Facebook lancia lo sforzo avanzato di intelligenza artificiale per trovare un significato nei tuoi post

Facebook è destinato a comprendere ancora meglio i 700 milioni di persone che utilizzano il social network per condividere i dettagli della propria vita personale ogni giorno.

Un nuovo gruppo di ricerca all'interno dell'azienda sta lavorando a un approccio emergente e potente all'intelligenza artificiale noto come deep learning, che utilizza reti simulate di cellule cerebrali per elaborare i dati. L'applicazione di questo metodo ai dati condivisi su Facebook potrebbe consentire nuove funzionalità e forse aumentare il targeting degli annunci dell'azienda.

L'apprendimento profondo ha mostrato il potenziale come base per il software che potrebbe elaborare le emozioni o gli eventi descritti nel testo anche se non sono esplicitamente referenziati, riconoscere gli oggetti nelle foto e fare previsioni sofisticate sul probabile comportamento futuro delle persone.

Il gruppo di otto persone, noto internamente come il team di intelligenza artificiale, ha iniziato a lavorare solo di recente e i dettagli dei suoi esperimenti sono ancora segreti. Ma il chief technology officer di Facebook, Mike Schroepfer, dirà che un modo ovvio per utilizzare il deep learning è migliorare il feed delle notizie, l'elenco personalizzato degli aggiornamenti recenti che chiama l'app killer di Facebook. La società utilizza già tecniche di apprendimento automatico convenzionali per ridurre i 1.500 aggiornamenti che gli utenti medi di Facebook potrebbero vedere fino a 30-60 che sono ritenuti più importanti per loro. Schroepfer afferma che Facebook deve migliorare nella scelta degli aggiornamenti migliori perché i suoi utenti generano più dati e utilizzano il social network in modi diversi.

Il set di dati sta aumentando di dimensioni, le persone stanno diventando più amici e con l'avvento dei dispositivi mobili, le persone sono online più frequentemente, ha detto Schroepfer Revisione della tecnologia del MIT . Non è che guardo il mio feed di notizie una volta alla fine della giornata; Tiro costantemente fuori il telefono mentre aspetto il mio amico o sono al bar. Abbiamo cinque minuti per deliziarti davvero.

Shroepfer afferma che il deep learning potrebbe essere utilizzato anche per aiutare le persone a organizzare le proprie foto o a scegliere quale è la migliore da condividere su Facebook.

Nell'esaminare il deep learning, Facebook segue i suoi concorrenti Google e Microsoft, che hanno utilizzato l'approccio con risultati impressionanti nell'ultimo anno. Google ha assunto e acquisito talenti di spicco nel settore (vedi 10 Breakthrough Technologies 2013: Deep Learning ) e l'anno scorso ha creato un software che ha imparato a riconoscere i gatti e altri oggetti esaminando le immagini dei video di YouTube. La tecnologia sottostante è stata successivamente utilizzata per ridurre drasticamente il tasso di errore dei servizi di riconoscimento vocale di Google (vedi Virtual Brain Goes to Work di Google).

Nel frattempo, i ricercatori di Microsoft hanno utilizzato il deep learning per costruire un sistema che traduce il parlato dall'inglese al cinese mandarino in tempo reale (vedi Microsoft Brings Star Trek's Voice Translator to Life). Il gigante cinese del Web Baidu ha anche recentemente istituito un laboratorio di ricerca nella Silicon Valley per lavorare sul deep learning.

Forme meno complesse di apprendimento automatico sono alla base di alcune delle funzionalità più utili sviluppate dalle principali aziende tecnologiche negli ultimi anni, come i sistemi di rilevamento dello spam e il riconoscimento facciale nelle immagini. Le aziende più grandi hanno ora iniziato a investire pesantemente nel deep learning perché può fornire vantaggi significativi rispetto a quelle tecniche più consolidate, afferma Elliot Turner, fondatore e CEO di AlchemyAPI , che affitta l'accesso al proprio software di deep learning per testo e immagini.

La ricerca sulla comprensione delle immagini, del testo e del linguaggio va avanti da decenni, ma il miglioramento tipico che una nuova tecnica potrebbe offrire era una frazione di punto percentuale, dice. In attività come la vista o la parola, stiamo assistendo a miglioramenti del 30% in più con il deep learning. La tecnica più recente consente anche progressi molto più rapidi nell'addestramento di un nuovo software, afferma Turner.

Le forme convenzionali di apprendimento automatico sono più lente perché prima che i dati possano essere inseriti nel software di apprendimento, gli esperti devono scegliere manualmente a quali caratteristiche del software dovrebbe prestare attenzione e devono etichettare i dati per indicare, ad esempio, che determinate immagini contengono automobili.

I sistemi di deep learning possono apprendere con molto meno intervento umano perché possono capire da soli quali caratteristiche dei dati grezzi sono più significative. Possono persino lavorare su dati che non sono stati etichettati, come ha fatto il software di riconoscimento dei gatti di Google. I sistemi in grado di farlo utilizzano in genere software che simulano reti di cellule cerebrali, note come reti neurali, per elaborare i dati. Richiedono raccolte di computer più potenti per essere eseguite.

Il gruppo AI di Facebook lavorerà su applicazioni che possono aiutare i prodotti dell'azienda, nonché su ricerche più generali che saranno rese pubbliche, afferma Srinivas Narayanan, un responsabile tecnico di Facebook che sta aiutando a assemblare il nuovo gruppo. Dice che un modo in cui Facebook può aiutare a far progredire il deep learning è attingendo al suo recente lavoro creando nuovi tipi di hardware e software per gestire grandi set di dati (vedi Inside Facebook's Not-So-Secret New Data Center). È sia un problema software che hardware insieme; il modo in cui si ridimensionano queste reti richiede un'integrazione molto profonda dei due, afferma.

Facebook ha assunto un esperto di deep learning Marc'Aurelio Ranzato lontano da Google per il suo nuovo gruppo. Altri membri includono Yaniv Taigman, cofondatore della startup di riconoscimento facciale Face.com (vedi When You're Always a Familiar Face ); esperto di visione artificiale Lubomir Bourdev; e il veterano ingegnere di Facebook Keith Adams.

nascondere