例如，Facebook人工智能研究負責人馬諾哈爾·帕魯里(Manohar Paluri)周三在該公司的F8開發者大會上表示，自我監督學習方法將所需的培訓數據減少了10倍。這種速度對于讓Facebook變得有趣和安全至關重要，而不是成為充斥著有毒評論、錯誤信息、虐待和詐騙的“糞坑”。
Facebook首席技術官Mike Schroepfer在一次主題演講中說:“真的很容易失去希望，收拾行李回家。”
“但我們不能這樣做。我們來這里是為了用科技給人們帶來更美好的未來。”
“自我監督學習”是什么技術?
隨著讓計算機識別模式并做出決策的新方法流行起來，人工智能正在席卷科技行業以及其他領域。
如今的人工智能技術被稱為“深度學習”(deep learning)，你可以讓一臺電腦通過訓練來識別一只貓，方法是給它看很多貓的照片，而不是弄清楚如何定義貓的特征，比如兩只眼睛、尖尖的耳朵和胡須。
人工智能訓練數據通常是“受監督的”，這意味著它依賴于經過仔細標記的訓練數據。這些數據很難積累，因為好的人工智能系統通常訓練所需的是海量的數據。
帶標簽的貓咪照片或許非常好找，但使用人工智能的公司需要應對的是從信用卡欺詐交易到電腦漏洞等一切問題。
自主學習是人工智能關鍵訓練階段的一個新轉折。
與常規人工智能訓練相比，自我監督學習所需的訓練數據要少得多，這減少了收集訓練數據和訓練系統所需的時間。
Facebook首席技術官Mike Schroepfer稱，在自我監督學習中，人工智能使用未標記的訓練數據。但這并不完全是原始數據。相反，一些位被刪除，比如文本中的單詞或照片中的像素矩形。
這讓人工智能系統通過找出如何重建缺失部分來學習其中的模式，而且更容易提供“海量數據”，這些數據對于自然語言處理(NLP)或理解人類語音和文本等任務非常有用。
Schroepfer說，Facebook在處理照片、視頻和文本時也在使用自我監督學習。
他說:“你可以同時生成訓練集和答案。由于使用了如此多的數據，這些NLP系統開始捕捉到對語言更深層次、更細致入微的理解。”
人工智能成眾平臺“好幫手”
對于專注于技術的Facebook來說，使用人工智能來幫助解決問題是一個自然的想法。Facebook已經聘請了專家Yann LeCun，他是今年著名的圖靈獎三位獲得者之一。
Facebook稱，其人工智能正在改善這個世界上最大的社交網絡的許多問題:欺凌、仇恨言論、暴力、恐怖主義宣傳、兒童色情、垃圾郵件、成人內容和虛假賬戶。
谷歌旗下YouTube、Twitter和其他在線平臺等也正面臨管控平臺上網絡言論的困境。
為了凈化網絡討論環境，Google推出一個叫Tune的Chrome插件，用戶可以打開按鈕，對一些惡毒評論進行屏蔽。這個小工具來自Jigsaw公司，它的前身為Google Ideas，是Google 創建的一個技術孵化器，致力于用技術解決網絡暴力、言論自由、信息透明等難題。
Tune 的作用就是屏蔽惡毒評論。它目前支持 YouTube、Twitter、Facebook、Reddit、Disqus五個平臺，開啟之后，用戶會看到一個調整惡毒程度的按鈕，有 quit、low、medium、loud、blaring 五檔，級別越高，可以看到的惡毒評論越多，反之則是一個安靜友善的網絡環境。
谷歌還使用“排名算法”來組織和呈現內容，這些算法不會形成個人意識形態觀點，以應對虛假信息。
此外，谷歌還面臨由人工智能(AI)產生的“換臉”(deep fakes)或“洗稿”內容的威脅。谷歌和YouTube在這方面也進行了投資，以用AI檢測這類合成與造假內容的出現。
創業公司Deeptrace將用于創建“AI換臉”的相同的對抗機器學習作為檢測“AI換臉”的主要工具。該公司還專門開發了一些“AI換臉”案例來培訓其防御軟件。該公司甚至正在探索將音頻和視頻通道配對以提高檢測的準確度。
2019年愚人節當天，阿里巴巴宣布要用人工智能打破謠言。這項新技術被稱為“AI謠言粉碎機”。這項技術的算法模型由達摩院機器智能實驗室研發。對通過深度學習和神經網絡，該團隊設計了包括發布信息、社交畫像、回復者立場、回復信息、傳播路徑在內的判斷系統，將謠言識別和社交用戶觀點識別打通，最快1秒內判定結果。
阿里巴巴方面宣稱，在特定場景中的準確率達到了81%。2019年初，SemEval語義測試大賽中，根據主辦方提供的過去兩年社交媒體推特和Reddit上的近500個真實言論和1萬多條相關反饋數據，阿里巴巴的人工智能技術對假新聞識別的準確率創造了新的紀錄。
人工智能的應用已經遠遠不止在科技領域。
咨詢公司德勤(Deloitte)周三公布的一項調查顯示，全球57%較早采用人工智能技術的企業預計人工智能將改變它們的業務，它們現在往往在進行投資，試圖趕在預期的更廣泛變革之前。
但是，盡管人工智能可以解決計算機科學的問題，它也增加了新的問題，比如，如何消除人工智能的偏見成為了一個新的難點。
【來源：前瞻網】
