Różności i nowinki technologia

Nowa sztuczna inteligencja Facebooka uczy się widzieć przy mniejszej pomocy człowieka

Większość sztucznej inteligencji jest nadal zbudowany na fundamencie ludzkiego trudu. Zajrzyj do algorytmu sztucznej inteligencji, a znajdziesz coś skonstruowanego przy użyciu danych, które zostały wyselekcjonowane i oznaczone przez armię ludzkich pracowników.

Teraz Facebook pokazał, jak niektóre algorytmy sztucznej inteligencji mogą nauczyć się wykonywać pożyteczną pracę przy znacznie mniejszej pomocy człowieka. Firma zbudowała algorytm, który nauczył się rozpoznawać obiekty na obrazach przy niewielkiej pomocy etykiet.

Algorytm Facebooka, zwany Seer (od SElf-supERvised), wykorzystywał ponad miliard obrazów zeskrobanych z Instagrama, sam decydując, które obiekty wyglądają podobnie. Na przykład obrazy z wąsami, futrem i spiczastymi uszami zostały zebrane w jeden stos. Następnie algorytm otrzymał niewielką liczbę oznaczonych obrazów, w tym kilka oznaczonych jako „koty”. Następnie był w stanie rozpoznać obrazy, a także algorytm wyszkolony przy użyciu tysięcy oznaczonych przykładów każdego obiektu.

„Wyniki są imponujące” – mówi Olga Russakovsky, adiunkt na Uniwersytecie Princeton, która specjalizuje się w sztucznej inteligencji i wizji komputerowej. „Samokontrola uczenia się do pracy jest bardzo trudna, a przełomy w tej przestrzeni mają ważne konsekwencje dla poprawy rozpoznawania wizualnego”.

Russakovsky mówi, że warto zauważyć, że obrazy na Instagramie nie zostały wybrane ręcznie, aby ułatwić samodzielną naukę.

Badania Facebooka to przełom w podejściu sztucznej inteligencji znanym jako „samokontrolowane uczenie się” – mówi główny naukowiec Facebooka, Yann LeCun.

LeCun był pionierem w podejściu uczenia maszynowego znanego jako głębokie uczenie, które obejmuje dostarczanie danych do dużych sztucznych sieci neuronowych. Mniej więcej dziesięć lat temu głębokie uczenie się pojawiło się jako lepszy sposób programowania maszyn do wykonywania różnego rodzaju użytecznych rzeczy, takich jak klasyfikacja obrazów i rozpoznawanie mowy.

Ale LeCun twierdzi, że konwencjonalne podejście, które wymaga „wytrenowania” algorytmu poprzez dostarczenie mu dużej ilości oznaczonych danych, po prostu się nie skaluje. „Od dłuższego czasu opowiadam się za całą ideą samokontroli uczenia się” – mówi. „W dłuższej perspektywie postęp w sztucznej inteligencji będzie pochodzić z programów, które po prostu oglądają filmy przez cały dzień i uczą się jak dziecko”.

LeCun twierdzi, że samodzielne uczenie się może mieć wiele przydatnych zastosowań, na przykład uczenie się czytania obrazów medycznych bez konieczności opisywania tak wielu skanów i promieni rentgenowskich. Mówi, że podobne podejście jest już używane do automatycznego generowania hashtagów dla obrazów na Instagramie. Mówi też, że technologia Seer może być wykorzystywana na Facebooku do dopasowywania reklam do postów lub do odfiltrowywania niepożądanych treści.

obraz artykułu

Przewodnik WIRED po sztucznej inteligencji

Inteligentne algorytmy nie podejmą wszystkich zadań, ale uczą się szybciej niż kiedykolwiek, robiąc wszystko, od diagnostyki medycznej po wyświetlanie reklam.

Badania Facebooka opierają się na stałym postępie w ulepszaniu algorytmów uczenia głębokiego, aby były bardziej wydajne i skuteczne. Samokontrola uczenia się była wcześniej wykorzystywana do tłumaczenia tekstu z jednego języka na inny, ale trudniej było ją zastosować do obrazów niż słów. LeCun twierdzi, że zespół badawczy opracował nowy sposób uczenia algorytmów rozpoznawania obrazów, nawet jeśli jedna część obrazu została zmieniona.

Facebook wyda część technologii stojącej za Seer, ale nie sam algorytm, ponieważ został przeszkolony przy użyciu danych użytkowników Instagrama.

Aude Oliva, która kieruje laboratorium percepcji obliczeniowej i poznania w MIT, mówi, że podejście to „pozwoli nam podjąć bardziej ambitne zadania związane z rozpoznawaniem wizualnym”. Ale Oliva twierdzi, że sam rozmiar i złożoność najnowocześniejszych algorytmów sztucznej inteligencji, takich jak Widzący, które mogą mieć miliardy lub tryliony połączeń lub parametrów neuronowych – o wiele więcej niż konwencjonalny algorytm rozpoznawania obrazu o porównywalnej wydajności – również stwarza problemy. Takie algorytmy wymagają ogromnych ilości mocy obliczeniowej, obciążając dostępną podaż chipów.

Alexei Efros, profesor na Uniwersytecie Kalifornijskim w Berkeley, mówi, że artykuł na Facebooku jest dobrym przykładem podejścia, które jego zdaniem będzie ważne dla rozwoju sztucznej inteligencji – maszyny uczą się same, korzystając z „gigantycznych ilości danych”. Mówi, że podobnie jak w przypadku większości postępów w dzisiejszej sztucznej inteligencji, opiera się ona na szeregu innych osiągnięć, które wyłoniły się z tego samego zespołu na Facebooku, a także innych grup badawczych ze środowiska akademickiego i przemysłowego.


Więcej świetnych historii WIRED

Zostaw komentarz

Maciek Luboński
Z wykształcenia jestem kucharzem , ale to nie przeszkadza mi pisać dla Was tekstów z wielu ciekawych dziedzin , których sam jestem fanem.Piszę dużo i często nie na tak jak trzeba , ale co z tego skoro tak naprawdę liczy się pasja.

Najlepsze recenzje

Video

gallery

Facebook