谨记!这三个错误会惹怒买家导致客户流失。。。
每分钟全世界会有12亿人在Facebook上上传 13.6 万张照片,更新 29.3 万次状态。因此,即使是Facebook的技术大牛,也只能从这些无结构的数据中截取一些有价值的部分,而这部分通常是最难量化和处理的。
现在,Facebook有了深度学习,深度学习技术让机器能学着自己对数据进行分类,也就是说人工智能已经在Facebook实现,不再是电影素材!
本期飞书互动就带领大家认一认Facebook的人工智能,加深了对用户的了解,更好地为广告商们服务。
定向广告 深度神经网络
文本分析 Facebook DeepText
人脸识别 DeepFace
设计AI应用程序 Facebook Flow系统
Facebook利用深度神经网络来决定向哪些用户展示哪些广告。
通过让任务机器本身尽可能多地了解用户,才能在为用户推送广告时,以最富有洞察力的方式将用户聚集在一起。
Facebook上分享的大部分数据是文本。视频可能涉及巨大数据量,但就表达内容而言,文本能表达同样丰富的内容。
Facebook DeepText,这个工具通过学习和分析词的上下文来提取它们的含义,神经网络会分析词之间的关系,以了解它们的含义是如何根据周围的其他词而变化。
因为这是半监督学习,所以算法并不需要具有像字典一样的能解释每个单词含义的参考数据。
Facebook说技术是“与语言无关”的——由于它将标签分配给单词的方式,它能够轻松地在不同的人类语言中切换,并将从一种语言中学到的东西应用于另一种语言,不会因为语言使用的拼写,俚语或个人喜欢的变化而受到影响。
目前,DeepText被用于根据人们的对话内容来分析它们可能想要购买的产品。
DeepFace可以识别照片中的人,其最先进的图像识别工具比人类能更准确地识别两个不同的图像是否是相同的人。DeepFace的识别成功率为97%,而人类则是96%。
使用这种技术仍然存在争议。隐私权拥护者表示,因为这种技术允许Facebook基于人群的高分辨率照片给很多面孔贴上名字的标签,这显然会对用户在公开场合的匿名活动的自由造成障碍。
设计AI应用程序 Facebook Flow系统
Facebook决定用机器来处理能通过AI和深度学习改进的任务。于是有了Flow系统,该系统使用深度学习每个月对30万个机器学习模型进行模拟,以便让工程师能够测试他们的想法,并找到提高效率的方法。
换句话说,这是一个可以自己制造人工智能的人工智能,可以理解为传说中的人工智能母体。
深度学习可能继续在Facebook未来发展中发挥关键作用。虽然Facebook目前对于其潜在的新应用程序继续保密,但是它已经提出的想法包括自动生成图片的语音描述以辅助视觉受损的人,并且预测在其任务中需要更大范围的网络覆盖,将互联网访问服务推向世界。