AI Baru Facebook Mengajar Sendiri untuk Melihat Dengan Lebih Sedikit Bantuan Manusia


Kebanyakan kecerdasan buatan masih dibangun di atas fondasi kerja keras manusia. Peer di dalam algoritma AI dan Anda akan menemukan sesuatu yang dibangun menggunakan data yang dikuratori dan diberi label oleh pasukan pekerja manusia.

Sekarang, Facebook telah menunjukkan bagaimana beberapa algoritma AI dapat belajar melakukan pekerjaan yang berguna dengan bantuan manusia yang jauh lebih sedikit. Perusahaan membuat algoritme yang belajar mengenali objek dalam gambar dengan sedikit bantuan dari label.

Algoritme Facebook, yang disebut Seer (untuk SElf-supERvised), menghasilkan lebih dari satu miliar gambar yang diambil dari Instagram, memutuskan sendiri objek mana yang mirip. Gambar dengan kumis, bulu, dan telinga runcing, misalnya, dikumpulkan menjadi satu tumpukan. Kemudian algoritme diberi sejumlah kecil gambar berlabel, termasuk beberapa berlabel “kucing”. Ia kemudian dapat mengenali gambar serta algoritme yang dilatih menggunakan ribuan contoh berlabel dari setiap objek.

“Hasilnya mengesankan,” kata Olga Russakovsky, asisten profesor di Universitas Princeton yang berspesialisasi dalam AI dan visi komputer. “Membuat pembelajaran mandiri untuk bekerja sangat menantang, dan terobosan dalam ruang ini memiliki konsekuensi hilir yang penting untuk pengenalan visual yang lebih baik.”

Russakovsky mengatakan perlu dicatat bahwa gambar Instagram tidak dipilih sendiri untuk membuat pembelajaran mandiri lebih mudah.

Penelitian Facebook adalah tonggak penting untuk pendekatan AI yang dikenal sebagai “pembelajaran yang diawasi sendiri”, kata kepala ilmuwan Facebook, Yann LeCun.

LeCun memelopori pendekatan pembelajaran mesin yang dikenal sebagai pembelajaran dalam yang melibatkan pemberian data ke jaringan saraf tiruan yang besar. Sekitar satu dekade yang lalu, pembelajaran mendalam muncul sebagai cara yang lebih baik untuk memprogram mesin untuk melakukan segala macam hal yang berguna, seperti klasifikasi gambar dan pengenalan ucapan.

Tapi LeCun mengatakan pendekatan konvensional, yang membutuhkan “pelatihan” algoritma dengan memberikan banyak data berlabel, tidak akan diskalakan. “Saya telah mengadvokasi seluruh gagasan tentang pembelajaran mandiri ini cukup lama,” katanya. “Jangka panjang, kemajuan dalam AI akan datang dari program yang hanya menonton video sepanjang hari dan belajar seperti bayi.”

LeCun mengatakan pembelajaran yang diawasi sendiri dapat memiliki banyak aplikasi yang berguna, misalnya belajar membaca gambar medis tanpa perlu memberi label begitu banyak pindaian dan sinar-X. Dia mengatakan pendekatan serupa sudah digunakan untuk membuat tagar secara otomatis untuk gambar Instagram. Dan dia mengatakan teknologi Seer dapat digunakan di Facebook untuk mencocokkan iklan dengan posting atau untuk membantu menyaring konten yang tidak diinginkan.

Panduan WIRED untuk Kecerdasan Buatan

Algoritme supersmart tidak akan mengambil semua pekerjaan, tetapi mereka belajar lebih cepat dari sebelumnya, melakukan segalanya mulai dari diagnostik medis hingga menayangkan iklan.

Riset Facebook dibangun di atas kemajuan yang stabil dalam menyesuaikan algoritme pembelajaran mendalam agar lebih efisien dan efektif. Pembelajaran yang diawasi sendiri sebelumnya telah digunakan untuk menerjemahkan teks dari satu bahasa ke bahasa lain, tetapi lebih sulit untuk diterapkan pada gambar daripada kata-kata. LeCun mengatakan tim peneliti mengembangkan cara baru bagi algoritme untuk belajar mengenali gambar bahkan ketika satu bagian gambar telah diubah.

Facebook akan merilis beberapa teknologi di belakang Seer tetapi bukan algoritmanya sendiri karena dilatih menggunakan data pengguna Instagram.

Aude Oliva, yang memimpin lab Computational Perception and Cognition MIT, mengatakan bahwa pendekatan tersebut “akan memungkinkan kami untuk melakukan tugas pengenalan visual yang lebih ambisius”. Namun Oliva mengatakan bahwa ukuran dan kompleksitas algoritme AI mutakhir seperti Seer, yang dapat memiliki miliaran atau triliunan koneksi atau parameter neural — lebih banyak daripada algoritme pengenalan gambar konvensional dengan kinerja yang sebanding — juga menimbulkan masalah. Algoritme semacam itu membutuhkan banyak sekali. jumlah daya komputasi, menekan pasokan chip yang tersedia.

Alexei Efros, seorang profesor di UC Berkeley, mengatakan makalah Facebook adalah demonstrasi yang baik dari pendekatan yang dia yakini akan penting untuk memajukan AI — membuat mesin belajar sendiri dengan menggunakan “data dalam jumlah besar”. Dan seperti kebanyakan kemajuan dalam AI saat ini, katanya, itu dibangun di atas serangkaian kemajuan lain yang muncul dari tim yang sama di Facebook serta kelompok penelitian lain di akademisi dan industri.


Lebih Banyak Kisah WIRED Hebat

Diposting oleh : Lagutogel