Facebook для створення власного кремнію для фільтрації вмісту в реальному часі

Facebook для створення власного кремнію для фільтрації вмісту в реальному часі

Фільтрування вмісту є серйозною проблемою для всіх сайтів соціальних мереж. Звернувшись до справжньої лавини матеріалу, яка завантажується щосекунди, фірми, такі як Facebook, Instagram і YouTube, намагалися вирішити набір проблем, починаючи від всебічного виявлення авторських прав і позначення таких проблем, як помсти порно. Люди значно кращі, ніж комп'ютери, за класифікацією вмісту та визначення того, чи зображення та відео порушують умови використання сайту. Проте сканування людини не має достатньої ваги і часто спричиняє значний рівень психологічного стресу для відповідних працівників. Існує величезний потенціал ринку для продуктів, які можуть ефективніше обробляти цю роботу - і FB, мабуть, кидає власну капелюх у кільце дизайнерського кремнію.

На конференції технології Viva головний науковий співробітник компанії AI Янн Лекун заявив, що компанія хоче бути в змозі втрутитися у випадки, коли хтось завантажує відео чи відеострічки вбивство або самогубство, але поточні рішення вимагають або величезної кількості обчислювальних потужностей , велика кількість електрики або обидва. Tom's Hardware повідомляє LeCun, що каже:

Існує величезний привід для розробки чіпів, які є більш енергоефективними для цього. На цьому працюють велика кількість компаній, в тому числі і Facebook ... Ви бачили цю тенденцію від апаратних компаній, таких як Intel, Samsung, Nvidia. Але тепер ви починаєте бачити людей в наборі використання, що мають власні потреби і працювати на власному обладнанні.

З одного боку, ідеальним є те, що Facebook та інші соціальні компанії будуть працювати над такими можливостями. У минулому році YouTube був забитий над невідповідним вмістом, який створювався ботами і скидається в канали, призначені для дітей. Рішення Facebook для помсти порно включає в себе попередження завантаження порно себе в компанію, і довіряючи їм використовувати його як план для видалення незаконних завантажень, якщо це коли-небудь сталося. Тим часом трюки, що використовуються для обходу методів сканування та фільтрів, стали все більш витонченими.

Створення апаратних рішень, які дозволяють обробляти цю робочу навантаження в режимі реального часу, також є потенційною зброєю. На Заході, де свобода слова в цілому добре захищена, це менше питання. Але це абсолютно незрозуміло, коли поєднується з аспектами Великого брандмауера Китаю або останнім зрушенням країни в розгортанні соціальної системи кредитування. І, звичайно, системи, які можуть швидко відмітити вміст за те, що вони виступають за або проти певних умов надання послуг, можуть бути відновлені з інших причин, включаючи моніторинг того, що люди публікують та позначають вміст, який може розглядатися як "проблематичний" з причин поза межами що зображує самогубство, вбивство або подібно незаконну діяльність.

Система оцінювання соціальних кредитів Китаю - це не лише засіб для контролю за громадянами - це стосується і компаній, і штрафи призначаються для фірм, які не сплачують податки вчасно або продають неякісні продукти. Зовнішня політика містить докладну інформацію про те, як схема до теперішнього часу була реалізована в Китаї, і ступінь, до якої вона вже висвітлюється в рішеннях про те, хто відповідає за надання соціальних послуг у цій країні. На цьому етапі не можна навіть запропонувати надійне майбутнє, в якому машинний інтелект та моніторинг вмісту в реальному часі використовуються для створення системних профілів того, як люди використовують соціальні медіа для контролю доступу до різних соціальних переваг. Це майбутнє буквально відбувається. І такі проекти, як Facebook, хоча і добре намічені, швидше за все вдадуть ці ініціативи ще в суспільство.

Facebook для створення власного кремнію для фільтрації вмісту в реальному часі

Інший основний потрясіння, спричинений подібною роботою, матиме менший вплив на суспільство, хоча це передбачає величезний зсув у галузі обчислювальної техніки. Вже десятиліття загальні результати обчислень були впроваджені загальними спеціалістами. По-перше, процесори прискорюють продуктивність роботи у всій галузі. Потім такі компанії, як Nvidia і AMD, створили програмовані графічні процесори, які можна вважати такими, що пропонують "загальну" програмувальний ядро ​​для деяких конкретних типів завдань (це одна з причин того, чому іноді використовується абревіатура GPGPU або General Purpose Graphics Processing Unit для позначення до сучасних програмованих графічних процесорів). В обох випадках аргумент полягає в тому, що компанії, такі як Facebook, Google та Microsoft, можуть максимально збільшити вартість своїх витрат на НДДКР, спираючись на обчислювальні можливості, які створюють спеціалізовані компанії, такі як Intel, AMD та Nvidia.

Google TPU другого покоління.
Google TPU другого покоління.

Якщо такі основні гравці, як Facebook та Google, продовжують розробляти свої спеціалізовані апаратні засоби, вони можуть колективно заперечувати перевагу основних апаратних програвачів, які протягом десятиріч ефективно визначили обчислення. Якщо б ви мали скласти список компаній, які сформували середовища, які ми обчислюємо, це не є особливо великим списком, а основні входи та виходи, як правило, трапляються і при великих зрушеннях обчислювальних парадигм.

Фірми, що домінують в одній епосі, не завжди досягають успіху в пізніших періодах часу, і для компанії, яка відіграє певну роль у різний час, для неї дуже важливо відігравати певну роль. Наприклад, IBM, наприклад, перейшла від апаратно-орієнтованого бізнесу на постачальника програмного забезпечення та рішень протягом останніх кількох десятиліть. Intel, AMD, Nvidia та безліч інших компаній беруть участь у тому, що вони можуть перейти на бізнес, орієнтований на центр обробки даних, впроваджуючи ці нові обчислювальні парадигми з обладнанням загального призначення. Якщо самостійна тенденція продовжується, це може загрожувати цим довгостроковим потокам доходів.

Читати далі

Лазери, що використовуються для створення негативних частинок маси

Дослідники з університету Рочестера розробили спосіб створення негативних масових частинок, використовуючи, що ще, лазери. Чи не може щось зробити лазерами?

SanDisk показує прототип 1TB флеш-накопичувача

Нова USB-клавіатура Type-C містить колосальний 1 ТБ пам'яті.

Google AutoML створює моделі машинного навчання без досвіду програмування

Сутність Cloud AutoML полягає в тому, що майже кожен може надати каталог зображень, імпортувати теги для зображень та створити функціональну модель машинного навчання на основі цього.

Смарт-Windows використовують залізо наночастинки для нагрівання жари

Багато раніше німих пристроїв у наших будинках стають розумнішими з появою світильників, підключених до Інтернету, термостатів тощо. Звичайно, вікна не можуть бути розумними, чи не так?