تعلم الذكاء الاصطناعي الجديد في Facebook نفسه أن يرى بمساعدة بشرية أقل

16

التفكير –

هذا النهج الجديد يلغي الحاجة إلى وضع ملصقات على الصور.

Will Knight ، wired.com

Facebook’s new AI teaches itself to see with less human help

صور غيتي

لا يزال معظم الذكاء الاصطناعي مبنيًا على أساس الكدح البشري. نظير داخل خوارزمية الذكاء الاصطناعي وستجد شيئًا تم إنشاؤه باستخدام البيانات التي تم تنسيقها وتصنيفها بواسطة جيش من العاملين البشريين.

الآن ، أظهر Facebook كيف يمكن لبعض خوارزميات الذكاء الاصطناعي أن تتعلم القيام بعمل مفيد بمساعدة بشرية أقل بكثير. قامت الشركة ببناء خوارزمية تعلمت التعرف على الأشياء في الصور مع القليل من المساعدة من الملصقات.

خوارزمية Facebook ، المسماة Seer (لـ SElf-supERvised) ، تتغذى على أكثر من مليار صورة مأخوذة من Instagram ، وتقرر بنفسها الكائنات التي تبدو متشابهة. تم جمع الصور ذات الشوارب والفراء والأذنين المدببة ، على سبيل المثال ، في كومة واحدة. ثم تم إعطاء الخوارزمية عددًا صغيرًا من الصور المصنفة ، بما في ذلك بعض الصور المسماة “قطط”. ثم كان قادرًا على التعرف على الصور بالإضافة إلى خوارزمية تم تدريبها باستخدام الآلاف من الأمثلة المصنفة لكل كائن.

تقول أولجا روساكوفسكي ، الأستاذة المساعدة في جامعة برينستون والمتخصصة في الذكاء الاصطناعي ورؤية الكمبيوتر: “النتائج مبهرة”. “يعد الحصول على التعلم للعمل تحت الإشراف الذاتي أمرًا صعبًا للغاية ، كما أن الاختراقات في هذا المجال لها عواقب مهمة في اتجاه المصب لتحسين التعرف البصري.”

يقول روساكوفسكي إنه من الملاحظ أن صور Instagram لم يتم اختيارها يدويًا لتسهيل التعلم المستقل. يقول يان ليكون ، كبير علماء فيسبوك ، إن أبحاث فيسبوك هي علامة بارزة لنهج الذكاء الاصطناعي المعروف باسم “التعلم تحت الإشراف الذاتي”. كانت LeCun رائدة في نهج التعلم الآلي المعروف باسم التعلم العميق الذي يتضمن تغذية البيانات إلى عصب صناعي كبير. الشبكات. منذ ما يقرب من عقد من الزمان ، ظهر التعلم العميق كطريقة أفضل لبرمجة الآلات للقيام بجميع أنواع الأشياء المفيدة ، مثل تصنيف الصور والتعرف على الكلام.

لكن LeCun يقول إن النهج التقليدي ، الذي يتطلب “تدريب” خوارزمية عن طريق تزويدها بالكثير من البيانات المصنفة ، لن يتسع ببساطة. يقول: “لقد كنت أدافع عن فكرة التعلم تحت الإشراف الذاتي بأكملها لفترة طويلة”. “على المدى الطويل ، سيأتي التقدم في الذكاء الاصطناعي من البرامج التي تشاهد مقاطع الفيديو طوال اليوم وتتعلم مثل الأطفال.”

يقول LeCun إن التعلم تحت الإشراف الذاتي يمكن أن يكون له العديد من التطبيقات المفيدة ، على سبيل المثال تعلم قراءة الصور الطبية دون الحاجة إلى تصنيف العديد من عمليات المسح والأشعة السينية. ويقول إن نهجًا مشابهًا يتم استخدامه بالفعل لإنشاء علامات التصنيف تلقائيًا لصور Instagram. ويقول إن تقنية Seer يمكن استخدامها على Facebook لمطابقة الإعلانات مع المنشورات أو للمساعدة في تصفية المحتوى غير المرغوب فيه.

يبني بحث Facebook على التقدم المطرد في التغيير والتبديل في خوارزميات التعلم العميق لجعلها أكثر كفاءة وفعالية. تم استخدام التعلم تحت الإشراف الذاتي سابقًا لترجمة النص من لغة إلى أخرى ، ولكن تطبيقه على الصور كان أكثر صعوبة من الكلمات. يقول LeCun إن فريق البحث طور طريقة جديدة للخوارزميات لتعلم التعرف على الصور حتى عندما يتم تغيير جزء واحد من الصورة.

سيطلق Facebook بعض التقنيات التي تقف وراء Seer ولكن ليس الخوارزمية نفسها لأنه تم تدريبها باستخدام بيانات مستخدمي Instagram. يقول أود أوليفا ، الذي يقود مختبر الإدراك والإدراك الحاسوبي في معهد ماساتشوستس للتكنولوجيا ، إن النهج “سيسمح لنا بتولي مهام التعرف البصري الأكثر طموحًا . ” لكن أوليفا يقول إن الحجم الهائل والتعقيد لخوارزميات الذكاء الاصطناعي المتطورة مثل Seer ، والتي يمكن أن تحتوي على مليارات أو تريليونات من الاتصالات أو المعلمات العصبية – أكثر بكثير من خوارزمية التعرف على الصور التقليدية ذات الأداء المماثل – تطرح أيضًا مشكلات. تتطلب مثل هذه الخوارزميات كميات من الطاقة الحسابية ، مما يجهد الإمداد المتاح من الرقائق. Alexei Efros ، الأستاذ في جامعة كاليفورنيا في بيركلي ، يقول إن ورقة Facebook هي عرض جيد للنهج الذي يعتقد أنه سيكون مهمًا لتطوير الذكاء الاصطناعي – جعل الآلات تتعلم لنفسها باستخدام “كميات هائلة من البيانات”. وكما هو الحال مع معظم التقدم في الذكاء الاصطناعي اليوم ، كما يقول ، فإنه يعتمد على سلسلة من التطورات الأخرى التي ظهرت من نفس الفريق في Facebook بالإضافة إلى مجموعات بحثية أخرى في الأوساط الأكاديمية والصناعية.

ظهرت هذه القصة في الأصل على wired.com.