Facebook ha recentemente reso open-source AugLy, una nuova libreria Python che mira ad aiutare i ricercatori di intelligenza artificiale a utilizzare i potenziamenti dei dati per valutare e migliorare la precisione dei loro modelli di apprendimento automatico. AugLy fornisce sofisticati strumenti di aumento dei dati per creare campioni per addestrare e testare diversi sistemi.
AugLy è una nuova libreria open source per l'aumento dei dati che combina audio, immagini, video e testo, diventando sempre più significativa in diversi campi di ricerca sull'intelligenza artificiale. Offre oltre 100 potenziamenti di dati basati su immagini e video della vita reale delle persone su piattaforme come Facebook e Instagram.
Poiché i set di dati e i modelli stanno gradualmente diventando sempre più multimodali, è utile trasformare tutti i dati di un progetto in un'unica libreria e API unificate. Inoltre, combinare diverse modalità utilizzando potenziamenti del mondo reale può aiutare le macchine a comprendere meglio i contenuti complessi.
I potenziamenti dei dati sono essenziali per migliorare la robustezza dei modelli di intelligenza artificiale. Ad esempio, supponiamo che i modelli possano essere insegnati come robusti alle perturbazioni di attributi di dati non importanti. In tal caso, i modelli impareranno gradualmente a concentrarsi sugli attributi critici dei dati per un caso particolare.
Secondo Facebook, un'importante applicazione rileva copie esatte o duplicati di un contenuto specifico. Ad esempio, una quantità di disinformazione può apparire ripetutamente in forme leggermente diverse; dopo aver potenziato i modelli di intelligenza artificiale con i dati AugLy, possono imparare a identificare quando un utente sta caricando contenuti noti per essere in violazione, il che a sua volta aiuterà a impedire in modo proattivo agli utenti di caricare contenuti noti per essere in violazione. . Oltre ai modelli di addestramento che utilizzano AugLy, la libreria può essere utilizzata anche per determinare la durata dei modelli relativi a una serie di potenziamenti. AugLy è stato utilizzato anche per valutare la robustezza dei modelli di rilevamento di Deepfake nella Deepfake Detection Challenge.
Molti miglioramenti in AugLy si basano sui modi in cui le persone trasformano i contenuti per cercare di eludere i sistemi automatici. Di conseguenza, AugLy può aiutare i ricercatori a lavorare su varie cose che vanno dai modelli di rilevamento degli oggetti all'identificazione dell'incitamento all'odio al riconoscimento vocale.
Grazie per la Lettura, condividi l'articolo .
.png)
