Innovatie & Strategie

Artificial Intelligence
kat

Facebook haalt 'human out the loop' bij training AI

Facebook zet AI in bij selectie trainingsdata neuraal netwerk.

© CC0 - Pixabay Kadres
8 maart 2021

Facebook zet AI in bij selectie trainingsdata neuraal netwerk.

Facebook heeft een algoritme genaamd Seer (SElf-supERvised), dat bij het herkennen van plaatjes veel minder afhankelijk is van labels in de metadata.

Het selecteren van trainingsdata gaat doorgaans gepaard met monnikenwerk. Vele petabytes aan gegevens worden gecureerd en gelabeld door mensen. Onderzoek, uitgevoerd bij Facebook, kan daar verandering in brengen. Kort gezegd is Seer eerst getraind met meer dan een miljard plaatjes van Instagram om bijvoorbeeld alle beelden te selecteren waar snorharen, vacht en puntige oren in voorkomen. Vervolgens is het algoritme gevoed met een beperkt aantal gelabelde afbeeldingen waarvan sommige gelabeld waren als 'kat'. Zo getraind kan het algoritme kattenplaatjes even goed herkennen als een algoritme dat op duizenden gelabelde plaatjes is getraind.

Yann LeCun, de chief scientist van Facebook, noemt het zelf in een artikel op Wired een mijlpaal in self-supervised learning. Hij wordt daarin gesteund door Olga Russakovsky, een universitair docent aan de Princeton University en gespecialiseerd in AI en computer vision. Zij noemt het werkend krijgen van self-supervised learning enorm uitdagend. "Een doorbraak op dit gebied heeft belangrijke consequenties voor werk aan visuele herkenning dat gebruik maakt van dit type algoritmen."

Trainen veel efficiënter

Het onderzoek van LeCun is een van de richtingen waarin gedacht wordt om het trainen van neurale netwerken efficiënter te maken. De verdere ontwikkeling van kunstmatige intelligentie stuit op praktische problemen zoals het labelen door mensen en het energieverbruik dat gepaard gaat met het verwerken van enorme hoeveelheden trainingsdata.

LeCun: "Ik ventileer al geruime tijd het idee van self-supervised learning, Op de lange termijn komt de vooruitgang in AI uit programma's die de hele dag video's bekijken en leren als een baby." Toepassingen van deze zelflerende trainingsmodellen zouden een uitkomst kunnen bieden voor het beoordelen van medische beelden. Dan zou het niet langer nodig zijn zo veel röntgenfoto's en scans te labelen voor ze betrouwbare uitkomsten geven. Facebook denkt de techniek in te kunnen zetten voor het automatisch plaatsen van hashtags bij Instagram of het verwijderen van ongepast beeldmateriaal. Ook kunnen automatisch advertenties worden gekoppeld aan bepaalde afbeeldingen.

 

Lees meer over Innovatie & Strategie OP AG Intelligence
2
Reacties
Bop 30 maart 2021 18:03

"is Seer eerst getraind met meer dan een miljard plaatjes van Instagram om bijvoorbeeld alle beelden te selecteren waar snorharen, vacht en puntige oren in voorkomen"

Uh ja, en hoe werkt dat dan?
Eerst een miljard plaatjes met snorharen, vacht en puntige oren selekteren?

Zullen er wel een 'paar' mensen in de 'loep' moeten.

Bop 30 maart 2021 18:01

Maakt mensen overbodig, en markeert afbeeldingen, zeg maar.

Reactie toevoegen
De inhoud van dit veld is privé en zal niet openbaar worden gemaakt.