將資訊稽核效率提高150倍！ Facebook CTO要用AI釋放人力
【獵雲網（微訊號：）】5月3日報道 （編譯：檸萌）
2017年，因平臺上的不當內容Facebook曾引發一系列爭議，包括傳播假新聞、仇恨言論等。而該公司認為這個問題的解決方案在某種程度上要依賴最古老的資訊處理裝置——人眼。Facebook宣佈，它將額外僱傭數千名資訊稽核員來稽核使用者的帖子，防止攻擊性、非法或其他可疑內容擴散。這一做法表明，該公司承認僅憑技術是無法有效打擊社交網路上的不良行為者的。許多權威人士也宣稱，沒有任何跡象表明人工智慧能夠在沒有人類干預的情況下識別和消除有問題的內容。
在Facebook F8大會第二天的主題演講上，該公司的首席技術官邁克·斯科洛普夫（Mike Schroepfer）表示，人工智慧已經在大規模檢測平臺上的不當內容。他還透露，Facebook和許多地方的研究人員目前都努力在技術上取得進展，這些技術將使軟體在更少人力的幫助下處理更多的工作。
本週早些時候，在Facebook總部的一間會議室裡，斯科洛普夫稍微展示了他計劃在主題演講上公開的圖表，圖表上的柱子代表了各種各樣的不當內容——垃圾郵件、虛假賬戶、色情內容、暴力內容。除此之外，圖表上還有一些統計資料顯示，Facebook是何時開始將這些內容與人工智慧聯絡起來，人工智慧又是何時承擔主要清理責任的。
通過分享這些資料，斯科洛普夫希望消除人們對Facebook沒有認真對待清理其平臺的挑戰的不好印象。不過，他很快就承認他們還有很多工作要做。對於那些持懷疑態度的人，他也沒有批評。“對我個人來說，最困難的事情是我們不在乎，”他說。“要麼我們不在乎，要麼我們沒有把它放在首位。但人們會有自己的感覺，在我們做對之前，他們有理由去感受他們想要的任何東西。”
斯科洛普夫秉持著謹慎的態度，表達了他的觀點，人工智慧作為解決平臺內容困境的通用解決方案的作用不能被過分誇大。他說：“我不認為在不久的將來，我們可以不需要人們參與其中，因為這些基本上是人的問題，而且要判斷什麼內容是仇恨言論，什麼是虛假資訊，都應當是由人類來完成的。”
但他也表示，人工智慧或許能夠更多地參與到清除不當內容的苦差事中。讀過February Verge專欄作家Casey Newton的文章的人都知道，整天盯著Facebook上最糟糕的使用者釋出的可怕內容並不僅僅只是沉悶，它甚至會灼傷靈魂。
“其中一些內容看起來真的很糟糕，”斯科洛普夫說。“所以，如果我能從評論者那裡挑出最糟糕的，那麼接觸這些東西的人就會更少。”
斯科洛普夫估計，他目前把大約一半時間花在解決Facebook當前困難的技術上，另一半時間花在其他任務上，設計一些更有趣、更有未來感的東西，比如Oculus VR。“有時可能是70%和30%，有時也可能是30%和70%，”他說。
但如果涉及到研究時，這條界線就模糊了。例如，Facebook對機器視覺進行的調查，讓其入口網站視訊聊天螢幕智慧地顯示畫面，也可以幫助該公司對視訊進行清理，更快地刪除有問題的視訊。“我可以同時生活在兩個世界裡，這很令人興奮，”斯科洛普夫說。
在沒有獲得廣泛幫助的情況下，科技行業在教授人工智慧識別事物（包括文字和視覺）方面正在取得進展。這是當前機器學習技術的一個進步，而機器學習技術需要大量的人類預先培訓。這種傳統的訓練“有兩個非常大的問題，”斯科洛普夫說。“第一，在某種程度上它是定製的。如果不在訓練集中，你可能會找不到它。第二，整個過程非常緩慢。構建一個特別的新分類器可能需要幾周的時間。”電腦自己能做的越多，它們就能更好地完成一系列任務。
斯科洛普夫指出了一個名為BERT（Bidirectional Encoder Representations from Transformers）的谷歌研究專案。專案基本的概念並不難理解。你不需要用人類選擇的大量例子來訓練一個人工智慧模型，你可以通過給它一些看起來像字謎的東西來教它。其中一項練習是把單詞掩蔽起來，由計算機提供缺失的單詞，就像匹配比賽的選手一樣。另一項練習是給電腦提供成對的句子，挑戰在於需要猜測在真實的文字中，第二個句子是否跟在第一個句子後面。
電腦科學家也在對視訊使用類似的技術，比如給人工智慧模型一段視訊片段和一段配樂，讓它預測它們是否真的屬於彼此。Facebook的科學家們還向人工智慧模型展示了成對的視訊片段，並讓它們猜測這些片段是否屬於一個序列的一部分。據斯科洛普夫說，這種訓練方法將人類的體力勞動從12000小時減少到80小時。“這是一個數量級的削減，”他說。
把這些文字和視覺上的謎題塞進一個演算法中是很容易的。“你可以獲取大量的輸入資料並對其進行變異，”斯科洛普夫說。這款軟體解決的難題越多，它就越能智慧地準確處理未來的難題，從而根據上下文線索理解內容——從識別不可接受的廣告到智慧地安排新聞提要，這是Facebook上的一項有價值的技能。這些技術屬於“自我監督”培訓的範疇，Facebook人工智慧主管Yann LeCun將其稱為未來10年人工智慧的主要機遇之一。
更有效地訓練演算法的目的，並不是弱化這個過程在Facebook如何理解其平臺上的內容方面的重要性。相反，它使得進行更多的培訓來處理額外型別的內容成為可能。斯科洛普夫舉了一個已經在Facebook上使用的自我監督學習的例子：“如果我們訓練一個分類器來判斷人們是否在談論選舉，我們可以一次訓練多個語言的分類器，所以在印度這樣的地方效果更好。”
最後，斯科洛普夫說，他認為科技行業當前的悲觀情緒終有一天會消退。“我認為我們現在對科技的悲觀情緒達到頂峰，或者接近頂峰。”他補充稱，對於Facebook來說，要解決現在問題的一個重要方面在於該公司在小問題變成大問題之前可以更好地識別問題，這樣它就能儘早部署其技術和人力資源。
“事實上，我們做的比過去好，我們可以更好地預測它們，因為其中一些是可以預測的，”他說。“我們可以更好地更快地對新事物做出反應。所以，即使我們沒有預測到，我們也有能力應對。”