online gambling singapore online gambling singapore online slot malaysia online slot malaysia mega888 malaysia slot gacor live casino malaysia online betting malaysia mega888 mega888 mega888 mega888 mega888 mega888 mega888 mega888 mega888 Meta採用少樣本學習技術,更全面地偵測社交平臺有害內容

摘要: Meta在臉書和Instagram上,採用少量樣本學習技術來阻擋有害內容傳播,有效辨識傳統系統所無法發現的各類型違反規則貼文

 


images/20211212_1_1.jpg

Meta建構並且部署了一種稱為少量樣本學習(Few-Shot Learner,FSL)的人工智慧技術,將平臺對有害內容的反應時間從數月降低到數周,並且能夠不斷適應新的有害內容類型。該技術適用超過100種語言,還可以從圖像和文字等不同類型的資料中學習,同時能夠強化現有已經部署,用來偵測其他類型有害內容的人工智慧模型。

有害內容演變的速度很快,無論是由事件驅動,抑或是惡意人士刻意規避系統偵測的行為,官方提到,人工智慧系統能跟上有害內容演變速度變得很重要,但人工智慧要能偵測這些有害內容,通常需要數個月的時間收集並且標記範例,才能訓練每個單獨的人工智慧系統,發現新類型的內容。

而Meta新發展的這個人工智慧系統,使用少樣本學習技術,官方解釋,這是一種相對較新的方法,其模型能夠從對許多不同主題,擁有大量且一般性的理解,接著只要使用少量或甚至零樣本來學習新任務,就能有效地執行任務,Meta以捕魚技術來比喻人工智慧偵測技術,傳統系統類似可以捕捉特定魚種的釣魚線,而少樣本學習技術則像是額外的網子,可以捕捉其他類型的魚。

之所以Meta現在才能夠採用少樣本學習技術,研究人員解釋,這是因為最近的技術突破,像是自我監督學習技術,和超高效基礎設施,使該領域能夠開始從傳統、特製的人工智慧系統,轉向更大且更通用的系統,並且降低對標記資料的依賴。

Meta使用違反政策的內容,來訓練新的人工智慧系統,最後該模型還以解釋新政策的文字進行訓練,和過去透過比對資料模式的系統不同,FSL使用通用語言,以及違反政策的內容進行訓練,因此可以學習政策的隱藏含義。

目前Meta已經在一些較新的事件中,測試FSL的表現,像是辨識暗指疫苗會改變DNA,這類以誤導性或是危言聳聽資訊,嚇阻他人接種COVID-19疫苗的貼文,其他的任務還有改進現有分類器,該分類器能夠標記煽動暴力的內容,偵測到類似「那個人需要所有的牙齒嗎?」這種貼文,官方提到,傳統的方法可能會忽略這類型的煽動性貼文,因為使用DNA來質疑疫苗接種,和利用牙齒來暗示暴力的樣本並不多。

官方運用各種方法來衡量模型的效能,並且查看FSL在臉書和Instagram上部署後,有害內容的流行率,也就是人們看到違規內容的次數百分比之間的差異,經過實驗,Meta人工智慧少樣本學習技術,能夠正確偵測傳統系統可能遺漏的貼文,並且透過主動偵測潛在有害內容,來防止有害內容在平臺中傳播,以減少這類內容的流行。

轉貼自Source: ithome.com.tw

若喜歡本文,請關注我們的臉書 Please Like our Facebook Page:    Big Data In Finance

 


留下你的回應

以訪客張貼回應

0
  • 找不到回應