Zalecana, 2024

Wybór redaktorów

Facebook open-sources nowe AI smarts

Facebook Open Sources AI, 2016 Salary Guide, and the New HondaJet

Facebook Open Sources AI, 2016 Salary Guide, and the New HondaJet
Anonim

Facebook opublikował jako open source niektóre moduły programowe, które mogą przyspieszyć rozpoznawanie obrazów, modelowanie języka i inne zadania związane z uczeniem maszynowym, w celu przyspieszenia sztucznej inteligencji komputerowej dla siebie i innych,

Takie moduły mogą być używane przez startupy lub inne firmy, które chcą budować produkty i usługi oparte na sztucznej inteligencji, ale mogą "Nie mamy do dyspozycji specjalistycznej wiedzy" dogłębnej inżynierii ", aby rozwijać takie możliwości w firmie - powiedział Soumith Chintala, inżynier z Facebooka, który pracuje w laboratorium AI Research (FAIR).

Facebook nie wykorzystuje jeszcze technologii AI w swoich serwis społecznościowy, powiedział Chintala, choć techniki opracowywane w FAIR mogą pewnego dnia zostać wykorzystane w celu poprawy wrażenia klienta. Biorąc pod uwagę względny niedobór dostępnych na rynku narzędzi sztucznej inteligencji, Facebook finansuje FAIR, aby budować podstawowe funkcje w domu, a także udostępniać wyniki, aby inni mogli je wykorzystać i udoskonalić, powiedział.

Nowe moduły działają na Facebooku Torch, otwarte środowisko programistyczne do budowy aplikacji do głębokiego uczenia się. Google, Twitter, Nvidia, Intel i Nvidia wykorzystały to środowisko do swoich projektów.

Moduł, który Chintala był najbardziej entuzjastyczny w rozmowach, to taki, który został napisany w celu rozpoznawania obiektów w obrazach. Chociaż istnieje wiele bibliotek oprogramowania, które już to robią, ten zestaw kodu działa znacznie szybciej niż inne podejścia, wykorzystując techniki opracowane przez badaczy z Facebooka wraz z biblioteką cuffT Nvidii (FFT oznacza szybką transformatę Fouriera, algorytm do przekształcania sygnałów) .

Moduł, który został zbudowany do pracy na macierzach GPU, może być wykorzystany do budowy sieci splotowych, nowego rodzaju sieci neuronowej dobrze przystosowanej do widzenia maszynowego.

Kolejny moduł, zwany Hierarchical SoftMax, może przyspieszyć proces szkolenia sieci uczenia maszynowego w celu zrozumienia zależności między dziesiątkami milionów obiektów - na przykład wszystkie słowa w słowniku. Tego modułu można użyć na przykład do przewidywania następnego słowa w zdaniu, biorąc pod uwagę kilka pierwszych słów zdania. Hierarchiczny SoftMax opiera się na pracy wykonanej w laboratoriach badawczych Microsoftu.

Inny moduł dokonuje korelacji czasowej, powiedział Chintala. Można go wykorzystać do obejrzenia szeregu danych związanych z czasem i przewidywania, jaka będzie następna wartość. Moduł ten byłby również używany do przewidywania słów.

Facebook opublikował także zoptymalizowaną tabelę odnośników, która może pomóc w przechowywaniu w pamięci bardzo dużej liczby obiektów. Program komputerowy, którego celem jest znalezienie związku między pokrewnymi słowami, takimi jak "jedzenie" i "głód", mógłby wykorzystać tabelę do przyspieszenia procesu ich łączenia, powiedział Chintala. Sam Facebook przetestował ten moduł do automatycznego generowania potencjalnych hashtagów dla danego fragmentu tekstu.

Top