Facebook的人工智能工程师已经接受了一种称为自我监督学习的技术，因此社交网络的技术可以更快地适应诸如发现新形式的仇恨言论等挑战。人工智能正在席卷科技行业，作为让计算机识别模式和做出决策的新方法。使用今天称为深度学习的人工智能技术，您可以通过使用大量猫的图片训练来识别猫的计算机，而不是弄清楚如何定义猫的特征，如两只眼睛，尖耳朵和胡须。但是，自我监督学习需要的培训数据远远少于常规人工智能培训，这样可以缩短组装培训数据和培训系统所需的时间。例如，自我监督的学习方法已将所需的培训数据量减少了10倍，Facebook的人工智能研究负责人Manohar Paluri周三在该公司的F8开发者大会上表示。
而这种速度对于让Facebook变得有趣和安全至关重要，而不是有毒评论，错误信息，滥用和诈骗的污水池。
Facebook首席技术官Mike Schroepfer在一次主题演讲中表示，“很容易失去希望，打包并回家。”“但我们做不到。我们在这里为拥有技术的人们带来更美好的未来。”
Paluri吹嘘Facebook的AI正在改善世界上最大的社交网络上的许多问题：欺凌，仇恨言论，暴力，恐怖主义宣传，儿童裸体，垃圾邮件，成人内容和虚假账户。
但是，正如发言人在会议上所承认的那样，还有很长的路要走，特别是在承认3月份新西兰清真寺枪击事件等有问题的视频时。这甚至没有触及Facebook首席执行官马克扎克伯格说他正试图解决的隐私问题。Facebook高管们在会议上对他们惯常的傲慢态度嗤之以鼻，这表明他们知道自己还没有走出困境。
CTO Mike Schroepfer在该公司的F8开发者大会上表示，Facebook越来越依赖人工智能来解决垃圾邮件和仇恨言论等问题。
使用AI帮助解决一些问题对于以工程为重点的Facebook来说是一个自然的想法。它是一个人工智能巨头，将这项技术应用于调试自己的软件这样艰巨的任务，并聘请了先锋Yann LeCun，他是今年人工智能工作的着名图灵奖的三位获奖者之一。
Facebook并不是唯一一个追求人工智能的人，人工智能正在超越科技世界。德勤咨询公司周三公布的一项调查显示，全球57%的企业早期采用该技术，期望人工智能改变其业务- 现在经常投资以试图超越预期的更广泛转型。
但是，尽管人工智能可以解决计算机科学问题，但它也增加了新的问题，例如消除人工智能偏见的困难，这可以加强某些人在社会中存在的问题或优势。
自我监督学习是人工智能关键培训阶段的新转折。
今天的AI培训数据通常是“监督的”，这意味着它依赖于经过仔细标记的培训数据。这些数据很难收集 - 特别是在最佳训练AI系统所需的大量数据中。标记的猫照片很丰富，但使用AI的公司必须发现从欺诈性信用卡交易到计算机错误的所有内容。
Schroepfer说，通过自我监督学习，AI使用未标记的训练数据。但它不是完全原始的数据。相反，删除了一些位，例如来自文本的单词或来自照片的像素的矩形。
这让AI系统通过弄清楚如何重建缺失的东西来学习模式，并且更容易提供对于自然语言处理(NLP)或理解人类语音和文本等任务非常有用的“海量数据”。Schroepfer说，Facebook也正在使用自我监督的学习来处理照片，视频和文字。
“你可以立即生成训练集和答案，”Schroepfer说。“因为你正在使用如此多的数据，这些NLP系统开始越来越深入地了解语言。”
| 
