人工智慧自監督式學習又創新境界!用十億張圖進行自主學習,訓練出超強圖像辨識!
FB出動IG十億張照片，訓練最強圖像識別AI「SEER」
這幾年來自監督式學習（self-supervised learning）的研究發展非常蓬勃，例如 2020 年 Google Brain 公開的「SimCLR」被認為是重要的里程碑。
但坐擁著全球最大影像資料庫之一 Instagram 的 Facebook 也不惶多讓，透過 Instagram 上超過 10 億張的公開照片，訓練出最新的自監督式學習模型「SEER」（SElf-supERvised），並宣稱 SEER 是目前在圖像識別測試之中，表現最優秀的 人工智慧 AI 。
何謂 AI 的自監督式學習是什麼？
機器學習中最廣泛使用的監督式學習（supervised learning），是由人給定標記好的資料，讓 人工智慧 AI 學習正確答案並作為推論根據。但是，這種方法依賴於人工事先標記，不僅要耗費大量時間、人力與資源，AI 也只能針對已標記的特徵來學習、完成特定範圍內的任務，如：語音轉文字、分類圖像、物件辨識等。
為了突破這些限制，自監督學習（Self-supervised Learning，SSL）就應運而生了。
自監督學習是觀察現有訓練資料中的任何部份來學習，透過預測來認識世界，而無需仰賴人工事先給定的標籤。
換而言之，自監督學習所訓練的 AI 模型，能藉由觀察過去與現在的訓練資料，來預測未來會發生的事。如 SEER 可以透過觀察未標記、未分類的 Instagram 照片，就辨識出照片中的物品或人物。
這讓許多人相信，AI 技術若要開創新局面，利用自監督式學習是最好的方式。Facebook AI 研究團隊也認為，AI 的未來在於不需依靠人類事先準備好的「教材」來學習如何識別物件，而是能直接從任何形式──如文字、圖片、聲音、影像等──的數據資料中學習。
奠基在 10 億張圖上的自監督 AI
SEER 模型結構是基於 Facebook AI Research 實驗室於2020年所提出的「RegNet」模型，與在線自監督學習演算法「SwAV」，來分析總量達 10 億張的隨機圖片。
SEER 模型結構是基於 Facebook AI Research 實驗室於2020年所提出的「RegNet」模型，與在線自監督學習演算法「SwAV」，來分析總量達 10 億張的隨機圖片。｜圖片來源：Facebook AI Blog
圖片來源：Facebook AI Blog
SwAV 能利用聚類分析（Cluster analysis）來快速分組具有相似視覺概念的圖片，再透過同組中圖片的相似性增進學習效能，讓訓練時間大幅減少。不過，要執行這樣的運算，SwAV 需要一個運行效率很高、又不會損失精確性的模型架構。
而能夠擴展到數十億、甚至數萬億個參數的 RegNet，正好完全符合這些需求。
Facebook AI Research 團隊對比了 SEER 與其他自監督式學習演算法在 ImageNet 上的預訓練結果，表示SEER 的表現是最佳的｜圖片來源：Facebook AI Blog
圖片來源：Facebook AI Blog
而團隊也對比了 SEER 與其他自監督式學習演算法在 ImageNet 上的預訓練結果，表示SEER 的表現是最佳的。
FB 最強圖像辨識 AI 「SEER」 的潛力
儘管 SEER 目前還只是一個研究項目，但 Facebook 官方表示其發展潛力相當廣泛，包括用於自動生成文字說明、對賣家於 FB Marketplace 上傳的商品圖片增加建議標題及類別、防止違反社群規則的內容在 FB 平台傳播等等。甚至若其動態影像預測的研究成熟後，可以用在預測自駕車周遭車輛的行駛軌跡，為自駕車技術增添一大助力。
並且，SEER 的成果也展現出，自監督式學習可以成為更加有效、準確且適應性強的電腦視覺模型。也許未來，自監督式學習能帶給 AI 領域更多爆炸性的突破。
相關文章:
你上傳圖片到 IG 的同時，其實也在幫 FB 訓練人工智慧！
2021最適合工作的科技公司排行榜：NVIDIA第一、Google第三，蘋果連前十名都無？
