Το Facebook έχει βελτιώσει τις δυνατότητες των υπολογιστών του να κατηγοριοποιούν καλύτερα αντικείμενα στις φωτογραφίες, μελετώντας 3,5 δισεκατομμύρια φωτογραφίες από το Instagram. Ο γίγαντας της κοινωνικής δικτύωσης αποκάλυψε το τελευταίο του πρότζεκτ τεχνητής νοημοσύνης την περασμένη Τετάρτη στο Σαν Χοσέ της Καλιφόρνιας, κατά τη διάρκεια της ετήσιας συνάντησης προγραμματιστών F8 της εταιρείας.

Ο επικεφαλής τεχνολογίας του Facebook, Mike Schroepfer, εξήγησε σε ένα κοινό που αποτελείτο από προγραμματιστές, τις προκλήσεις της βελτίωσης της ακρίβειας των υπολογιστών στην κατανόηση συγκεκριμένων αντικειμένων στις φωτογραφίες. Ένα από τα μεγαλύτερα προβλήματα, όπως ανέφερε ο ίδιος, είναι το ότι δεν διαθέτουμε αρκετές φωτογραφίες με ορθή επισήμανση ώστε να εκπαιδεύουμε τους υπολογιστές για να καταλαβαίνουν τι βρίσκεται σε αυτές.

Για παράδειγμα, προτού ένας υπολογιστής καταλάβει ότι ένα μήλο σε μια φωτογραφία είναι πράγματι ένα μήλο, πρέπει να έχει «εκπαιδευτεί» σε προηγούμενες φωτογραφίες μήλων που οι άνθρωποι έχουν επισημάνει ορθά, αναφέροντας το κατάλληλο φρούτο.

Έτσι εξηγείται το γεγονός ότι το Facebook, το οποίο κατέχει τη δημοφιλή υπηρεσία ανταλλαγής φωτογραφιών Instagram, θέλει να χρησιμοποιεί όλα τα δεδομένα που συλλέγει το Instagram από τις φωτογραφίες που ανεβάζουν οι χρήστες. Στη συνέχεια, χρησιμοποιεί αυτές τις φωτογραφίες για να βελτιώνει τις συνολικές του δυνατότητες αναγνώρισης εικόνας.

Ο Schroepfer δήλωσε ότι το Facebook πήρε 3.5 δισεκατομμύρια φωτογραφίες από το Instagram, οι οποίες συνοδεύονται από hashtags που βάζουν οι χρήστες για να τις περιγράψουν, και η εταιρεία «παρήγαγε αποτελέσματα αιχμής» στο δημοφιλές σημείο αναφοράς υπολογιστικής όρασης ImageNet, το οποίο χρησιμοποιείται από τους ερευνητές της τεχνητής νοημοσύνης ως ένδειξη μεγαλύτερης αποτελεσματικότητας του πρότζεκτ τους σε σύγκριση με άλλα.

Σε συνέντευξή του στο Fortune πριν από το συνέδριο προγραμματιστών του Facebook, ο επικεφαλής εφαρμοσμένης πληροφορικής της πλατφόρμας, Manohar Paluri, δήλωσε ότι μία από τις προκλήσεις που αντιμετώπισαν οι υπολογιστές της εταιρείας ήταν ότι πολλές από τις φωτογραφίες του Instagram είχαν «θορυβώδη hashtags». Για παράδειγμα, ένας χρήστης μπορεί να περιγράφει μια φωτογραφία ενός σκύλου ως χάσκι, όταν στην πραγματικότητα ο σκύλος είναι διαφορετικής ράτσας.

«Οι ανακριβείς περιγραφές βρίσκονται παντού» ανέφερε χαρακτηριστικά ο Paluri, σχετικά με τις φωτογραφίες στο Instagram.