More

    Meta’s prototype moderatie AI heeft slechts een paar voorbeelden van slecht gedrag nodig om actie te ondernemen |

    Het modereren van capaciteit bovenop het internet van vandaag bestaan gelijksoortig inclusief een ringetje van Whack-A-Mole waarbij menselijke moderators voortdurend gedwongen word doorheen binnenshuis realtime bij ingaan op veranderende trends, zoals verkeerde daarbovenop desinformatie overheen vaccins of opzettelijke slechte actoren diegene zoeken akelig manieren om vaststaand persoonlijk gedrag erop omzeilen beleid. Machine learning-systemen kunnen ene portie van dit ongemak assisteren lenigen vanwege ie proces snijwondje beleidshandhaving via automatiseren, maar geavanceerde AI-systemen hebben vaak maanden aanlooptijd nodig voort juist erbij bekwamen plus in ter leggen (de tijd die meestal worden besteed aan het plukken en annoteren van den duizenden, zo niet miljoenen, noodzakelijke voorbeelden) . Om die reactietijd erbij verkorten, binnen ieder geval tot een probleem van inweken te plek van maanden, bezit Meta’s AI-onderzoeksgroep (vroeger EERLIJK) ene meer algemene technologie ontwikkeld die slechts een handvol specifieke voorbeelden vereist voort via beantwoorden op nieuwe daarbovenop opkomende maakt van kwaadwillende content, Few-Shot Learner (FSL) medegedeeld.

    Few-slok learning zijn eentje relatief recente ontstaan hierbinnen AI, waarbij het stelsel binnen aard worden geleerd wegens nauwkeurige voorspellingen gedurende handelen op basis van eentje beperkt tal trainingsvoorbeelden – integendeel van conventionele begeleide leermethoden. Indien je bijvoorbeeld eentje banier SL-mannequin wilt studeren voort afbeeldingen van konijnen via waarnemen, veevoer je het eentje twee honderdduizenden konijnenfoto’s en dan kun je het stuntman afbeeldingen tentoonstellen plus vragen of zijde beide idem beest tonen.

    Dat komt overmits het doelwit van ie mannequin niet bestaan doorheen konijnen gedurende spotten, ie doelwit van het mannequin bestaan door honingbij zoeken akelig overeenkomsten en verschillen tussen den gepresenteerde afbeeldingen daarbovenop om tijdens voorspellen of den getoonde handjeklap hetzelfde geldsommen. Er existentie geen grotere setting sneetje ie model ingevolge in te functioneren, waardoor ie uitsluitend inderdaad bestaan onderbrak “konijnen” overheen mekaar gedurende liefkozen – ie vermag je niet uitleggen of ie naar ene afbeelding van ene konijn, of van eentje leeuw, of van een John Cougar kijkt Mellencamp, inclusief dat diegene trio entiteiten noch idem zijn.

    FSL vertrouwt veel minder op gelabelde data (dwz afbeeldingen van konijnen) ten gunste van eentje generaal stelsel, meer gerelateerd aan hoe mensen lesgeven dan conventionele AI’s. “Het bestaan aanvankelijk fit doodmoe miljarden generieke daarbovenop rechttoe-source taalvoorbeelden”, aldus eentje woensdag Meta-blogpost. ‚ÄúVervolgens wordt ie AI-stelsel getraind inbegrepen integriteitsspecifieke data diegene we te den vlucht der jaren bezitten gelabeld. Ten slotte bestaat ie getraind in beknopte geschrevene waarin een verrassend regelgeving worden uitgelegd.’ En te tegenstelling tot het voorgaande prototype snijwondje het matchen van konijnen, is FSL “voorgerecht fit binnenshuis ook algemene taal indien integriteitsspecifieke taal, zodat ie den beleidstekst impliciet schenkkan eigenmaken.”

    Recente tests van het FSL-structuur zijn hartversterkend gebleken.

    Het ordening vond schadelijke kapitaal die conventionele SL-modellen over ie schoolhoofd hadden gezien plus verminderde den prevalentie van diegene vermogen hierbinnen het generaal. Het FSL-rangschikking presteerde naar verluidt omsingeld doch liefst 55 procent huis dan andere ‘weinig-shot’-modellen (reeds gemiddeld slechts 12 percent). dims?image_uri= https%3A%2F%2Fs.yimg.comMeta

    FSL’s verbeterde prestatie bestaat ten dele erop bedanken aan entailment, gedefinieerd als “den aktie of het feit van ie met zichzelf meebrengen, of ie betrekken over urgentie of mits consequentie.” Ie zijn binnen karakter eentje logisch gevolg tussen duo zinnen – als nuttigheid A wetsartikelen zijn, dan moeten waarde B evenzeer wetsartikelen bedragen. Als nuttigheid A bijvoorbeeld “Den president existentie vermoord”, betekent dit dat nut B, “den president zijn dood”, ook voorwerpen, secuur daarbovenop juist bestaat. Ingevolge conventie te produceren van entailment in het FSL-ordening, kan het team “ie klasselabel omzetten binnen een natuurlijke taalzin diegene kan geworden tweedehands vanwege het plakker onder schetsen, en afwegen of ie berustend den labelbeschrijving omvat”, legden Meta AI-onderzoekers voltooid.

    - Advertisement -inloopdouche

    Recent Articles

    douchecabine

    Related Stories

    LAAT EEN REACTIE ACHTER

    Vul alstublieft uw commentaar in!
    Vul hier uw naam in

    Stay on op - Ge the daily news in your inbox

    [tdn_block_newsletter_subscribe input_placeholder="Email address" btn_text="Subscribe" tds_newsletter2-image="730" tds_newsletter2-image_bg_color="#c3ecff" tds_newsletter3-input_bar_display="" tds_newsletter4-image="731" tds_newsletter4-image_bg_color="#fffbcf" tds_newsletter4-btn_bg_color="#f3b700" tds_newsletter4-check_accent="#f3b700" tds_newsletter5-tdicon="tdc-font-fa tdc-font-fa-envelope-o" tds_newsletter5-btn_bg_color="#000000" tds_newsletter5-btn_bg_color_hover="#4db2ec" tds_newsletter5-check_accent="#000000" tds_newsletter6-input_bar_display="row" tds_newsletter6-btn_bg_color="#da1414" tds_newsletter6-check_accent="#da1414" tds_newsletter7-image="732" tds_newsletter7-btn_bg_color="#1c69ad" tds_newsletter7-check_accent="#1c69ad" tds_newsletter7-f_title_font_size="20" tds_newsletter7-f_title_font_line_height="28px" tds_newsletter8-input_bar_display="row" tds_newsletter8-btn_bg_color="#00649e" tds_newsletter8-btn_bg_color_hover="#21709e" tds_newsletter8-check_accent="#00649e" embedded_form_code="YWN0aW9uJTNEJTIybGlzdC1tYW5hZ2UuY29tJTJGc3Vic2NyaWJlJTIy" tds_newsletter="tds_newsletter1" tds_newsletter3-all_border_width="2" tds_newsletter3-all_border_color="#e6e6e6" tdc_css="eyJhbGwiOnsibWFyZ2luLWJvdHRvbSI6IjAiLCJib3JkZXItY29sb3IiOiIjZTZlNmU2IiwiZGlzcGxheSI6IiJ9fQ==" tds_newsletter1-btn_bg_color="#0d42a2" tds_newsletter1-f_btn_font_family="406" tds_newsletter1-f_btn_font_transform="uppercase" tds_newsletter1-f_btn_font_weight="800" tds_newsletter1-f_btn_font_spacing="1" tds_newsletter1-f_input_font_line_height="eyJhbGwiOiIzIiwicG9ydHJhaXQiOiIyLjYiLCJsYW5kc2NhcGUiOiIyLjgifQ==" tds_newsletter1-f_input_font_family="406" tds_newsletter1-f_input_font_size="eyJhbGwiOiIxMyIsImxhbmRzY2FwZSI6IjEyIiwicG9ydHJhaXQiOiIxMSIsInBob25lIjoiMTMifQ==" tds_newsletter1-input_bg_color="#fcfcfc" tds_newsletter1-input_border_size="0" tds_newsletter1-f_btn_font_size="eyJsYW5kc2NhcGUiOiIxMiIsInBvcnRyYWl0IjoiMTEiLCJhbGwiOiIxMyJ9" content_align_horizontal="content-horiz-center"]