Facebook będzie uczył AI jak rozpoznawać treści na wideo

Facebook, który wie już sporo, chce wiedzieć jeszcze wszystko, dlatego jego kolejnym dużym projektem ma być nauczenie systemów sztucznej inteligencji, aby rozumiały, co dzieje się w wideo. I mogłoby się to wydawać zadaniem obliczonym na lata, ale - zważywszy bazę danych, na której przyjdzie jej pracować - może to zająć krócej niż sądzimy. 

Dostęp do danych to jedna z największych przewag konkurencyjnych w sztucznej inteligencji, a tutaj Facebook, Google i Amazon nie mają sobie równych. I pierwszy z nich właśnie zapowiedział, że to wykorzysta. Wcześniej szkolił swoje AI na głównie na obrazów z Instagrama, ale teraz przyszła kolej na wideo.

Ucząc się z globalnych strumieni publicznie dostępnych filmów, obejmujących prawie każdy kraj i setki języków, nasze systemy sztucznej inteligencji nie tylko poprawią dokładność, ale także dostosują się do szybko zmieniającego się świata i rozpoznają niuanse i wskazówki wizualne w różnych kulturach i regionach

Projekt, nazwany "Learning from Videos" jest częścią „szerszych wysiłków Facebooka na rzecz budowania maszyn, które uczą się tak jak ludzie”.

Powstałe w ten sposób modele mają być wykorzystane do stworzenia nowych systemów rekomendacji treści i narzędzi moderacyjnych, twierdzi Facebook, ale - na co zwracają uwagę dziennikarze The Verge - mogą zrobić o wiele więcej.

Sztuczna inteligencja, która zrozumie treść filmów, da Facebookowi bezprecedensowy wgląd w życie użytkowników, umożliwiając jeszcze dokładniejszą analizę ich hobby i zainteresowań, preferencji dotyczących marek i ubrań oraz niezliczonych innych danych osobowych. I jasne, Facebook już to wszystko wie, ale danych nigdy za wiele. 

Facebook nie precyzuje więc, jak konkretnie będą wykorzystywane modele tworzone na podstawie analiz naszych wideo. Z kolei pytanie, czy użytkownicy będą mogli nie zgodzić się na wykorzystywanie ich filmów do trenowania sztucznej inteligencji, jest w gruncie rzeczy naiwne. Polityka Facebooka mówi wyraźnie, że treści przesyłane przez użytkowników mogą być wykorzystywane do „badań i rozwoju produktów”. 

W poście opublikowanym na blogu jest jednak jeden ciekawy wątek. Firma zaznacza bowiem, że jej sztuczna inteligencja może być wykorzystana do odzyskania „cyfrowych wspomnień” przechwyconych przez inteligentne okulary. Ten sprzęt ma bowiem zadebiutować jeszcze w tym roku. 

Szczegóły dotyczące urządzenia są jeszcze jasne, ale prawdopodobnie będą one wyposażone w zintegrowane kamery, wychwytujące punkt widzenia użytkownika. Jeśli uda się wyszkolić systemy sztucznej inteligencji tak, by można było wyszukiwać wcześniejsze nagrania (podobnie jak wyszukuje się zdjęcia określonych lokalizacji, obiektów lub osób). Użytkownik miałby, po danej frazie, wyszukać materiały nakręcone w przeszłości, bo - jak twierdzi Facebook - musi mieć taka samą łatwość w przywoływaniu wspomnień, jak w ich rejestrowaniu. 

Łatwo sobie jednak wyobrazić, że użytkownicy okularów staliby się z czasem "żywymi" rejestratorami danych, które - oczywiście - trafiałyby do przepastnych serwerowni Facebooka. 

dr Krzysztof Kuźmicz
Katedra Nauk Społecznych w Akademii Leona Koźmińskiego

Jaki potencjał biznesowy ma rozpoznawanie treści video? 

Gromadzenie i przetwarzanie danych z zastosowaniem uczenia maszynowego i głębokiego uczenia to kluczowe technologie wdrażane przez przedsiębiorstwa, organizacje i instytucje w 2020 i 2021 roku. Algorytmy systemów sztucznej inteligencji coraz silniej zaznaczają swą obecność w przestrzeni mediów audiowizualnych. Rezerwuar możliwości ich zastosowania jest szeroki, począwszy od wspierania działań marketingowych na etapie tworzenia zawartości generowanej cyfrowo, zautomatyzowanego przekształcania i optymalizowania materiałów wideo w formaty zgodne z docelowymi mediami społecznościowymi (TikTok, Instagram, YouTube, Facebook, LinkedIn, Twitter i inne), przez rafinowanie metadanych wizualnych (statycznych i dynamicznych) i audialnych zawartych w przekazach wideo, a następnie użycie ich w procesach transkrypcji i indeksowania treści, identyfikowania marek i produktów, a także uczestników procesu komunikowania (np. polityków, celebrytów, przedsiębiorców, obywateli), rozpoznawania emocjonalnego tonu ich wypowiedzi, a także klasyfikowania i przypisywania do określonego obszaru tematycznego oraz projektowaniu doświadczenia i budowaniu zaangażowania konsumentów wideo. Mówiąc o potencjale biznesowym technologii rozpoznawania treści przekazów wideo warto wspomnieć także o analityce behawioralnej oraz identyfikacji obiektów z wykorzystaniem sieci neuronowych, czyli rozwiązań wspierających bezpieczeństwo w biznesie, funkcjonowanie miast oraz komfort życia obywateli.  

Czy - w kontekście obaw o wykorzystanie danych przez Facebooka - to wiadomość, która powinna nas niepokoić? 

Żyjemy w erze gospodarki cyfrowej, w której dane porównywane są do waluty lub zasobów naturalnych. W rezultacie bezpieczeństwo systemów i danych, ochrona prywatności użytkowników, a także prawne i etyczne aspekty działania przedsiębiorstw sektora ICT, to kluczowe wyzwania współczesnego świata. Platformy społecznościowe wykorzystywały i nadal będą wykorzystywać dane, a te pochodzące z analizy materiałów wideo, dokonywanej przez algorytmy sztucznej inteligencji, to kolejne ich źródło. Istotne, abyśmy byli świadomi zachodzących procesów, a regulacje prawne nadążały nad zmieniają się rzeczywistością, stały na straży ochrony prywatności internautów.