Mašininio mokymosi technologija ne visada siejama su didelėmis funkcijomis. Dažnai tai yra mažos gudrybės, kurios labai atsargiai ir šiek tiek paveikia rezultatą. Pavyzdžiui, naudojant Twitter neuroniniai tinklai leidžia automatiškai pasirinkti įdomiausią nuotraukos dalį peržiūrai.
Bendrovė jau kurį laiką dirbo su šiuo įrankiu, tačiau išsamiai apibūdino jo metodus dienoraštis tik vakar ML Lucas Theis ir etiketė ML Zehan Wang paaiškina, kaip jie pradėjo naudoti veido aptikimą, kad apkarpytų foną, tačiau sužinojo, kad šis metodas netinka kraštovaizdžių, objektų ir, svarbiausia, jūsų mėgstamų kačiukų vaizdams.
Sprendimas buvo „genėjimas naudojant reikšmingumą“. Norėdami nustatyti šį parametrą, kūrėjai naudojo akademinių akių darbo tyrimų duomenis, kurie fiksuoja, į kurias vaizdų sritis žmonės žiūri pirmiausia.
„ŠIE DUOMENYS GALI BŪTI NAUDOTI NEURALINIŲ TINKLŲ IR KITŲ ALGORITMŲ MOKYMUI, KAD PAPRAŠYTI, KĄ ŽMONĖS GALI NORĖTI ŽIŪRĖTI“
THEIS IR WANG
Kai kūrėjai išmokė neuroninį tinklą nustatyti šias sritis, jie turėjo jį optimizuoti, kad jis veiktų realiuoju laiku svetainėje. Jų laimei, apkarpymo sritis, reikalinga nuotraukoms peržiūrėti, yra pakankamai plati – jūs tiesiog susiaurinate vaizdą. Tai reiškia, kad Twitter gali sumažinti ir supaprastinti neuroninio tinklo įvertintus kriterijus, naudojant metodą, vadinamą žinių distiliavimu.
Galutinis rezultatas buvo neuroninis tinklas, kuris yra dešimt kartų greitesnis už pradinį. „Tai leidžia mums atlikti visų vaizdų objektų ryškumo aptikimą, kai tik jie bus įkelti, realiuoju laiku parinksime įdomiausią nuotraukos dalį“, – rašo Theis ir Wang.
Naujoji funkcija dabar prieinama visuose kompiuteriuose, iOS ir Android- programos. Todėl kitą kartą pamatysite įdomią nuotrauką Twitter, atminkite, kad tai taip pat yra neuroninio tinklo rezultatas.
Dzerelo: Bordiūrų