokokakovostne samonadzorovane modele samo iz naključnih, neoznačenih in neobdelanih slik, lahko urimo modele na kateri koli internetne slike, kar nam omogoča, da zajamemo raznolikost vizualnih vsebin in ublažimo pristranskosti, ki jih sicer prinašajo podatki. kuriranje. Ker za usposabljanje samonadzorovanega modela ne potrebujemo oznak ali kuriranja podatkov, lahko hitro ustvarimo in uvedemo nove modele za reševanje težav.«
Tako kot pri vsem delu podjetja FAIR je tudi to zdaj trdno v fazi raziskovanja, namesto da bi šlo za tehnologijo, ki bo v naslednjih nekaj tednih uvedena na vaš Facebook vir. To pomeni, da to ne bo takoj uvedeno za rešitev problema škodljivih slik, ki se širijo po spletu. Hkrati pomeni, da so pogovori o uporabi A.I. za nadaljnje prepoznavanje drobnih podrobnosti v naloženih slikah je prezgodaj.
Všeč ali ne, a A.I. orodja postajajo pametnejša. Veliko vprašanje je, ali so navajeni, da stvari še bolj pokvarijo, ali pa jih začnejo znova popravljati.
Priporočila urednikov
- A.I. običajno ničesar ne pozabi, novi Facebookov sistem pa. Evo zakaj
- Facebookov novi A.I. dvigne prepoznavanje slik na povsem novo raven
