Facebook продвигается в области ИИ на F8


Facebook — одна из крупных технологических компаний, которая вкладывает большие средства в ИИ, и на F8 она была готова поделиться некоторыми из своих последних достижений. Хорошей новостью является то, что Facebook открывает исходный код своих инструментов ИИ на GitHub, и есть новый веб-сайт для доступа к ним.

Участники F8 первыми узнали, что бот Facebook OpenGo достиг профессионального статуса после победы во всех 14 играх, в которых он играл, против группы из 30 лучших игроков в го. Технический директор Facebook Майк Шрёпфер, очевидно, хотел рассматривать этот успех в контексте AlphaGo от Google, говоря:
«Мы благодарим наших друзей из DeepMind за отличную работу».
Как отмечает Facebook сегодня в своем блоге, сама модель DeepMind также остается в секрете. Напротив, Facebook сделал своего бота открытым.
«Чтобы сделать эту работу воспроизводимой и доступной для исследователей искусственного интеллекта по всему миру, мы создали бот Go с открытым исходным кодом под названием ELF OpenGo, который работает достаточно хорошо, чтобы ответить на некоторые ключевые вопросы, на которые AlphaGo не ответила».
Созданная командой FAIR (Facebook AI Reaserch), ELF, обширная, легкая и гибкая платформа для исследования игр, которая позволяет исследователям тестировать свои алгоритмы в различных игровых средах, была открыта в прошлом году. ELF работает на ноутбуке с графическим процессором и поддерживает обучение искусственного интеллекта в более сложных игровых средах, таких как стратегические игры в реальном времени, всего за один день с использованием всего шести процессоров и одного графического процессора. Команда FAIR интересуется не только Go. Она также разработала бота StarCraft, который может справиться с часто хаотичной средой игры, исходный код которой планируется открыть.
Также была анонсирована новая версия AI Framework с открытым исходным кодом от Facebook. Фреймворк PyTorch быстро стал одним из самых популярных фреймворков для исследователей ИИ. Поскольку Facebook выпустил оригинальную версию (0.1.6) чуть больше года назад, он стал популярным на GitHub и стал вторым по цитируемости фреймворком в публикациях ICLR. PyTorch 1.0 выйдет в стадии бета-тестирования в ближайшие месяцы.

Facebook также объявил о расширении ONNX (Open Neural Network Exchange), который, как мы сообщали, когда он был выпущен, был разработан совместно Facebook и Microsoft. ONNX — это открытый формат для представления моделей глубокого обучения, позволяющий инженерам ИИ более легко перемещать модели между фреймворками без необходимости выполнять ресурсоемкую специальную разработку, и он тесно интегрирован в PyTorch 1.0.
Кроме того, Facebook выпускает ресурсы для более конкретного использования ИИ. Его модель ResNext3D, обладающая высочайшей точностью и эффективностью для понимания видео, будет доступна в июне; Translate, его языковая библиотека PyTorch для масштабируемого машинного перевода, а также наша ранняя работа над проектом под названием Multilingual Unsupervised and Supervised Embeddings (MUSE), чтобы помочь расширить количество языков, доступных для перевода.
Вышеупомянутые ссылки ведут на новый ориентированный на разработчиков веб-сайт Facebook.ai, который:
призвана помочь исследователям и инженерам за пределами Facebook быстрее перейти от исследований к производству в области ИИ, используя те же инструменты, которые мы используем для обслуживания 2 миллиардов человек. Делясь этим растущим набором инструментов с открытым исходным кодом, мы подчеркиваем нашу приверженность совместной работе с сообществом разработчиков над созданием значимых новых продуктов и услуг.
Возвращаясь к достижениям, объявленным на F8, Facebook сообщил новость о том, что совместные усилия команд прикладного машинного обучения (AML) и Facebook AI Research (FAIR) привели к прорыву в области компьютерного зрения. Новая модель распознавания изображений была обучена на беспрецедентных 3,5 миллиардах общедоступных фотографий с использованием хэштегов для классификации изображений. Исследователям пришлось создать новую технику, которая делает хэштеги, которые представляют собой шумные и неточные метки, полезными для обучения ИИ. Использование версии этого набора данных с 1 миллиардом изображений позволило модели получить наивысшую оценку за всю историю, точность 85,4%, в тесте распознавания изображений ImageNet.

Комментируя свой успех, Facebook говорит:
Эта производительность раскрывает долгосрочный потенциал не только улучшения распознавания изображений за счет обучения на больших наборах данных, но и с использованием существующих меток (а не аннотаций, применяемых специально для целей обучения ИИ). Мы планируем сделать вложения этих моделей открытым исходным кодом в ближайшем будущем.
В области картографии 3D-изображений исследователи Facebook использовали инструментарий PyTorch для создания полных 3D-поверхностей, которые можно применять в реальном времени к видеозаписям движущихся человеческих тел. Новый инструмент DensePose, который Facebook надеется опубликовать как библиотеку с открытым исходным кодом в ближайшие недели:
.может включить новые убедительные эффекты дополненной реальности, такие как перенос текстуры на движущееся тело. Что еще более важно, это фундаментальное исследование указывает на лучшее понимание сцен для систем компьютерного зрения.
FAIR также работает над продвижением разработки более полезных автономных агентов, как виртуальных помощников, так и роботизированных систем. Он сотрудничал с исследователями из Технологического института Джорджии для разработки новой многоступенчатой задачи искусственного интеллекта под названием EmbodiedQA, которая расширяет границы обучения с подкреплением и понимания естественного языка. Команда создала виртуальных агентов, которые должны научиться перемещаться по компьютерным внутренним пространствам, а также понимать и использовать естественный язык, чтобы отвечать на вопросы об окружающей среде. FAIR также создал набор виртуальных сред, которые позволяют агентам тренироваться значительно быстрее, чем физический робот в физическом пространстве. Они уже имеют открытый исходный код как House3D, а данные и модель, относящиеся к EmbodiedQA, будут выпущены в ближайшем будущем:
чтобы помочь всему сообществу исследователей искусственного интеллекта быстрее продвигаться к созданию более интеллектуальных и действительно автономных интеллектуальных помощников.
В целом, похоже, что Facebook делает хорошую работу по демократизации искусственного интеллекта и предоставляет всем нам полезные инструменты.


Добавить комментарий