Facebook lanza un esfuerzo avanzado de inteligencia artificial para encontrar significado en sus publicaciones

Facebook está configurado para comprender aún mejor a los 700 millones de personas que usan la red social para compartir detalles de sus vidas personales todos los días.

Un nuevo grupo de investigación dentro de la empresa está trabajando en un enfoque emergente y poderoso para la inteligencia artificial conocido como aprendizaje profundo, que utiliza redes simuladas de células cerebrales para procesar datos. La aplicación de este método a los datos compartidos en Facebook podría permitir funciones novedosas y quizás impulsar la orientación de anuncios de la empresa.

El aprendizaje profundo ha demostrado tener potencial como base para el software que podría resolver las emociones o los eventos descritos en el texto, incluso si no se hace referencia explícitamente a ellos, reconocer objetos en fotos y hacer predicciones sofisticadas sobre el probable comportamiento futuro de las personas.

El grupo de ocho personas, conocido internamente como el equipo de IA, comenzó a trabajar recientemente y los detalles de sus experimentos aún son secretos. Pero el director de tecnología de Facebook, Mike Schroepfer, dirá que una forma obvia de usar el aprendizaje profundo es mejorar el suministro de noticias, la lista personalizada de actualizaciones recientes que él llama la aplicación asesina de Facebook. La compañía ya utiliza técnicas de aprendizaje automático convencionales para reducir las 1.500 actualizaciones que los usuarios promedio de Facebook podrían ver hasta 30 o 60 que se consideran más importantes para ellos. Schroepfer dice que Facebook necesita mejorar en la selección de las mejores actualizaciones porque sus usuarios están generando más datos y usando la red social de diferentes maneras.

El conjunto de datos está aumentando de tamaño, las personas están haciendo más amigos y, con la llegada de los dispositivos móviles, las personas están en línea con más frecuencia, dijo Schroepfer. Revisión de tecnología del MIT . No es que mire mis noticias una vez al final del día; Constantemente saco mi teléfono mientras espero a mi amigo o estoy en la cafetería. Tenemos cinco minutos para deleitarte de verdad.

Shroepfer dice que el aprendizaje profundo también podría usarse para ayudar a las personas a organizar sus fotos o elegir cuál es la mejor para compartir en Facebook.

Al analizar el aprendizaje profundo, Facebook sigue a sus competidores Google y Microsoft, que han utilizado el enfoque con un efecto impresionante el año pasado. Google ha contratado y adquirido talentos líderes en el campo (ver 10 Tecnologías innovadoras 2013: Aprendizaje profundo), y el año pasado creó un software que se enseñó a reconocer gatos y otros objetos revisando imágenes fijas de videos de YouTube. La tecnología subyacente se utilizó más tarde para reducir la tasa de error de los servicios de reconocimiento de voz de Google (consulte Virtual Brain Goes to Work de Google).

Mientras tanto, los investigadores de Microsoft han utilizado el aprendizaje profundo para construir un sistema que traduzca el habla del inglés al chino mandarín en tiempo real (consulte Microsoft da vida al traductor de voz de Star Trek). El gigante chino de la web Baidu también estableció recientemente un laboratorio de investigación de Silicon Valley para trabajar en el aprendizaje profundo.

Las formas menos complejas de aprendizaje automático han respaldado algunas de las características más útiles desarrolladas por las principales empresas de tecnología en los últimos años, como los sistemas de detección de spam y el reconocimiento facial en imágenes. Las empresas más grandes ahora han comenzado a invertir fuertemente en el aprendizaje profundo porque puede ofrecer ganancias significativas sobre esas técnicas más establecidas, dice Elliot Turner, fundador y CEO de AlquimiaAPI , que alquila el acceso a su propio software de aprendizaje profundo para texto e imágenes.

La investigación sobre la comprensión de imágenes, texto y lenguaje se ha llevado a cabo durante décadas, pero la mejora típica que podría ofrecer una nueva técnica era una fracción de un por ciento, dice. En tareas como la visión o el habla, estamos viendo mejoras de más del 30 por ciento con el aprendizaje profundo. La técnica más nueva también permite un progreso mucho más rápido en el entrenamiento de una nueva pieza de software, dice Turner.

Las formas convencionales de aprendizaje automático son más lentas porque antes de que los datos puedan introducirse en el software de aprendizaje, los expertos deben elegir manualmente a qué características debe prestar atención el software y deben etiquetar los datos para indicar, por ejemplo, que ciertas imágenes contienen automóviles.

Los sistemas de aprendizaje profundo pueden aprender con mucha menos intervención humana porque pueden descubrir por sí mismos qué características de los datos sin procesar son más importantes. Incluso pueden trabajar con datos que no han sido etiquetados, como lo hizo el software de reconocimiento de gatos de Google. Los sistemas capaces de hacer eso suelen utilizar software que simula redes de células cerebrales, conocidas como redes neuronales, para procesar datos. Requieren colecciones de computadoras más potentes para funcionar.

El grupo de inteligencia artificial de Facebook trabajará en aplicaciones que puedan ayudar a los productos de la empresa, así como en investigaciones más generales que se harán públicas, dice Srinivas Narayanan, gerente de ingeniería de Facebook que está ayudando a formar el nuevo grupo. Él dice que una forma en que Facebook puede ayudar a avanzar en el aprendizaje profundo es aprovechando su trabajo reciente para crear nuevos tipos de hardware y software para manejar grandes conjuntos de datos (ver Inside Facebook's Not-So-Secret New Data Center). Es un problema de software y hardware juntos; la forma en que escala estas redes requiere una integración muy profunda de las dos, dice.

Facebook contrató a un experto en aprendizaje profundo Marc’Aurelio Ranzato lejos de Google para su nuevo grupo. Otros miembros incluyen a Yaniv Taigman, cofundador de la empresa de reconocimiento facial Face.com (consulte Cuando eres siempre un rostro familiar); experto en visión por computadora Lubomir Bourdev; y el veterano ingeniero de Facebook Keith Adams.

esconder