Cara Meta berinvestasi dalam teknologi
DIPERBARUI 19 JAN 2022
Berikut adalah beberapa investasi yang kami lakukan dalam teknologi AI untuk meningkatkan cara fitur kami memahami konten:
- Kami mengembangkan arsitektur baru bernama Linformer, yang menganalisis konten di Facebook dan Instagram di berbagai wilayah di seluruh dunia.
- Kami membangun sistem baru bernamaReinforced Integrity Optimizer, yang belajar dari sinyal online untuk meningkatkan kemampuan dalam mendeteksi ujaran kebencian.
- Kami meningkatkan fitur pencocokan gambar bernama SimSearchNet, yang membantu teknologi kami mendeteksi perbedaan halus dalam konten sehingga kami dapat mengambil tindakan terkait disinformasi.
- Kami memasukkan fitur bahasa bernama XLM dan XLM-R, yang membantu kami membangun pengklasifikasi dengan pemahaman konsep yang sama di banyak bahasa. Ini berarti ketika teknologi kami dapat belajar dalam satu bahasa, teknologi ini dapat meningkatkan kinerjanya dalam bahasa lain, yang sangat berguna untuk bahasa yang kurang umum di internet.
- Kami membangun sistem pemahaman entitas menyeluruh, yang menganalisis konten untuk membantu menentukan apakah konten tersebut berisi ujaran kebencian.
Memimpin industri AI dengan upaya terbuka dan kolaboratif
Tantangan dari konten berbahaya memengaruhi seluruh industri teknologi dan masyarakat pada umumnya. Itu sebabnya kami menjadikan teknologi kami tersedia secara terbuka agar orang lain juga dapat menggunakannya. Kami percaya bersikap terbuka dan kolaboratif dengan komunitas AI akan memacu penelitian dan pengembangan, menciptakan cara baru untuk mendeteksi, dan mencegah konten berbahaya, serta membantu menjaga orang tetap aman.
Berikut adalah beberapa teknologi yang kami buat terbuka dalam beberapa tahun terakhir, termasuk 2 kompetisi industri yang kami pimpin:
XLM-R
XLM-R adalah model pembelajaran mesin yang dilatih dalam satu bahasa dan kemudian digunakan dengan bahasa lain tanpa data pelatihan tambahan. Dengan orang yang memosting konten dalam lebih dari 160 bahasa di teknologi Meta, XLM-R memungkinkan kami menggunakan satu model untuk banyak bahasa, bukan satu model per bahasa. Solusi ini membantu kami lebih mudah dalam mengidentifikasi ujaran kebencian dan konten melanggar lainnya dalam berbagai bahasa dan meluncurkan produk dalam berbagai bahasa sekaligus. Kami menjadikan model dan kode kami tersedia secara terbuka sehingga komunitas riset dapat meningkatkan kinerja model multibahasa mereka.
Tujuan: Memberikan pengalaman terbaik kepada orang di platform kami, apa pun bahasa yang mereka gunakan.Linformer
Linformer adalah arsitektur transformer yang menganalisis miliaran konten di Facebook dan Instagram di berbagai wilayah di seluruh dunia. Linformer membantu mendeteksi ujaran kebencian dan konten yang memicu kekerasan. Kami memublikasikan penelitian kami dan menjadikan kode Linformer tersedia secara terbuka sehingga peneliti dan teknisi lain dapat meningkatkan model mereka.
Tujuan: Membuat model AI baru yang belajar dari teks, gambar, dan ujaran serta secara efisien mendeteksi ujaran kebencian, perdagangan manusia, perundungan (bullying), dan bentuk konten berbahaya lainnya.Tantangan Deteksi Deepfake
Kami membuat kompetisi dengan Microsoft, Partnership on AI, dan akademisi dari beberapa universitas untuk teknologi yang lebih baik dalam mendeteksi penggunaan AI untuk mengedit video demi menyesatkan pemirsa. Kontribusi kami terhadap Tantangan Deteksi Deepfake adalah menugaskan set data realistis, yang tidak dimiliki industri, untuk membantu mendeteksi deepfake.
Tujuan: Memacu industri untuk menciptakan cara baru dalam mendeteksi dan mencegah media dimanipulasi dengan AI agar tidak digunakan untuk menyesatkan orang.Tantangan Meme Kebencian
Kami membuat kompetisi dengan Getty Images dan DrivenData untuk mempercepat riset tentang masalah deteksi ujaran kebencian yang menggabungkan gambar dan teks. Kontribusi kami terhadap Tantangan Meme Kebencian adalah membuat set data unik lebih dari 10.000 contoh sehingga peneliti dapat dengan mudah menggunakannya dalam pekerjaannya.
Tujuan: Memacu industri untuk menciptakan pendekatan dan metode baru untuk mendeteksi ujaran kebencian multimodal.