Il sistema AI di Facebook, DINO, può distinguere immagini false e reali
Facebook ha annunciato venerdì 30 aprile di aver sviluppato un algoritmo, in collaborazione con Inria, chiamato DINO che consente l’addestramento dei trasformatori, un tipo di modello di apprendimento automatico, senza dati di addestramento etichettati.
Il team di ricerca sull’intelligenza artificiale di Facebook Inc. ha annunciato oggi ulteriori scoperte, questa volta nelle aree dell’apprendimento auto-supervisionato e dell’apprendimento semi-supervisionato per la visione artificiale.
L’apprendimento autogestito nell’IA, noto anche come apprendimento senza supervisione, si riferisce all’insegnamento ai computer, o modelli di intelligenza artificiale, di eseguire determinate attività senza che gli esseri umani debbano fornire dati etichettati.
Nella visione artificiale, i modelli di intelligenza artificiale sono stati tradizionalmente addestrati su immagini etichettate come l’immagine di un cane accompagnata dall’etichetta “cane”. Con l’apprendimento autogestito, il modello AI funziona da solo, senza che le immagini mostrate siano etichettate.
Il team AI di Facebook ha affermato in un post sul blog di aver utilizzato con successo un metodo di apprendimento auto-supervisionato per addestrare quello che è noto come un “modello di trasformazione della visione” in grado di scoprire e segmentare gli oggetti che vede nelle immagini e nei video, interamente da solo.
Leggi anche:
Facebook ha battezzato il suo nuovo metodo di apprendimento autogestito “DINO”. Viene utilizzato per addestrare i trasformatori di visione, che consentono ai modelli di intelligenza artificiale di concentrarsi selettivamente su alcune parti del loro input e quindi ragionare in modo più efficace. La capacità di DINO di scoprire e segmentare gli oggetti da sola ha numerose potenziali applicazioni, hanno detto i ricercatori di Facebook. Ad esempio, potrebbe facilitare attività come cambiare lo sfondo di una chat video o insegnare ai robot a navigare in un ambiente disordinato.
La segmentazione degli oggetti è sempre stata vista come una delle sfide più difficili nella visione artificiale perché richiede all’IA di comprendere tutto ciò che vede in un’immagine. Che tradizionalmente richiedeva sempre l’apprendimento supervisionato con grandi volumi di esempi annotati, hanno spiegato i ricercatori.
Facebook DINO sfrutta l’Intelligenza Artificiale
Il modello DINO si basa su due componenti di precedenti approcci autoguidati, noti come “insegnante di slancio e” formazione multicrop “. I ricercatori hanno affermato che combinando questi con gli “strati di auto-attenzione” di DINO, il modello è in grado di costruire una “comprensione di alto livello” di ogni scena che viene mostrata.
“DINO impara molto sul mondo visivo. Scoprendo parti di oggetti e caratteristiche condivise tra le immagini, il modello apprende uno spazio di funzionalità che mostra una struttura molto interessante”, ha affermato il team di AI di Facebook. “Se incorporiamo classi ImageNet utilizzando le funzionalità calcolate utilizzando DINO, vediamo che si organizzano in modo interpretabile, con categorie simili che si avvicinano l’una all’altra. Ciò suggerisce che il modello è riuscito a collegare le categorie in base alle proprietà visive, un po ‘come fanno gli umani”.
Leggi anche:
- Gli occhiali intelligenti Facebook AR potrebbero supportare la tecnologia di riconoscimento facciale
I ricercatori affermano che DINO è adatto per compiti di classificazione generale delle immagini ed eccelle anche nell’identificazione di copie di immagini, anche se non è mai stato progettato per farlo. Dicono che DINO ha anche il potenziale per diventare lo standard del settore per i sistemi di rilevamento delle copie utilizzati per individuare la violazione del copyright e la disinformazione sull’identità.
Apprendimento semi-supervisionato
L’altra innovazione di Facebook oggi è un nuovo metodo per l’apprendimento semi-supervisionato che utilizza solo un piccolo numero di immagini per ottenere “risultati all’avanguardia” con un decimo dei passaggi di formazione.
I ricercatori spiegano che molti ricercatori non hanno accesso alle risorse di calcolo su larga scala necessarie per addestrare modelli di visione artificiale ad alte prestazioni su molti dati di addestramento. PAWS, un nuovo approccio alla formazione del modello che può essere utilizzato per creare modelli di visione artificiale estremamente accurati, potrebbe essere la risposta.
Si dice che PAWS si basi su approcci di autoapprendimento come DINO, sebbene si basi su una piccola quantità di dati etichettati insieme a molti dati senza etichetta per accelerare le cose.
“Analogamente agli approcci autogestiti, l’obiettivo durante il pre-addestramento è addestrare una rete neurale per mappare le immagini in rappresentazioni latenti”, hanno spiegato i ricercatori. “Data un’immagine di addestramento senza etichetta, generiamo due o più visualizzazioni dell’immagine utilizzando aumenti e trasformazioni casuali dei dati e addestriamo la rete neurale per rendere le rappresentazioni di queste visualizzazioni simili tra loro”.
Facebook ha affermato che PAWS, durante l’addestramento di un modello ResNet-50 standard utilizzando solo l’1% delle etichette nel set di dati di addestramento ImageNet e con un decimo dei passaggi di pre-formazione, ha comunque raggiunto una “precisione all’avanguardia”.
Il massimo potenziale di DINO e PAWS è che possono essere utilizzati per costruire nuovi sistemi di visione artificiale che dipendono molto meno dai dati etichettati e non richiedono enormi quantità di risorse di elaborazione. In altre parole, i metodi DINO e PAWS renderanno l’AI per la visione artificiale molto più accessibile di prima. E i modelli possono anche essere molto più precisi.
“La necessità di annotazioni umane è solitamente un collo di bottiglia nello sviluppo di sistemi di visione artificiale. Rendendo i nostri approcci più efficienti nell’annotazione, permettiamo ai modelli di essere applicati a una serie più ampia di attività e potenzialmente ridimensionare il numero di concetti che possono riconoscere”, hanno detto i ricercatori.
Facebook ha detto che sta rendendo DINO e PAWS open-source e il codice per entrambe le tecniche di formazione è ora disponibile su GitHub.
Ti potrebbe interessare:
Segui guruhitech su:
- Google News: http://bit.ly/gurugooglenews
- Telegram: https://t.me/guruhitech
- Facebook: https://www.facebook.com/guruhitechfb
- Twitter: https://twitter.com/guruhitech1
- Instagram: https://www.instagram.com/guruhitech_web/
- Gab: https://gab.com/guruhitech
- Parler: https://parler.com/profile/Guruhitech/posts
- MeWe: https://mewe.com/i/guruhitech
- Tillor: https://tillor.com/guruhitech
- Skype: live:.cid.e496a29c3d8dfd2
Esprimi il tuo parere!
Che te ne pare di questo sistema ad intelligenza artificiale di Facebook DINO? Lascia un commento nell’apposita sezione che trovi più in basso.
Per qualsiasi domanda, informazione o assistenza nel mondo della tecnologia, puoi inviare una email all’indirizzo guruhitech@libero.it.