giovedì, Dicembre 5, 2024

La nuova intelligenza artificiale di Facebook

Ora, Facebook ha mostrato come alcuni algoritmi di intelligenza artificiale possono imparare a fare un lavoro utile con un aiuto umano molto inferiore. L’azienda ha creato un algoritmo che ha imparato a riconoscere gli oggetti nelle immagini con poco aiuto dalle etichette.

L’algoritmo di Facebook, chiamato Seer (per SElf-supERvised), si è nutrito di oltre un miliardo di immagini estratte da Instagram , decidendo da solo quali oggetti si assomigliano. Le immagini con baffi, pelliccia e orecchie a punta, ad esempio, sono state raccolte in una pila. Quindi all’algoritmo è stato assegnato un piccolo numero di immagini etichettate, comprese alcune etichettate come “gatti”. È stato quindi in grado di riconoscere le immagini e un algoritmo addestrato utilizzando migliaia di esempi etichettati di ciascun oggetto.

“I risultati sono impressionanti”, afferma Olga Russakovsky , assistente professore presso l’Università di Princeton, specializzata in intelligenza artificiale e visione artificiale. “Far funzionare l’apprendimento autogestito è molto impegnativo e le scoperte in questo spazio hanno importanti conseguenze a valle per un migliore riconoscimento visivo”.

Russakovsky afferma che è degno di nota il fatto che le immagini di Instagram non siano state selezionate a mano per rendere più facile l’apprendimento indipendente.

La ricerca su Facebook è un punto di riferimento per un approccio AI noto come “apprendimento autoguidato”, afferma Yann LeCun , capo scienziato di Facebook .

LeCun è stato il pioniere dell’approccio di machine learning noto come deep learning che prevede l’alimentazione dei dati a grandi reti neurali artificiali . Circa un decennio fa, l’apprendimento profondo è emerso come un modo migliore per programmare le macchine per fare ogni sorta di cose utili, come la classificazione delle immagini e il riconoscimento vocale.

Ma LeCun afferma che l’approccio convenzionale, che richiede “l’addestramento” di un algoritmo fornendogli molti dati etichettati, semplicemente non sarà scalabile. “Ho sostenuto questa idea di apprendimento autoguidato per un bel po ‘di tempo”, dice. “A lungo termine, i progressi nell’intelligenza artificiale verranno da programmi che guardano video tutto il giorno e imparano come un bambino.”

LeCun afferma che l’apprendimento autogestito potrebbe avere molte applicazioni utili, ad esempio imparare a leggere immagini mediche senza la necessità di etichettare così tante scansioni e raggi X. Dice che un approccio simile è già stato utilizzato per generare automaticamente hashtag per le immagini di Instagram. E dice che la tecnologia Seer potrebbe essere utilizzata su Facebook per abbinare gli annunci ai post o per filtrare i contenuti indesiderati.

La ricerca di Facebook si basa su costanti progressi nella messa a punto di algoritmi di apprendimento profondo per renderli più efficienti ed efficaci. L’apprendimento autogestito in precedenza è stato utilizzato per tradurre il testo da una lingua all’altra, ma è stato più difficile applicarlo alle immagini che alle parole. LeCun afferma che il team di ricerca ha sviluppato un nuovo modo per gli algoritmi di imparare a riconoscere le immagini anche quando una parte dell’immagine è stata alterata.

Facebook rilascerà parte della tecnologia alla base di Seer ma non l’algoritmo stesso perché è stato addestrato utilizzando i dati degli utenti di Instagram.

Aude Oliva , che guida il laboratorio di cognizione e percezione computazionale del MIT, afferma che l’approccio “ci consentirà di assumere compiti di riconoscimento visivo più ambiziosi”. Ma Oliva afferma che anche le dimensioni e la complessità di algoritmi di intelligenza artificiale all’avanguardia come Seer, che possono avere miliardi o trilioni di connessioni o parametri neurali, molti di più di un algoritmo di riconoscimento delle immagini convenzionale con prestazioni comparabili, pone problemi. quantità di potenza di calcolo, mettendo a dura prova la disponibilità di chip.

Alexei Efros , professore alla UC Berkeley, afferma che il documento di Facebook è una buona dimostrazione di un approccio che ritiene sarà importante per far progredire l’IA: fare in modo che le macchine imparino da sole utilizzando “enormi quantità di dati”. E come con la maggior parte dei progressi nell’intelligenza artificiale odierni, afferma, si basa su una serie di altri progressi emersi dallo stesso team di Facebook e da altri gruppi di ricerca nel mondo accademico e industriale.

ARTICOLI COLLEGATI:

ULTIMI ARTICOLI: