Nowe AI moderatorskie Facebooka

Nowa AI Facebooka potrzebuje tylko kilku przykładów, aby rozpoznać złe zachowanie

2 minuty czytania
Komentarze

Moderowanie treści w dzisiejszym Internecie przypomina walkę z wiatrakami. Ludzcy moderatorzy są nieustannie zmuszani do reagowania w czasie rzeczywistym na zmieniające się trendy, takie jak dezinformacja lub celowe działania osób, które szukają sposobów na obejście ustalonych zasad postępowania. Systemy uczenia maszynowego mogą pomóc złagodzić niektóre z tych problemów poprzez automatyzację procesu egzekwowania zasad. Problem w tym, że nowoczesne systemy AI często wymagają miesięcy czasu, aby odpowiednio je wytrenować i wdrożyć, a nim to nastąpi, ich baza danych może przestać być aktualna.

Nowe AI moderatorskie Facebooka

Nowe AI moderatorskie Facebooka

Aby skrócić ten czas, przynajmniej do kilku tygodni, a nie miesięcy, grupa badawcza Meta AI (dawniej FAIR) opracowała bardziej uogólnioną technologię zwaną Few-Shot Learner (FSL), która wymaga tylko garstki konkretnych przykładów, aby reagować na nowe i pojawiające się formy złośliwych treści. FSL jest stosunkowo nowym osiągnięciem w dziedzinie AI, które zasadniczo uczy system dokonywania trafnych przewidywań na podstawie ograniczonej liczby przykładów szkoleniowych. Działa więc zupełnie odwrotnie niż w przypadku konwencjonalnych metod uczenia nadzorowanego.

Zobacz też: Notatnik i Paint na Windows 11 też dostaną sporą aktualizację

Na przykład, jeśli chciałbyś wytrenować standardowy model AI do rozpoznawania zdjęć chomików, to napchasz go kilkuset tysiącami zdjęć tych gryzoni, a następnie możesz przedstawić mu dwa obrazy i zapytać, czy oba przedstawiają to samo zwierzę. Rzecz w tym, że model nie wie, czy te dwa obrazki przedstawiają chomiki, ponieważ tak naprawdę nie wie, czym jest chomik. Dzieje się tak dlatego, że celem modelu nie jest zauważenie chomików, a szukanie podobieństw i różnic pomiędzy przedstawionymi obrazkami i przewidywanie, czy przedstawione rzeczy są takie same, czy nie. 

Zobacz też: Nowy serwis Mój T-Mobile – ma być wygodniej i szybciej dla klientów magentowej sieci

FSL w znacznie mniejszym stopniu opiera się na danych opatrzonych etykietami, jak na przykład zdjęcia chomików, na rzecz uogólnionego systemu, bardziej zbliżonego do sposobu, w jaki uczą się ludzie, niż konwencjonalne SI. W dużym skrócie FSL jest w stanie w dość ograniczonym stopniu pojąć istotę chomikowatości. A skoro tak, to powinien sobie poradzić także z negatywnymi wpisami na mediach społecznościowych.

Źródło: Engadget

Motyw