Facebook vēlas, lai mašīnas redzētu pasauli caur mūsu acīm

MIT tehnoloģiju apskats | Envato

Mēs uzskatām par pašsaprotamu, ka mašīnas var atpazīt to, ko tās redz fotoattēlos un videoklipos. Šī spēja balstās uz lielas datu kopas, piemēram, ImageNet , ar rokām izveidota miljoniem fotoattēlu kolekcija, kas izmantota, lai apmācītu lielāko daļu no pēdējās desmitgades labākajiem attēlu atpazīšanas modeļiem.

Taču attēli šajās datu kopās attēlo atlasītu objektu pasauli — attēlu galeriju, kas nefiksē ikdienas dzīves nekārtības, kā to piedzīvo cilvēki. Lai mašīnas redzētu lietas tā, kā mēs to darām, tiks izmantota pilnīgi jauna pieeja. Un Facebook AI laboratorija vēlas uzņemties vadību.

Tas aizsāk projektu, ko sauc Ego4D , lai izveidotu AI, kas spēj izprast ainas un darbības, skatoties no pirmās personas perspektīvas — kā lietas izskatās iesaistītajām personām, nevis skatītājam. Padomājiet par kustību aizmiglotu GoPro kadrus, kas uzņemti notikumu vidū, nevis labi kadrētos kadrus, ko uzņēmis kāds no malas. Facebook vēlas, lai Ego4D veiktu pirmās personas video to pašu, ko ImageNet darīja fotoattēliem.

Saistīts stāsts

Kāpēc Facebook izmanto Ray-Ban, lai izvirzītu prasību mūsu sejās

Lai izveidotu metaversu, Facebook mums ir jāpierod pie viedajām brillēm.

Pēdējos divus gadus Facebook AI Research (FAIR) ir sadarbojies ar 13 universitātēm visā pasaulē, lai apkopotu visu laiku lielāko pirmās personas video datu kopu, jo īpaši, lai apmācītu padziļinātus attēlu atpazīšanas modeļus. AI, kas ir apmācīti par datu kopu, varēs labāk kontrolēt robotus, kas mijiedarbojas ar cilvēkiem, vai interpretēt attēlus no viedajām brillēm. Mašīnas varēs mums palīdzēt mūsu ikdienas dzīvē tikai tad, ja tās patiešām sapratīs pasauli caur mūsu acīm, saka Kristena Graumana no FAIR, kura vada projektu.

Šāda tehnoloģija varētu palīdzēt cilvēkiem, kuriem nepieciešama palīdzība mājās, vai palīdzēt cilvēkiem veikt uzdevumus, kurus viņi mācās veikt. Video šajā datu kopā ir daudz tuvāk tam, kā cilvēki novēro pasauli, saka Maikls Rjū, datorredzes pētnieks no Google Brain un Stony Brook universitātes Ņujorkā, kurš nav iesaistīts Ego4D.

Taču iespējamā ļaunprātīgā izmantošana ir skaidra un satraucoša. Pētījumu finansē sociālo mediju gigants Facebook, kas nesen tika apsūdzēts ASV Senātā liekot peļņu cilvēku labklājībai — kā to apstiprina MIT Technology Review pašu veiktās izmeklēšanas .

Facebook un citu Big Tech uzņēmumu biznesa modelis ir izspiest pēc iespējas vairāk datu no cilvēku uzvedības tiešsaistē un pārdot tos reklāmdevējiem. Projektā aprakstītais mākslīgais intelekts varētu paplašināt šo sasniedzamību, iekļaujot cilvēku ikdienas bezsaistes uzvedību, atklājot, kādi objekti atrodas jūsu mājās, kādas aktivitātes jums patika, ar ko jūs pavadījāt laiku un pat kur pakavējās jūsu skatiens — nepieredzēti daudz personiskās informācijas.

Grauman saka, ka ir jāstrādā pie privātuma, kas ir jādara, lai to izņemtu no pētnieciskās izpētes pasaules un iegūtu kaut ko, kas ir produkts. Šo darbu pat varētu iedvesmot šis projekts.

FACEBOOK

Lielāko iepriekšējo pirmās personas video datu kopu veido 100 stundu gari materiāli, kuros redzami cilvēki virtuvē. Ego4D datu kopa sastāv no 3025 stundām video, ko ierakstījuši 855 cilvēki 73 dažādās vietās deviņās valstīs (ASV, Apvienotajā Karalistē, Indijā, Japānā, Itālijā, Singapūrā, Saūda Arābijā, Kolumbijā un Ruandā).

Dalībniekiem bija dažāds vecums un izcelsme; daži tika pieņemti darbā viņu vizuāli interesantajām profesijām, piemēram, maiznieki, mehāniķi, galdnieki un ainavu veidotāji.

Iepriekšējās datu kopas parasti sastāvēja no daļēji skriptiem videoklipiem, kas bija tikai dažas sekundes. Ego4D dalībnieki valkāja uz galvas piestiprinātas kameras līdz pat 10 stundām un iemūžināja pirmās personas video ar neskriptu ikdienas aktivitātēm, tostarp staigāšanu pa ielu, lasīšanu, veļas mazgāšanu, iepirkšanos, spēlēšanos ar mājdzīvniekiem, galda spēļu spēlēšanu un mijiedarbojoties ar citiem cilvēkiem. Dažos materiālos ir iekļauts arī audio, dati par to, kur bija fokusēts dalībnieku skatiens, un vairākas perspektīvas uz vienu un to pašu ainu. Tā ir pirmā šāda veida datu kopa, saka Ryoo.

FAIR ir arī uzsācis izaicinājumu kopumu, kas, cerams, koncentrēs citu pētnieku centienus uz šāda veida AI izstrādi. Komanda paredz algoritmus, kas iebūvēti viedajās brillēs, piemēram Facebook nesen paziņoja par Ray-Bans , kas ieraksta un reģistrē valkātāju ikdienas dzīvi. Tas nozīmē, ka paplašinātās vai virtuālās realitātes metaversas lietotnes teorētiski varētu atbildēt uz tādiem jautājumiem kā Kur ir manas automašīnas atslēgas? jeb Ko es ēdu un kam blakus sēdēju savā pirmajā lidojumā uz Franciju? Papildinātās realitātes palīgi varētu saprast, ko jūs mēģināt darīt, un piedāvāt norādījumus vai noderīgas sociālās norādes.

Tās ir zinātniskās fantastikas, taču tuvāk, nekā jūs domājat, saka Graumans. Lielas datu kopas paātrina pētījumu. Viņa saka, ka ImageNet īsā laikā ir panācis lielus panākumus. To pašu varam sagaidīt arī attiecībā uz Ego4D, bet uz pasaules pirmās personas skatiem interneta attēlu vietā.

Kad filmētais materiāls bija savākts, Ruandas strādnieki kopumā pavadīja 250 000 stundu, skatoties tūkstošiem videoklipu un rakstot miljoniem teikumu, kas apraksta filmētās ainas un darbības. Šīs anotācijas tiks izmantotas, lai apmācītu AI saprast, ko viņi skatās.

Saistīts stāsts

Kļūdu pārpildītas datu kopas deformē mūsu izpratni par to, cik labs patiesībā ir AI

Mūsu izpratni par mašīnmācības progresu ir iekrāsojuši kļūdaini testēšanas dati.

Kur šī tehnoloģija nonāk un cik ātri tā attīstās, vēl ir redzams. FAIR plāno konkursu, pamatojoties uz tā izaicinājumiem 2022. gada jūnijā. Ir arī svarīgi atzīmēt, ka FAIR, pētniecības laboratorija, nav tas pats, kas Facebook, mediju megalodons. Faktiski to saka iekšējās personas Facebook ir ignorējis tehniskos labojumus, ko FAIR ir nācis klajā ar saviem toksiskajiem algoritmiem . Bet Facebook maksā par izpēti, un ir neprātīgi izlikties, ka uzņēmums nav ļoti ieinteresēts tā pielietojumā.

Sems Gregorijs no Witness, cilvēktiesību organizācijas, kas specializējas video tehnoloģijās, saka, ka šī tehnoloģija varētu būt noderīga apkārtējiem cilvēkiem, kuri dokumentē protestus vai policijas pārkāpumus. Taču viņš uzskata, ka šīs priekšrocības atsver bažas par komerciāliem lietojumiem. Viņš atzīmē, ka personas ir iespējams identificēt pēc tā, kā viņi tur videokameru. Skatienu dati būtu vēl atklājošāki: tas ir ļoti spēcīgs intereses rādītājs, viņš saka. Kā tiks saglabāti skatiena dati? Kam tas būs pieejams? Kā to varētu apstrādāt un izmantot?

Facebook reputācija un galvenais biznesa modelis zvana daudz trauksmes zvanu, saka Rorijs Mirs no Electronic Frontier Foundation. Šobrīd daudzi ir informēti par Facebook vājajiem sasniegumiem privātuma jomā un to, ka viņi izmanto novērošanu, lai ietekmētu lietotājus — gan lai piesaistītu lietotājus, gan pārdotu šo ietekmi saviem maksājošiem klientiem, reklāmdevējiem. Runājot par paplašināto un virtuālo realitāti, Facebook cenšas iegūt konkurences priekšrocības, saka Mir: būtiski ir paplašināt apkopoto datu apjomu un veidus.

Jautājot par saviem plāniem, Facebook bija nepārsteidzoši šaurs: Ego4D ir tikai pētniecība, lai veicinātu progresu plašākā zinātnieku aprindās, saka pārstāvis. Mums šodien nav ar ko pastāstīt par produktu lietojumiem vai komerciālu izmantošanu.

paslēpties