Facebook добился доминирования в сети, используя бизнес-модель, основанную на понимании пользователей и снабжении их индивидуализированным контентом и рекламой. По мере того, как компания, занимающаяся социальными сетями, укрепляет свои сильные позиции, она во многом опирается на модели глубокого обучения.
«Такие методы глубокого обучения были действительно важны в последние пару лет», - сказал Эндрю Таллох, исследователь искусственного интеллекта в Facebook.
=====================================
Выступая на саммите Deep Learning Summit в Бостоне, Таллох сказал, что традиционные методы прогнозной аналитики, такие как логистическая регрессия, были передовыми в Facebook в Менло-Парке, штат Калифорния. В частности, такого рода аналитика использовалась для ранжированной ленты новостей, в которой пользователям показываются сообщения, которые они могут найти интересными, как это определено алгоритмом.
=====================================
Но Таллох сказал, что по мере того, как несколько лет назад все больше постов начали включать видео и изображения, их стало труднее классифицировать с помощью более простых форм аналитики. Вдобавок масштаб анализируемых данных начал стремительно расти. Это сделало его хорошим вариантом для глубокого обучения. «Масштаб - это то, где это становится невероятно сложным, но эти типы систем [глубокого обучения] действительно помогли улучшить рейтинг», - сказал Таллох.По словам Таллоха, помимо решения проблемы масштабирования, глубокое обучение позволило алгоритму ранжирования ленты новостей Facebook улавливать большую тонкость в сообщениях пользователей.
=====================================
Понимание текста с помощью глубокого обучения
Однако дело не только в изображениях и видео. Facebook также использует алгоритмы обработки естественного языка для интерпретации текстового контента и улучшения качества сообщений, показываемых пользователям.Таллох сказал, что Facebook использует систему NLP, построенную на нейронных сетях, для выявления сообщений, которые являются чрезмерно рекламными, спамовыми или кликбейтными. Модель глубокого обучения отфильтровывает эти типы сообщений и предотвращает их отображение в новостных лентах пользователей.«Каждый день на Facebook загружается огромное количество текстового контента, и понимание этого важно для улучшения качества обслуживания клиентов», - сказал Таллох.Помимо новостной ленты, модели глубокого обучения помогают Facebook разрабатывать продукты, позволяя разработчикам понимать контент в широком масштабе.
Глубокое обучение для компьютерного зрения
Например, модели глубокого обучения нейронной сети компьютерного зрения используются для интерпретации содержания фотографий, опубликованных пользователями, и принятия решения о том, какие из них отображать в функции «в этот день». Эта функция Facebook показывает сообщения пользователей, которые они делали в один и тот же день в прошлые годы, но Таллох сказал, что важно, чтобы это не всплывало повторно как потенциально негативные воспоминания.
Таким образом, модели, лежащие в основе этой функции, должны интерпретировать изображения и развивать семантическое понимание того, что происходит, чтобы люди хотели напоминать об этом. Частично это достигается за счет идентификации людей и объектов на изображениях и интерпретации окружающего их контекста.
========================================
Модели были обучены более чем миллиарду фотографий, которые были загружены в Facebook за эти годы, и они должны оценивать в реальном времени миллионы новых изображений, загружаемых каждый день. Таллох сказал, что это огромная техническая проблема, но для решения которой сверточные нейронные сети, используемые его командой, хорошо подходят.«Масштаб этой проблемы огромен», - сказал он. «Но такие системы компьютерного зрения действительно эффективны в понимании того, что происходит». Все сводится к тому, что пользователи остаются вовлеченными в социальную сеть.
Таллох сказал, что глубокое обучение сыграло важную роль в способности Facebook делать это, удовлетворяя важнейшие потребности бизнес-модели компании.
Он также сказал «Весьма критично , чтобы нужный контент появлялся в нужное время»
Текст из источника скорректирован для правильной передачи некоторых оборотов на русском