Facebook lance un effort d'IA avancé pour trouver un sens à vos messages

Facebook est prêt à mieux comprendre les 700 millions de personnes qui utilisent le réseau social pour partager des détails de leur vie personnelle chaque jour.

Un nouveau groupe de recherche au sein de l'entreprise travaille sur une approche émergente et puissante de l'intelligence artificielle connue sous le nom d'apprentissage en profondeur, qui utilise des réseaux simulés de cellules cérébrales pour traiter les données. L'application de cette méthode aux données partagées sur Facebook pourrait permettre de nouvelles fonctionnalités et peut-être renforcer le ciblage publicitaire de l'entreprise.

L'apprentissage en profondeur a montré un potentiel comme base pour un logiciel qui pourrait déterminer les émotions ou les événements décrits dans le texte même s'ils ne sont pas explicitement référencés, reconnaître les objets sur les photos et faire des prédictions sophistiquées sur le comportement futur probable des personnes.

Le groupe de huit personnes, connu en interne sous le nom d'équipe d'IA, n'a commencé que récemment à travailler et les détails de ses expériences sont toujours secrets. Mais le directeur de la technologie de Facebook, Mike Schroepfer, dira qu'un moyen évident d'utiliser l'apprentissage en profondeur est d'améliorer le fil d'actualités, la liste personnalisée des mises à jour récentes qu'il appelle la killer app de Facebook. La société utilise déjà des techniques conventionnelles d'apprentissage automatique pour réduire les 1 500 mises à jour que les utilisateurs moyens de Facebook pourraient éventuellement voir jusqu'à 30 à 60 qui sont jugées les plus susceptibles d'être importantes pour eux. Schroepfer dit que Facebook doit s'améliorer dans la sélection des meilleures mises à jour, car ses utilisateurs génèrent plus de données et utilisent le réseau social de différentes manières.

L'ensemble de données augmente en taille, les gens se font plus d'amis, et avec l'avènement du mobile, les gens sont en ligne plus fréquemment, a déclaré Schroepfer. Examen de la technologie du MIT . Ce n'est pas que je regarde mon fil d'actualité une fois à la fin de la journée ; Je sors constamment mon téléphone pendant que j'attends mon ami ou que je suis au café. Nous avons cinq minutes pour vraiment vous ravir.

Shroepfer dit que l'apprentissage en profondeur pourrait également être utilisé pour aider les gens à organiser leurs photos ou à choisir laquelle est la meilleure à partager sur Facebook.

En examinant l'apprentissage en profondeur, Facebook suit ses concurrents Google et Microsoft, qui ont utilisé l'approche avec un effet impressionnant au cours de la dernière année. Google a embauché et acquis des talents de premier plan dans le domaine (voir 10 Breakthrough Technologies 2013 : Deep Learning ), et l'année dernière, il a créé un logiciel qui lui a appris à reconnaître les chats et autres objets en examinant des images fixes de vidéos YouTube. La technologie sous-jacente a ensuite été utilisée pour réduire le taux d'erreur des services de reconnaissance vocale de Google (voir Virtual Brain Goes to Work de Google).

Pendant ce temps, des chercheurs de Microsoft ont utilisé l'apprentissage en profondeur pour créer un système qui traduit la parole de l'anglais au chinois mandarin en temps réel (voir Microsoft donne vie au traducteur vocal de Star Trek). Le géant chinois du Web Baidu a également récemment créé un laboratoire de recherche dans la Silicon Valley pour travailler sur l'apprentissage en profondeur.

Des formes moins complexes d'apprentissage automatique sous-tendent certaines des fonctionnalités les plus utiles développées par les grandes entreprises technologiques ces dernières années, telles que les systèmes de détection de spam et la reconnaissance faciale dans les images. Les plus grandes entreprises ont maintenant commencé à investir massivement dans l'apprentissage en profondeur, car il peut générer des gains importants par rapport à ces techniques plus établies, déclare Elliot Turner, fondateur et PDG de AlchimieAPI , qui loue l'accès à son propre logiciel d'apprentissage en profondeur pour le texte et les images.

Les recherches sur la compréhension des images, du texte et du langage se poursuivent depuis des décennies, mais l'amélioration typique qu'une nouvelle technique pourrait offrir n'était qu'une fraction de pour cent, dit-il. Dans des tâches telles que la vision ou la parole, nous constatons des améliorations de plus de 30 % avec l'apprentissage en profondeur. La nouvelle technique permet également des progrès beaucoup plus rapides dans la formation d'un nouveau logiciel, explique Turner.

Les formes conventionnelles d'apprentissage automatique sont plus lentes car avant que les données puissent être introduites dans un logiciel d'apprentissage, les experts doivent choisir manuellement les fonctionnalités auxquelles le logiciel doit prêter attention, et ils doivent étiqueter les données pour signifier, par exemple, que certaines images contiennent des voitures.

Les systèmes d'apprentissage en profondeur peuvent apprendre avec beaucoup moins d'intervention humaine, car ils peuvent déterminer eux-mêmes quelles caractéristiques des données brutes sont les plus importantes. Ils peuvent même travailler sur des données qui n'ont pas été étiquetées, comme l'a fait le logiciel de reconnaissance des chats de Google. Les systèmes capables de le faire utilisent généralement un logiciel qui simule des réseaux de cellules cérébrales, appelés réseaux neuronaux, pour traiter les données. Ils nécessitent des ensembles d'ordinateurs plus puissants pour fonctionner.

Le groupe d'IA de Facebook travaillera sur des applications pouvant aider les produits de l'entreprise ainsi que sur des recherches plus générales qui seront rendues publiques, a déclaré Srinivas Narayanan, responsable de l'ingénierie chez Facebook qui aide à assembler le nouveau groupe. Il dit qu'une façon dont Facebook peut aider à faire progresser l'apprentissage en profondeur est de s'appuyer sur ses récents travaux pour créer de nouveaux types de matériel et de logiciels pour gérer de grands ensembles de données (voir Inside Facebook's Not-So-Secret New Data Center). C'est à la fois un problème logiciel et matériel ; la façon dont vous faites évoluer ces réseaux nécessite une intégration très profonde des deux, dit-il.

Facebook a embauché un expert en apprentissage profond Marc'Aurelio Ranzato loin de Google pour son nouveau groupe. Parmi les autres membres, citons Yaniv Taigman, cofondateur de la startup de reconnaissance faciale Face.com (voir When You're Always a Familiar Face ) ; expert en vision par ordinateur Lubomir Bourdev ; et l'ingénieur chevronné de Facebook Keith Adams.

cacher