هوش مصنوعی متاورس فیسبوک برای ساخت و آموزش ماشین هایی برای یادگیری و درک ویدیوهای عمومی کاربران در پروژه بزرگ خود به کار گرفته می شود.
هوش مصنوعی متاورس فیسبوک می تواند ویدیو را درک کند و برای کاربردهای مختلف نیز مورد استفاده قرار گیرد.

به گزارش ویکی تماس، آموزش سیستمهای هوش مصنوعی متاورس فیسبوک برای درک آنچه در ویدیوها اتفاق میافتد یکی از سختترین چالشها و بزرگترین پیشرفتهای بالقوه در دنیای یادگیری ماشینی محسوب می شود.
در تازه ترین ابتکار، متاورس فیسبوک اعلام کرد امیدوار است آموزش هوش مصنوعی خود در ویدیوهای عمومی کاربران را با موفقیت پشت سر گذارد.
دسترسی به دادههای آموزشی یکی از بزرگترین مزیتهای رقابتی هوش مصنوعی است و غولهای فناوری مانند هوش مصنوعی فیس بوک «متاورس»، گوگل و آمازون با جمعآوری این منابع از میلیونها کاربر خود توانستهاند دراین زمینهها پیشرفت های زیادی بدست آورند.
در حالی که متاورس فیسبوک قبلاً در اینستاگرام از مدلهای تصویری داده ها برروی میلیاردها تصویر جمعآوریشده استفاده کرده است، در حال حاضر درصدد است پروژههایی با جاهطلبی مشابه برای درک ویدیو داده های کاربران اجرا کند.
تلاش گسترده متاورس فیسبوک برای ساخت ماشینهایی که مانند انسانها می آموزند
سیستمهای هوش مصنوعی فیس بوک «متاورس» با یادگیری جهانی ویدیوهای در دسترس کشورها و زبانهای مختلف دنیا، نه تنها دقت را بهبود میبخشند، بلکه با دنیای سریع این شرکت سازگار نیز میشوند و تفاوتهای ظریف و نشانههای بصری را در فرهنگها و مناطق مختلف تشخیص میدهند.
فیسبوک میگوید این شرکت در حال استفاده از ابزارهایی برای مدلهای یادگیری ماشینی و ایجاد سیستمهای توصیه محتوای جدید و ابزارهای تعدیل است که در آینده کارهای بیشتری نیز انجام خواهند داد.
هوش مصنوعی متاورس فیسبوک که بتواند محتوای ویدیوها را درک کند میتواند بینش بیسابقهای از زندگی به کاربران فیسبوک بدهد و به آنها اجازه سرگرمیها و علایق، ترجیحات بِرندها و لباسها و جزئیات شخصی بیشماری دیگری را برای تجزیه و تحلیل بدهد.
البته، فیسبوک از طریق عملیات تبلیغات هدفمند فعلی خود به چنین اطلاعاتی دسترسی پیدا کرده، اما توانایی تجزیه و تحلیل ویدیوها از طریق هوش مصنوعی، منبع فوقالعاده غنی (و تهاجمی) داده ای را به فروشگاهههای این شرکت اضافه خواهد کرد.
متاورس فیسبوک درباره برنامههای آیندهاش برای مدلهای هوش مصنوعی آموزشدیده بر روی ویدیوهای کاربران مبهم عمل کرده است. این شرکت به « The Verge » گفت: که این مدلها میتوانند کاربردهای مختلفی از زیرنویس کردن ویدیوها گرفته تا ایجاد توابع جستجوی پیشرفته داشته باشند.
هوش مصنوعی فیس بوک «متاورس» از پاسخ به این سوال که آیا از آنها برای جمعآوری اطلاعات برای هدفمندی تبلیغات استفاده میشود یا خیر؟ طفره رفت
و وقتی از این شرکت پرسیده شد: آیا کاربران باید با استفاده از ویدئوهایشان برای آموزش هوش مصنوعی متاورس فیسبوک کمک کنند یا اینکه می توانند موافقت نکنند؟ این شرکت تنها با ذکر این نکته پاسخ داد که سیاست داده می گوید محتوای آپلود شده کاربران می تواند برای «تحقیق و توسعه محصول» مورد استفاده شرکتها قرار بگیرد.
هوش مصنوعی فیس بوک «متاورس» همچنین به سؤالاتی که دقیقاً به مقدار ویدیوی جمع آوری شده برای آموزش سیستمهای هوش مصنوعی فیس بوک «متاورس» یا نحوه نظارت بر دسترسی محققان شرکت به این دادهها پاسخ نداد.
با این حال، در پست وبلاگ خود که این پروژه را معرفی می کند، این شبکه اجتماعی به یک کاربرد احتمالی آینده اشاره کرد: که استفاده از هوش مصنوعی برای بازیابی «خاطرات دیجیتالی» ثبت شده توسط عینک های هوشمند است.
فیسبوک قصد دارد یک جفت عینک هوشمند برای مصرفکنندگان در سال جاری عرضه کند. البته باز جزئیات در مورد این دستگاه مبهم است، اما به احتمال زیاد این عینک یا عینک های آینده دارای دوربین های یکپارچه برای ثبت دیدگاه کاربران خواهند بود.
اگر بتوان سیستمهای هوش مصنوعی را برای درک محتوای ویدیو آموزش داد، به کاربران اجازه میدهد تا ضبطهای گذشته را جستجو کنند، همانطور که بسیاری از برنامههای عکس به افراد اجازه میدهد مکانها، اشیاء یا افراد خاصی را جستجو کنند. اتفاقاً این اطلاعاتی است که اغلب توسط سیستم های هوش مصنوعی آموزش دیده بر روی داده های کاربران نشان داده می شود.
متاورس فیسبوک تصاویری را منتشر کرده است که نمونه اولیه یک جفت عینک هوشمند واقعیت افزوده خود را نشان می دهد.

متاورس فیسبوک میگوید از آنجایی که ضبط ویدیو با عینکهای هوشمند به یک امر عادی تبدیل میشود، «افراد باید بتوانند لحظات خاصی را از بانک عظیم حافظههای دیجیتال خود به همان راحتی که آنها را ضبط کرده اند، به خاطر بیاورند.» این مثال کاربری را نشان میدهد که قبل از پخش کلیپهای مرتبط، با عبارت «هر بار که تولدت مبارک مادربزرگ خواندیم به من نشان بده»، جستجو میکند.
همانطور که این شرکت خاطرنشان می کند، چنین جستجویی مستلزم آن است که سیستم های هوش مصنوعی بین انواع داده ها ارتباط برقرار کنند و به آنها آموزش دهند که عبارت “تولدت مبارک” را با کیک ها، شمع ها، افرادی که آهنگ های مختلف تولد را می خوانند و موارد دیگر تطابق دهند.” درست مانند انسان ها، هوش مصنوعی باید مفاهیم غنی متشکل از انواع مختلف ورودی های حسی را درک کند.
با نگاهی به آینده، ترکیب عینکهای هوشمند و یادگیری ماشینی، چیزی را که به آن «تخریب جهان» گفته میشود، امکانپذیر میکند. گرفتن دادههای دانهای درباره جهان با تبدیل کاربران عینک هوشمند به دوربینهای مداربسته متحرک.
با نگاهی به آینده این تکنولوژی، ترکیب عینکهای هوشمند و یادگیری ماشینی چیزی را که به آن «تخریب جهان» گفته میشود، امکانپذیر میکند. به این صورت که دریافت اطلاعات در سطح جزئی ترین چیزهای جهان اطراف ما و تبدیل آنها با عینک های هوشمند به دوربین های مدار بسته متحرک.
این یک نتیجه فوقالعاده است و مسیر تحقیقاتی نیست که فیسبوک میگوید در حال حاضر در حال بررسی است. اما اهمیت بالقوه جفت کردن تجزیه و تحلیل ویدئویی پیشرفته هوش مصنوعی با عینک هوشمند را نشان می دهد – که ظاهراً شبکه اجتماعی مایل به انجام آن است.
فیس بوک می گوید در حال حاضر در حال سیر تحقیقاتی برای رسیدن به این نتیجه فوق العاده است در صورتی که این شبکه اجتماعی مایل است جفت کردن تجزیه و تحلیل ویدئوی پشرفته هوش مصنوعی با عینک هوشمند را محقق کند
متاورس فیسبوک با مدل های ویدیویی برای توصیه کلیپ ها در حلقه ها
مقایسه استفاده ابزارهای جدید تجزیه و تحلیل ویدئویی هوش مصنوعی که فیس بوک در حال حاضر افشا کرده است با دست آوردهای زیاد این پروژه نسبتاً پیش پا افتاده است.
فیسبوک گفت: همزمان با اعلام آموزش ویدیوها، یک سیستم توصیه محتوای جدید را بر اساس کار ویدیویی خود در حلقههای TikTok-clone خود مستقر کرده است.
این شرکت افزود: «ویدیوهای پرطرفدار اغلب از موسیقی یکسانی تشکیل شدهاند که با حرکات رقص یکسانی تنظیم میشوند، اما توسط افراد مختلف ساخته و اجرا میشوند. با تجزیه و تحلیل محتوای ویدیوها، هوش مصنوعی متاورس فیسبوک می تواند کلیپ های مشابهی را به کاربران پیشنهاد دهد.
با این حال، چنین الگوریتمهای توصیه محتوایی بدون مشکل نیستند.

گزارش اخیر در مقاله بررسی فناوری ام آی تی « MIT Technology Review» آمده است که چگونه تاکید شبکه اجتماعی بر رشد و تعامل کاربران، تیم هوش مصنوعی آن را از پرداختن کامل به این موضوع که چگونه الگوریتمها میتوانند اطلاعات نادرست منتشر کنند و قطببندی سیاسی را در یک منطقه تشویق کنند، متوقف کرده است.
همانطور که مقاله بررسی فناوری میگوید: «مدلهای یادگیری ماشینی که تعامل را به حداکثر میرسانند، به جنجال، اطلاعات نادرست و افراطگرایی نیز کمک میکنند.» این امر باعث ایجاد تضاد بین وظایف محققان اخلاق هوش مصنوعی فیس بوک «متاورس» و اعتقاد این شرکت برای به حداکثر رساندن رشد می شود.
متاورس فیسبوک تنها شرکت بزرگ فناوری نیست که به دنبال تجزیه و تحلیل ویدئویی پیشرفته با هوش مصنوعی و استفاده از داده های کاربران برای انجام این کار باشد. شرکت گوگل هم یک مجموعه داده تحقیقاتی در دسترس عموم را که شامل 8 میلیون ویدیوی یوتیوب سرپرستی شده و تا حدی برچسبگذاری شده است را نگهداری می کند تا به سرعت بخشیدن به تحقیقات در مورد درک ویدیویی در مقیاس بزرگ کمک کند.
متاورس فیسبوک تنها شرکت بزرگ فناوری نیست که به دنبال تجزیه و تحلیل ویدئویی پیشرفته با هوش مصنوعی و استفاده از داده های کاربران برای انجام این کار باشد. شرکت گوگل هم یک مجموعه داده تحقیقاتی در دسترس عموم را که شامل 8 میلیون ویدیوی یوتیوب سرپرستی شده و تا حدی برچسبگذاری شده است را نگهداری می کند تا به سرعت بخشیدن به تحقیقات در مورد درک ویدیویی در مقیاس بزرگ کمک کند.
عملیات تبلیغاتی غول جستجوگر(گوگل) نیزبه طور مشابه می تواند از هوش مصنوعی که محتوای ویدیوها را درک می کند، بهره مند شود، حتی اگر نتیجه نهایی صرفاً تبلیغات مرتبط تری در یوتیوب باشد.
متاورس فیسبوک با این حال، فکر می کند که یک مزیت خاص نسبت به رقبای خود دارد. به این صورت که نه تنها داده های آموزشی فراوان تر از رقبا دارد، بلکه منابع بیشتری را به یک روش هوش مصنوعی که به عنوان یادگیری خود نظارتی شناخته می شود، جهت داده است.
یادگیری خود نظارتی موضوع تاریک هوش مصنوعی متاورس فیسبوک

معمولاً، وقتی مدلهای هوش مصنوعی متاورس فیسبوک بر روی دادهها آموزش میبینند، این ورودیها باید توسط انسان برچسبگذاری شوند: برای مثال برچسب زدن اشیاء در تصاویر یا رونویسی ضبطهای صوتی.
اگر تا به حال یک کپچا« CAPTCHA» شناسایی شیر آتش نشانی یا گذرگاه عابر پیاده را حل کرده اید، احتمالاً داده هایی را که به آموزش هوش مصنوعی کمک می کند برچسب زده اید. اما یادگیری خود نظارتی برچسبها را از بین میبرد، روند آموزش را تسریع میکند.
برخی از محققان معتقدند یادگیری خود نظارتی منجر به تجزیه و تحلیل عمیقتر و معنیدارتر میشود، زیرا سیستمهای هوش مصنوعی به خود میآموزند که به نقطهها بپیوندند. متاورس فیسبوک به قدری به یادگیری خود نظارتی خوش بین است که آن را «ماده تاریک هوش» نام گذاری کرده است.
کپچا چیست و چگونه کار میکند؟

کپچا ابزاری امنیتی برای شناسایی کاربر انسانی از رباتهای مخرب در اینترنت است که برای افزایش امنیت وبسایتها و سرویسهای آنلاین کاربرد دارد. قطعا تاکنون در زمان ثبتنام یا ورود به برخی از وبسایتهای اینترنتی با بخشی بهنام کپچا یا روبهرو شدهاید. فرمهایی که فعالیتهای گوناگون از نوشتن اعداد و حروف یک تصویر یا انتخاب تصاویر با سوژههای خاص یا حتی یک کلیک ساده روی یک باکس را از شما درخواست میکنند.
متاورس فیسبوک میگوید کار آیندهاش بر روی تجزیه و تحلیل ویدیوی هوش مصنوعی بر روشهای یادگیری نیمهنظارتشده و خود نظارت متمرکز خواهد کرد و چنین تکنیکهایی «در حال حاضر بینایی رایانهای و سیستمهای تشخیص گفتار ما را بهبود بخشیدهاند».
با وجود چنین محتوای ویدیویی فراوانی که توسط 2.8 میلیارد کاربر متاورس فیسبوک در دسترس است، نادیده گرفتن بخش برچسب گذاری آموزش هوش مصنوعی قطعا منطقی نیست. و اگر شبکه اجتماعی بتواند به مدلهای یادگیری ماشینی خود بیاموزد که ویدیو را به طور یکپارچه درک کنند، چه کسی میداند چه چیزی ممکن است یاد بگیرند؟آینده همه چیز را مشخص خواهد کرد.