Facebook基於機器學習的應用程式

2021-02-24 人工智慧學家

原文連結:http://aiehive.com/facebooks-human-like-learning-applications/

研究人員越來越傾向用機器學習的方法來解決現實世界的問題。機器學習使得計算機能夠通過檢測龐大的數據集進行自學。Facebook使用機器學習的方法,使計算機能夠進行文本分類以及圖像識別。人們可能會好奇Facebook是如何用仿人類的學習方法來研發應用程式的呢?本文就簡要介紹了Facebook的兩個應用程式,分別是DeepText和Moments。

DeepText-賦予文本意義

每天,有上億人使用臉書,有上萬億的狀態更新,活動邀請,相冊更新。在Facebook伺服器上,絕大部分基於文本的信息都是非結構化的。Facebook不知道用戶發布消息的意圖。DeepText可以輔助理解用戶發布消息背後的意義和情感。Facebook搭建這個應用程式的目的是幫助人們找到他們感興趣的內容,並剔除垃圾信息。

DeepText使用深度神經網絡的學習算法,在龐大的數據集上進行訓練。它不僅對文本進行分類,同時還賦予文本意義。Facebook正在努力把所有非結構化的數據轉化成有意義的數據。它有助於用戶有效地搜索所需信息。本質上來說,深度神經網絡是人工智慧的一個分支領域。

這個公司的下一個目標是管理和監督發布在所有網絡上的信息,正大踏步地朝著該方向邁進。該公司使用DeepText將擁有相似興趣的人聯繫在一起,進行廣告的專向推銷,並幫助人們找到他們正在尋找的東西。Facebook的仿人類學習應用DeepText運作得非常成功。

Moments-照片共享的解決方案

Moments是一個很有趣的照片共享解決方案。它使得你可以與你的標籤朋友共享照片。這個應用程式的驅動是基於人臉識別的人工智慧算法,即使用機器學習算法從一組照片中進行學習。然後它就可以自動識別照片中的人臉。Moments是Facebook仿人類學習的應用之一。

一種由人臉識別算法驅動的行動應用程式。

Moments掃描你的相冊,根據相似的面孔,使你能夠迅速地將這些照片「分類歸檔」到某個主題。通過Moments,你將看到這些照片被自動添加到最符合其內容的集合中。

然而,如果手機中沒有Moments,用戶將會收到一個Facebook的通知,告知這些照片都在等待Moments將他們整理歸檔。然後,這個應用程式就可以為你和你的標籤朋友建立一個相冊集合,你們可以滑動瀏覽,搜索,或者輕鬆對這個集合中的照片重命名。Facebook已經投入了數十億美元,用於開發像上述這樣的機器學習和人工智慧應用程式。

【重磅】未來科技學院籌備成立,開講前沿科技未來發展趨勢

2016年7月,人工智慧學家AIE實驗室基於自身的研究成果和所擁有的頂級科學家資源,籌備建立未來科技學院 (Futurology University)。

未來科技學院的使命和目標:將邀請國內和國際著名科學家、科技企業家講授人工智慧、網際網路、腦科學、虛擬實境、機器人等領域的基本原理和未來發展趨勢。未來科技學院的目標是研究前沿科技未來發展趨勢,培養掌握未來科技動向的企業家和具有獨立創新精神的未來科學家。

開始激動人心的學習之旅:無論您是企業家,投資人,還是青年學子,科技愛好者,如果您希望把握科技未來發展趨勢,與世界著名科學家,科技企業家,風險投資家進行直接交流。歡迎您加入未來科技學院大家庭。


您可以掃描二維碼,進入未來科技學院臨時群,然後工作人員邀請您加入未來科技學院的免費學習群,開啟前沿科技未來趨勢的學習之旅。


人工智慧學家    Aitists


       人工智慧學家是權威的前沿科技媒體和研究機構,2016年2月成立人工智慧與網際網路進化實驗室(AIE Lab),重點研究網際網路,人工智慧,腦科學,虛擬實境,機器人,移動網際網路等領域的未來發展趨勢和重大科學問題。

相關焦點

  • Facebook 推出其首個專用的虛擬實境應用程式
    今天,Facebook 糾結著現實世界和虛擬世界的 Facebook 有點推出其首個專用應用程式,Facebook 360。該應用程式將作為一個樞紐為 360 視頻和照片內容發布到網站。在發射,Facebook 360 應用程式將僅用於齒輪 VR 手機耳機。用戶可以下載在眼商店應用程式。在發射,Facebook 360 將特徵四個主要"飼料,"將內容交付到用戶的眼球,近距離比以往任何時候。"瀏覽"選項卡將為用戶提供鳥瞰看看 360 的內容受歡迎跨 Facebook 從各種媒體公司和創作者;同時,"以下"的選項卡會讓你撥入到由你的朋友們製作的內容。"
  • 機器學習應用深度剖析
    綜合分類的6種類型1.2.2 基於學習策略的分類學習策略是指學習過程中系統所採用的推理策略。一個學習系統總是由學習和環境兩部分組成。由環境(如書本或教師)提供信息,學習部分則實現信息轉換,用能夠理解的形式記憶下來,並從中獲取有用的信息。
  • 【重磅】Facebook首次公開內部機器學習平臺,啟動AI帝國
    每一個Workflow負責的都是一個具體的任務,比如訓練和評估具體的模型。Workflows由計算符系統的術語進行定義,可以被移用。計算符(Operator):計算符是workflows的建造模塊。從概念上,你可以把計算符認為是一個程序裡面的一種功能。在FBLearner Flow中,計算符是單個機器中運行和執行的最小組件。
  • Alink:基於Flink的機器學習平臺
    Alink是由阿里計算平臺事業部研發的基於Flink的機器學習算法平臺,名稱由Alibaba Algorithm AI Flink Blink 單詞的公共部分組成。
  • Facebook上的機器翻譯也全面擁抱神經網絡了
    Facebook使用Caffe2深度學習框架來部署他們的神經機器翻譯,同時還把他們為這個項目開發的LSTM等RNN模塊作為Caffe2的組件開源出來。量子位立即去測試了一下,效果……還算能看懂:谷歌、微軟和Facebook開發神經機器翻譯技術已有一段時間,這些公司同時也在拋棄老式基於短語的統計機器翻譯技術。
  • 一個基於 FPGA 的機器學習平臺及其使用方法
    訓練完成之後,訓練好的模型用在推理應用中,對視頻流中的新圖像或幀進行分類。推理部署完成後,訓練好的模型仍然需要執行同樣的矩陣計算,但由於輸入量要少很多,開發人員可以將 CNN 用於在通用硬體上運行的普通機器學習應用(參見「利用 Raspberry Pi 構建機器學習應用」)。然而,對於許多應用而言,通用平臺缺乏在 CNN 推理中同時實現高準確率和高性能所需的性能。
  • 基於機器學習的密碼強度檢測
    但所有的這些檢測都是基於規則的。一個密碼在Google這邊可能是強密碼但在Dropbox就變成了弱密碼。我在想我們能否讓機器學習算法來決定一個密碼是弱密碼還是強密碼。於是,這個帖子誕生了。讓我們開始吧。數據收集此次分析所使用的密碼數據來自於000webhost洩漏,此數據可在網上下載。那麼我們是如何決定哪些密碼是高強度的哪些密碼是低強度的呢?
  • Facebook AI提出基於神經的反編譯框架N-Bref,優於基於啟發式的反編譯器
    該方法的性能優於傳統的基於啟發式的反編譯器。當原始碼不可用時,反編譯是分析和理解軟體的強大技術。它是計算機安全領域的一個關鍵問題。隨著神經機器翻譯(NMT)的成功,與傳統的反編譯方法相比,基於神經網絡的反編譯器的研究取得了很好的效果。反編譯器可以將低級可執行代碼(如彙編語言)轉換為高級程式語言(如 C++),使得代碼可讀性更強。這種反編譯程序對於檢測計算機安全中的漏洞、異常以及取證都很有用。
  • 《機器學習及R應用》詳細目錄
    機器學習及R應用五天現場班陳強老師(親授)2021/1/20 - 1/24,北京
  • ​基於 WDS Prophecis 與 KubeSphere 構建雲原生機器學習平臺
    我是微眾銀行大數據平臺的工程師周可,接下來我會給大家分享基於 WeDataSphere 和 KubeSphere 這兩個開源產品構建一個開源的雲原生機器學習平臺 Prophecis。Prophecis 是什麼?
  • 面向普通開發者的機器學習應用方案
    chinagdg.org/2016/03/machine-learning-recipes-for-new-developers/英文原文:https://developers.googleblog.com/2016/03/introducing-new-developer-show-machine.html為了幫助你在應用開發中融合機器學習技術
  • 【Rust日報】 2020-07-09 Rust 機器學習應用:K-means 聚類和可視化
    Rust 機器學習應用:K-means 聚類和可視化雖然機器學習的通用語言是 Python, 但是 Python 本身在計算密集型算法中實際上相當慢的
  • 【解讀谷歌TFX】基於TensorFlow可大規模擴展的機器學習平臺
    KDD2017上,谷歌發布了基於TensorFlow的可大規模擴展的產品級機器學習平臺TFX。作者詳細分析了Google通用機器學習平臺和其實現過程。通過將上述組件集成到一個平臺中,能夠對組件進行標準化,簡化平臺配置,並將生產時間從數月縮短到數周,同時提供平臺穩定性,最大程度地減少服務中斷。 在論文中,作者介紹了在Google Play應用商店中平臺部署的案例研究,隨著新數據流入,機器學習模型將不斷更新。
  • 深度 Facebook科學家Tomas Mikolov詳解RNN與機器智能的實現(附視頻+PPT)
    1.應用廣泛:ASR(包括聲學和語言模型)MT(語言&翻譯&比對模型,聯合模型)很多自然語言應用視頻建模,手寫識別,用戶意圖預測2.下降趨勢資料庫&代碼: http://github.com/facebook/SCRNNs(連結在論文中)
  • 【乾貨書】Python機器學習及金融應用,384頁pdf
    這本書通過提供這些領域的案例研究,使用了動手的方法:你將看到如何使用機器學習作為商業增強工具的例子。作為一名領域專家,您不僅會發現機器學習在金融、醫療保健和零售領域是如何應用的,而且還會通過實施機器學習的實際案例研究進行工作。使用Python的機器學習應用程式分為三個部分,分別針對每個領域(醫療保健、金融和零售)。每一節都以機器學習和該領域的關鍵技術進展的概述開始。
  • 基於機器學習的數值天氣預報模式釋用方法
    限於目前數值天氣預報能力提高緩慢,業務數值預報的水平還難以實現客觀化預報,應大力加強數值預報模式的解釋應用技術(釋用技術,將預報結果加工成用戶需要的產品)的研發,作為解決精細化要素定量預報的途徑,以提高數值模式天氣預報水平。本研究提出了數值天氣預報模式輸出機器學習(MOML)方法作為數值天氣預報模式的釋用技術。
  • 若谷歌和Facebook應用程式停止運作,華為承諾100%退款
    Huawei promises 100% refunds if Google and Facebook apps stop working華為承諾,若谷歌和Facebook應用程式停止運作然而,華為禁令帶來的最大打擊,可以說與谷歌的安卓行動作業系統以及谷歌專有應用程式市場即將失去訪問權限有關。據報導,Facebook也不再允許華為在其手機上預裝其應用程式。So, let’s review.
  • 一文秒懂Facebook廣告投放常見專業術語
    ARPU:平均每用戶收入AEO:(App Event Optimization)應用事件優化AAA:自動應用廣告API:(ApplicationProgramming Interface,應用程式接口)是一些預先定義的函數,或指軟體系統不同組成部分銜接的約定。
  • 八個面向開發人員的機器學習平臺
    21CTO導讀:軟體開發者現在可以使用以下機器學習平臺和工具作為資源,將機器學習功能無縫集成到自己的系統中。
  • IBM通過基於Watson的數據平臺釋放機器學習的巨大威力
    該平臺可為專業數據人員提供世界上最快的數據採集引擎,允許他們基於認知做出決策,並支持其在IBM Cloud中根據需要展開協作。IBM還提供IBM Watson機器學習服務,直觀的自助服務界面使得機器學習變得非常簡單。