Facebook führt fortschrittliche KI-Bemühungen ein, um Bedeutung in Ihren Beiträgen zu finden

Facebook soll die 700 Millionen Menschen, die täglich über das soziale Netzwerk Details ihres Privatlebens teilen, noch besser verstehen.

Eine neue Forschungsgruppe innerhalb des Unternehmens arbeitet an einem neuen und leistungsstarken Ansatz für künstliche Intelligenz, der als Deep Learning bekannt ist und simulierte Netzwerke von Gehirnzellen verwendet, um Daten zu verarbeiten. Die Anwendung dieser Methode auf Daten, die auf Facebook geteilt werden, könnte neue Funktionen ermöglichen und möglicherweise die Werbeausrichtung des Unternehmens verbessern.

Deep Learning hat Potenzial als Basis für Software gezeigt, die im Text beschriebene Emotionen oder Ereignisse auch ohne explizite Referenzierung herausarbeiten, Objekte auf Fotos erkennen und ausgeklügelte Vorhersagen über das wahrscheinliche zukünftige Verhalten von Menschen treffen kann.

Die achtköpfige Gruppe, intern als KI-Team bekannt, hat erst vor kurzem ihre Arbeit aufgenommen, Details zu ihren Experimenten sind noch geheim. Facebooks Chief Technology Officer Mike Schroepfer wird jedoch sagen, dass eine naheliegende Möglichkeit für den Einsatz von Deep Learning darin besteht, den Newsfeed zu verbessern, die personalisierte Liste der neuesten Updates, die er Facebooks Killer-App nennt. Das Unternehmen verwendet bereits konventionelle Techniken des maschinellen Lernens, um die 1.500 Updates, die durchschnittliche Facebook-Nutzer möglicherweise sehen könnten, auf 30 bis 60 zu reduzieren, die für sie am wahrscheinlichsten sind. Schroepfer sagt, dass Facebook bei der Auswahl der besten Updates besser werden muss, da seine Benutzer mehr Daten generieren und das soziale Netzwerk auf unterschiedliche Weise nutzen.

Der Datensatz wird immer größer, die Leute finden mehr Freunde und mit dem Aufkommen von Mobilgeräten sind die Leute häufiger online, sagte Schroepfer MIT-Technologie-Überprüfung . Es ist nicht so, dass ich am Ende des Tages einmal auf meinen Newsfeed schaue; Ich zücke ständig mein Handy, während ich auf meinen Freund warte oder im Café bin. Wir haben fünf Minuten, um Sie wirklich zu begeistern.

Laut Shroepfer könnte Deep Learning auch verwendet werden, um Menschen dabei zu helfen, ihre Fotos zu organisieren oder auszuwählen, welches das beste ist, um sie auf Facebook zu teilen.

Beim Thema Deep Learning folgt Facebook seinen Konkurrenten Google und Microsoft, die den Ansatz im vergangenen Jahr mit beeindruckender Wirkung eingesetzt haben. Google hat führende Talente auf diesem Gebiet eingestellt und gewonnen (siehe 10 Breakthrough Technologies 2013: Deep Learning ) und im letzten Jahr eine Software entwickelt, die sich selbst beigebracht hat, Katzen und andere Objekte zu erkennen, indem sie Standbilder aus YouTube-Videos überprüft. Die zugrundeliegende Technologie wurde später verwendet, um die Fehlerquote der Spracherkennungsdienste von Google zu senken (siehe Googles Virtual Brain Goes to Work).

Inzwischen haben Forscher von Microsoft Deep Learning verwendet, um ein System zu entwickeln, das Sprache vom Englischen ins Mandarin-Chinesisch in Echtzeit übersetzt (siehe Microsoft bringt den Sprachübersetzer von Star Trek zum Leben). Der chinesische Webgigant Baidu hat kürzlich auch ein Forschungslabor im Silicon Valley eingerichtet, um an Deep Learning zu arbeiten.

Weniger komplexe Formen des maschinellen Lernens haben einige der nützlichsten Funktionen untermauert, die in den letzten Jahren von großen Technologieunternehmen entwickelt wurden, wie beispielsweise Spam-Erkennungssysteme und Gesichtserkennung in Bildern. Die größten Unternehmen haben jetzt begonnen, stark in Deep Learning zu investieren, weil es gegenüber diesen etablierteren Techniken erhebliche Vorteile bringen kann, sagt Elliot Turner, Gründer und CEO von AlchemieAPI , das den Zugang zu einer eigenen Deep-Learning-Software für Text und Bilder vermietet.

Die Erforschung des Verständnisses von Bildern, Text und Sprache wird seit Jahrzehnten betrieben, aber die typische Verbesserung, die eine neue Technik bieten könnte, liege bei einem Bruchteil eines Prozents, sagt er. Bei Aufgaben wie Sehen oder Sprechen sehen wir durch Deep Learning mehr als 30 Prozent Verbesserungen. Die neuere Technik ermöglicht auch viel schnellere Fortschritte beim Einlernen einer neuen Software, sagt Turner.

Herkömmliche Formen des maschinellen Lernens sind langsamer, denn bevor Daten in Lernsoftware eingespeist werden können, müssen Experten manuell auswählen, auf welche Funktionen die Software achten soll, und sie müssen die Daten kennzeichnen, um beispielsweise anzuzeigen, dass bestimmte Bilder Autos enthalten.

Deep-Learning-Systeme können mit viel weniger menschlichen Eingriffen lernen, da sie selbst herausfinden können, welche Merkmale der Rohdaten am wichtigsten sind. Sie können sogar mit Daten arbeiten, die nicht gekennzeichnet wurden, wie es die Katzenerkennungssoftware von Google getan hat. Systeme, die dazu in der Lage sind, verwenden normalerweise Software, die Netzwerke von Gehirnzellen simuliert, die als neuronale Netze bekannt sind, um Daten zu verarbeiten. Sie benötigen leistungsfähigere Sammlungen von Computern, um ausgeführt zu werden.

Die KI-Gruppe von Facebook wird an Anwendungen arbeiten, die den Produkten des Unternehmens helfen können, sowie an allgemeineren Forschungsergebnissen, die veröffentlicht werden, sagt Srinivas Narayanan, ein Engineering Manager bei Facebook, der beim Aufbau der neuen Gruppe hilft. Er sagt, dass Facebook Deep Learning voranbringen kann, indem es auf seine jüngsten Arbeiten zur Entwicklung neuer Arten von Hardware und Software für den Umgang mit großen Datensätzen zurückgreift (siehe Inside Facebooks Not-So-Secret New Data Center). Es ist sowohl ein Software- als auch ein Hardwareproblem zusammen; Die Art und Weise, wie Sie diese Netzwerke skalieren, erfordert eine sehr tiefe Integration der beiden, sagt er.

Facebook hat einen Deep-Learning-Experten eingestellt Marc’Aurelio Ranzato weg von Google für seine neue Gruppe. Weitere Mitglieder sind Yaniv Taigman, Mitbegründer des Gesichtserkennungs-Startups Face.com (siehe Wenn Sie immer ein vertrautes Gesicht sind); Computer Vision Experte Lubomir Bourdev; und erfahrener Facebook-Ingenieur Keith Adams.

verbergen