หาก Facebook มีสโลแกนที่ไม่เป็นทางการ ซึ่งเทียบเท่ากับ “Don’t Be Evil” ของ Google หรือ “Think Different” ของ Apple นั่นก็คือ “Move Fast and ทำลายสิ่งต่าง ๆ” อย่างน้อยในทางทฤษฎีหมายความว่าเราควรทำซ้ำเพื่อลองข่าวสารและไม่กลัวความเป็นไปได้ ความล้มเหลว. อย่างไรก็ตาม ในปี 2021 เนื่องจากปัจจุบันโซเชียลมีเดียถูกตำหนิว่าเป็นต้นเหตุของความเจ็บป่วยทางสังคม วลีนี้จึงควรปรับเปลี่ยนเป็น: “Move Fast and Fix Things”
สารบัญ
- ยินดีต้อนรับสู่การปฏิวัติที่กำกับตนเอง
- แอปพลิเคชันอื่น ๆ ที่เป็นไปได้
หนึ่งในหลายพื้นที่ของโซเชียลมีเดีย ไม่ใช่แค่เพียง เฟสบุ๊คถูกปล้นเนื่องจากการเผยแพร่ภาพบางภาพทางออนไลน์ มันเป็นปัญหาที่ท้าทายไม่ว่าจะใช้จินตนาการใดก็ตาม มีการอัปโหลดรูปภาพประมาณ 4,000 ภาพไปยัง Facebook ทุกๆ วินาที ซึ่งเท่ากับ 14.58 ล้านภาพต่อชั่วโมง หรือ 350 ล้านภาพในแต่ละวัน การจัดการงานนี้ด้วยตนเองจะต้องมีทุกๆ อย่าง
ไม่น่าจะเกิดขึ้นเร็ว ๆ นี้ นี่คือเหตุผลว่าทำไมงานจำแนกภาพจึงถูกส่งมอบให้กับระบบปัญญาประดิษฐ์ การวิจัยชิ้นใหม่ของ Facebook ซึ่งเผยแพร่ในวันนี้ อธิบายถึงโมเดลคอมพิวเตอร์วิทัศน์ขนาดใหญ่แบบใหม่ที่เรียกว่า SEER (นั่นคือ "การดูแลตนเอง" ในประเพณี backronym ที่สับสนอย่างสิ้นหวังซึ่งกลุ่มเทคโนโลยีชอบ โอบกอด). ผ่านการฝึกอบรมรูปภาพสาธารณะมากกว่า 1 พันล้านภาพบน Instagram ทำให้สามารถทำงานได้ดีกว่ารูปภาพที่ล้ำสมัยที่สุด ระบบจดจำภาพแบบตรวจสอบตนเอง แม้ว่าภาพจะมีคุณภาพต่ำและด้วยเหตุนี้จึงทำได้ยาก อ่าน.
ที่เกี่ยวข้อง
- AI. ไปสู่เหตุการณ์สำคัญที่สำคัญในปี 2020 นี่เป็นบทสรุป
ผู้สร้างอ้างว่าเป็นการพัฒนาที่สามารถทำได้ “[ปูทาง] ไปสู่โมเดลคอมพิวเตอร์วิทัศน์ที่ยืดหยุ่น แม่นยำ และปรับเปลี่ยนได้มากขึ้น” มันอาจจะถูกนำมาใช้ให้ดีขึ้น เก็บ “ภาพหรือมีมที่เป็นอันตรายให้ห่างจากแพลตฟอร์มของเรา” อาจมีประโยชน์พอๆ กันสำหรับการสร้างรูปภาพที่อธิบายข้อความแสดงแทนสำหรับผู้พิการทางสายตาโดยอัตโนมัติ ผู้คน การจัดหมวดหมู่สินค้าที่จะขายบน Marketplace หรือ Facebook Shops อัตโนมัติที่เหนือกว่า และแอพพลิเคชั่นอื่นๆ อีกมากมายที่ต้องปรับปรุง วิสัยทัศน์คอมพิวเตอร์.
วิดีโอแนะนำ
ยินดีต้อนรับสู่การปฏิวัติที่กำกับตนเอง
“การใช้การควบคุมดูแลตนเอง ทำให้เราสามารถฝึกภาพสุ่มใดๆ ก็ได้” ปรียา โกยัลซึ่งเป็นวิศวกรซอฟต์แวร์ที่ Facebook AI Research (FAIR) ซึ่งบริษัทกำลังดำเนินการอยู่ มีการวิจัยการจดจำภาพเชิงนวัตกรรมมากมายบอกกับ Digital Trends “[นั่น] หมายความว่าเมื่อเนื้อหาที่เป็นอันตรายพัฒนาขึ้น เราก็สามารถฝึกอบรมโมเดลใหม่เกี่ยวกับข้อมูลที่เปลี่ยนแปลงอย่างรวดเร็ว และส่งผลให้ตอบสนองต่อสถานการณ์ได้เร็วขึ้น”
Goyal การกำกับดูแลตนเองหมายถึงเป็นแบรนด์ของ การเรียนรู้ของเครื่อง ที่ต้องการการป้อนข้อมูลของมนุษย์น้อยลง การเรียนรู้แบบกึ่งกำกับดูแลเป็นแนวทางหนึ่งของการเรียนรู้ของเครื่องซึ่งอยู่ระหว่างการเรียนรู้แบบมีผู้สอนและแบบไม่มีผู้ดูแล ในการเรียนรู้แบบมีผู้สอน ข้อมูลการฝึกอบรมจะมีป้ายกำกับครบถ้วน ในการเรียนรู้แบบไม่มีผู้ดูแล ไม่มีข้อมูลการฝึกอบรมที่มีป้ายกำกับ ในการเรียนรู้แบบกึ่งมีผู้สอน … คุณคงเข้าใจแนวคิดนี้แล้ว สำหรับแมชชีนเลิร์นนิง สิ่งที่คอยจับตาดูลูกของคุณในขณะที่ชาร์จแบตเตอรีอัตโนมัติรอบๆ สวนสาธารณะคือการเป็นพ่อแม่ การเรียนรู้แบบมีการดูแลตนเองถูกนำมาใช้เพื่อทำให้เกิดการเปลี่ยนแปลงในโลกแห่งการประมวลผลภาษาธรรมชาติสำหรับทุกสิ่งตั้งแต่การแปลด้วยเครื่องไปจนถึงการตอบคำถาม ขณะนี้กำลังนำไปใช้กับการจดจำภาพด้วย
“การเรียนรู้แบบไม่มีผู้ดูแลเป็นคำที่กว้างมากซึ่งชี้ให้เห็นว่าการเรียนรู้ไม่มีการกำกับดูแลเลย” Goyal กล่าว “การเรียนรู้แบบมีผู้ดูแลด้วยตนเองเป็นส่วนย่อย — หรือกรณีที่เฉพาะเจาะจงมากขึ้น — ของการเรียนรู้แบบไม่มีผู้ดูแล เนื่องจากการกำกับดูแลตนเองได้รับสัญญาณการควบคุมดูแลโดยอัตโนมัติจากข้อมูลการฝึกอบรม”
การเรียนรู้แบบมีผู้ดูแลด้วยตนเองมีความหมายอย่างไรสำหรับ Facebook ก็คือ วิศวกรของ Facebook สามารถฝึกโมเดลจากรูปภาพแบบสุ่ม และดำเนินการได้อย่างรวดเร็วในขณะที่บรรลุประสิทธิภาพที่ดีในงานต่างๆ มากมาย
“การฝึกฝนโดยใช้ภาพทางอินเทอร์เน็ตแบบสุ่มช่วยให้เราสามารถจับภาพความหลากหลายของโลกได้” Goyal กล่าว “การเรียนรู้แบบมีผู้สอน ในทางกลับกัน จำเป็นต้องมีคำอธิบายประกอบข้อมูล ซึ่งจำกัดความเข้าใจเชิงภาพของโลก เนื่องจากแบบจำลองได้รับการฝึกฝนให้เรียนรู้เฉพาะแนวคิดที่มีคำอธิบายประกอบด้วยภาพที่มีจำกัดมากเท่านั้น นอกจากนี้ การสร้างชุดข้อมูลที่มีคำอธิบายประกอบจะจำกัดจำนวนข้อมูลที่ระบบของเราสามารถฝึกได้ ดังนั้นระบบที่ได้รับการดูแลจึงมีแนวโน้มที่จะมีความลำเอียงมากกว่า”
ความหมายคือ A.I. ระบบที่สามารถเรียนรู้ได้ดีขึ้นจากข้อมูลใดก็ตามที่ได้รับโดยไม่ต้องมี ต้องพึ่งพาชุดข้อมูลที่ดูแลจัดการและมีป้ายกำกับซึ่งสอนวิธีจดจำออบเจ็กต์เฉพาะใน รูปถ่าย. ในโลกที่เคลื่อนไหวเร็วพอๆ กับโลกออนไลน์ นั่นเป็นสิ่งสำคัญ ควรหมายถึงการจดจำภาพที่ชาญฉลาดยิ่งขึ้นซึ่งดำเนินการได้รวดเร็วยิ่งขึ้น
แอปพลิเคชันอื่น ๆ ที่เป็นไปได้
“เราสามารถใช้โมเดลที่ดูแลตนเองเพื่อแก้ไขปัญหาในโดเมนที่มีข้อมูลจำกัดมากหรือไม่มีเมตาดาต้าได้ เช่น ถ่ายภาพทางการแพทย์” โกยัล กล่าว “ด้วยความสามารถในการฝึกโมเดลคุณภาพสูงที่มีการควบคุมดูแลด้วยตนเองจากรูปภาพแบบสุ่ม ไม่มีป้ายกำกับ และไม่มีผู้ดูแล เราจึงสามารถฝึกโมเดลกับรูปภาพใดก็ได้ รูปภาพทางอินเทอร์เน็ต และสิ่งนี้ช่วยให้เราสามารถจับภาพความหลากหลายของเนื้อหาภาพ และลดอคติที่เกิดจากข้อมูล การดูแล เนื่องจากเราไม่จำเป็นต้องมีป้ายกำกับหรือการดูแลจัดการข้อมูลสำหรับการฝึกโมเดลแบบมีการดูแลตนเอง เราจึงสามารถสร้างและปรับใช้โมเดลใหม่เพื่อแก้ไขปัญหาได้อย่างรวดเร็ว”
เช่นเดียวกับงานทั้งหมดของ FAIR ตอนนี้อยู่ในขั้นตอนการวิจัย แทนที่จะเป็นเทคโนโลยีที่จะเปิดตัวบนฟีด Facebook ของคุณในอีกสองสามสัปดาห์ข้างหน้า นั่นหมายความว่าสิ่งนี้จะไม่ถูกนำมาใช้ในทันทีเพื่อแก้ไขปัญหาภาพที่เป็นอันตรายที่แพร่กระจายทางออนไลน์ ขณะเดียวกันก็หมายถึงการสนทนาเกี่ยวกับการใช้ A.I. เพื่อระบุรายละเอียดเพิ่มเติมในภาพที่อัปโหลดนั้นยังเร็วเกินไป
ชอบหรือไม่ก็ตาม A.I. จำแนกภาพ เครื่องมือต่างๆ เริ่มฉลาดขึ้น คำถามใหญ่ก็คือว่าพวกมันเคยชินกับการทำลายสิ่งต่าง ๆ เพิ่มเติมหรือเริ่มซ่อมแซมมันอีกครั้งหรือไม่
คำแนะนำของบรรณาธิการ
- AI. ปกติจะไม่ลืมอะไรเลย แต่ระบบใหม่ของ Facebook ลืม นี่คือเหตุผล
- A.I. ใหม่ของ Facebook นำการจดจำภาพไปสู่อีกระดับหนึ่ง
