211service.com
Facebook lanceert geavanceerde AI-poging om betekenis te vinden in je berichten
Facebook zal een nog beter begrip krijgen van de 700 miljoen mensen die het sociale netwerk elke dag gebruiken om details over hun persoonlijke leven te delen.
Een nieuwe onderzoeksgroep binnen het bedrijf werkt aan een opkomende en krachtige benadering van kunstmatige intelligentie, bekend als deep learning, waarbij gesimuleerde netwerken van hersencellen worden gebruikt om gegevens te verwerken. Het toepassen van deze methode op gegevens die op Facebook worden gedeeld, kan nieuwe functies mogelijk maken en misschien de advertentietargeting van het bedrijf versterken.
Deep learning heeft potentieel aangetoond als basis voor software die de emoties of gebeurtenissen die in tekst worden beschreven, kan uitwerken, zelfs als er niet expliciet naar wordt verwezen, objecten op foto's kan herkennen en geavanceerde voorspellingen kan doen over het waarschijnlijke toekomstige gedrag van mensen.
De groep van acht personen, intern bekend als het AI-team, is pas onlangs begonnen met werken en details van de experimenten zijn nog steeds geheim. Maar de chief technology officer van Facebook, Mike Schroepfer, zal zeggen dat een voor de hand liggende manier om deep learning te gebruiken, is om de nieuwsfeed te verbeteren, de gepersonaliseerde lijst met recente updates die hij de geweldige app van Facebook noemt. Het bedrijf maakt al gebruik van conventionele machine learning-technieken om de 1.500 updates die gemiddelde Facebook-gebruikers mogelijk zouden kunnen zien, terug te brengen tot 30 tot 60 die het meest waarschijnlijk als belangrijk voor hen worden beschouwd. Schroepfer zegt dat Facebook beter moet worden in het kiezen van de beste updates, omdat de gebruikers meer data genereren en het sociale netwerk op verschillende manieren gebruiken.
De dataset wordt steeds groter, mensen krijgen meer vrienden en met de komst van mobiel zijn mensen vaker online, vertelde Schroepfer. MIT Technology Review . Het is niet zo dat ik aan het eind van de dag een keer naar mijn nieuwsoverzicht kijk; Ik haal constant mijn telefoon tevoorschijn terwijl ik op mijn vriend wacht of ik in de coffeeshop ben. We hebben vijf minuten om je echt te plezieren.
Shroepfer zegt dat deep learning ook kan worden gebruikt om mensen te helpen hun foto's te ordenen of te kiezen welke het beste is om op Facebook te delen.
Bij het onderzoeken van deep learning volgt Facebook zijn concurrenten Google en Microsoft, die de aanpak het afgelopen jaar met indrukwekkend effect hebben gebruikt. Google heeft toonaangevend talent in het veld ingehuurd en overgenomen (zie 10 Breakthrough Technologies 2013: Deep Learning ), en vorig jaar heeft het software gemaakt die zichzelf leerde katten en andere objecten te herkennen door stills van YouTube-video's te bekijken. De onderliggende technologie werd later gebruikt om het foutenpercentage van de spraakherkenningsservices van Google te verlagen (zie Google's Virtual Brain Goes to Work).
Ondertussen hebben onderzoekers van Microsoft deep learning gebruikt om een systeem te bouwen dat spraak in realtime van het Engels naar het Mandarijn-Chinees vertaalt (zie Microsoft brengt Star Trek's Voice Translator tot leven ). De Chinese webgigant Baidu heeft onlangs ook een onderzoekslaboratorium in Silicon Valley opgericht om aan deep learning te werken.
Minder complexe vormen van machine learning hebben geleid tot enkele van de meest bruikbare functies die de afgelopen jaren door grote technologiebedrijven zijn ontwikkeld, zoals spamdetectiesystemen en gezichtsherkenning in afbeeldingen. De grootste bedrijven zijn nu begonnen zwaar te investeren in deep learning omdat het aanzienlijke voordelen kan opleveren ten opzichte van die meer gevestigde technieken, zegt Elliot Turner, oprichter en CEO van AlchemieAPI , dat toegang verhuurt tot zijn eigen deep learning-software voor tekst en afbeeldingen.
Onderzoek naar het begrijpen van afbeeldingen, tekst en taal is al tientallen jaren aan de gang, maar de typische verbetering die een nieuwe techniek zou kunnen bieden, was een fractie van een procent, zegt hij. In taken zoals visie of spraak zien we meer dan 30 procent verbeteringen met deep learning. De nieuwere techniek maakt ook veel snellere vooruitgang mogelijk bij het trainen van een nieuw stuk software, zegt Turner.
Conventionele vormen van machine learning zijn langzamer omdat voordat gegevens in leersoftware kunnen worden ingevoerd, experts handmatig moeten kiezen aan welke kenmerken ervan de software aandacht moet besteden, en ze de gegevens moeten labelen om bijvoorbeeld aan te geven dat bepaalde afbeeldingen auto's bevatten.
Deep learning-systemen kunnen leren met veel minder menselijke tussenkomst, omdat ze zelf kunnen uitzoeken welke kenmerken van de onbewerkte gegevens het belangrijkst zijn. Ze kunnen zelfs werken aan gegevens die niet zijn gelabeld, zoals de kattenherkenningssoftware van Google deed. Systemen die dat kunnen, gebruiken meestal software die netwerken van hersencellen simuleert, ook wel neurale netwerken genoemd, om gegevens te verwerken. Ze vereisen krachtigere verzamelingen computers om te kunnen draaien.
De AI-groep van Facebook zal werken aan applicaties die de producten van het bedrijf kunnen helpen, evenals aan meer algemeen onderzoek dat openbaar zal worden gemaakt, zegt Srinivas Narayanan, een engineeringmanager bij Facebook die helpt bij het samenstellen van de nieuwe groep. Hij zegt dat een manier waarop Facebook diepgaand leren kan bevorderen, is door gebruik te maken van zijn recente werk om nieuwe soorten hardware en software te creëren om grote datasets aan te kunnen (zie Inside Facebook's Not-So-Secret New Data Center). Het is zowel een software- als een hardwareprobleem samen; de manier waarop je deze netwerken schaalt, vereist een zeer diepe integratie van de twee, zegt hij.
Facebook heeft deep learning-expert ingehuurd Marc'Aurelio Ranzato weg van Google voor zijn nieuwe groep. Andere leden zijn onder meer Yaniv Taigman, medeoprichter van Face.com, een startup voor gezichtsherkenning (zie When You're Always a Familiar Face); computer vision-expert Lubomir Bourdev; en veteraan Facebook-ingenieur Keith Adams.