Ordinateurs

Facebook travaille sur des réseaux de neurones « d’apprentissage en profondeur » pour en savoir encore plus sur votre vie personnelle

Ce site peut gagner des commissions d’affiliation à partir des liens sur cette page. Conditions d’utilisation.

Facebook commence à adopter une nouvelle approche pour numériser nos personnalités et les transformer en petits paquets joliment vendables. Après tout, publier et mettre à jour une liste exhaustive de vos groupes préférés a tendance à perdre de son attrait vers la fin de l’adolescence ; si Facebook veut vraiment comprendre nos désirs et nos besoins matériels, il devra se pencher sur nos communications beaucoup plus personnelles, beaucoup moins intelligibles. Cette semaine, le directeur de la technologie de Facebook a déclaré que la nouvelle équipe d’intelligence artificielle de la société avait pour objectif de créer des réseaux de neurones pour en savoir plus sur votre personnalité d’une manière nouvelle et remarquablement humaine.

Un modèle simple pour un réseau de neurones.

Un modèle simple pour un réseau de neurones.

Les réseaux de neurones artificiels reflètent les réseaux biologiques, utilisant des nœuds plutôt que des neurones, mais construisant les mêmes types d’interconnexions complexes entre eux. Plutôt que de stocker toutes les données dans un immense pool à analyser dans leur ensemble, les réseaux de neurones se souviennent des associations entre les concepts, rationalisant le processus de récupération et d’analyse. Ils permettent aux informaticiens de créer des algorithmes pour quelque chose appelé « apprentissage en profondeur », qui organise les idées en couches de définitions. Les petits concepts définissent collectivement les plus grands, qui définissent les plus grands, et ainsi de suite. Avec suffisamment d’informations d’entrée, un réseau de neurones suffisamment détaillé peut en effet apprendre assez profondément – et, à l’exception peut-être de Google, personne n’a accès à plus d’informations brutes que Facebook.

L’objectif principal de tout cela est censé améliorer le vénérable fil d’actualité, mais lorsqu’il s’agit de Facebook, l’objectif principal est toujours ventes d’annonces. Pourtant, de puissants algorithmes d’apprentissage en profondeur ont le potentiel de changer la plupart de nos interactions avec les médias sociaux. Et si Facebook ou Twitter pouvaient recommander une légère reformulation de votre dernière mise à jour – remplacez le mot « CPU » par « processeur » et obtenez en moyenne 2,4% d’attention en plus ! Et si un algorithme pouvait vous dire quelle image de couverture suscitera le plus d’intérêt pour votre album photo, ou rechercher dans vos images uniquement des situations heureuses ? (L’option « trouver des photos de bikini » sera probablement tierce, mais apparaîtra rapidement.)

Le travail de Google avec l'apprentissage automatique a permis à un algorithme d'apprendre de manière autonome à reconnaître le visage d'un chat.

Le travail de Google avec l’apprentissage automatique a permis à un algorithme d’apprendre de manière autonome à reconnaître le visage d’un chat.

Ce ne sont pas toutes des spéculations non plus. Google a enseigné un réseau de neurones pour reconnaître les visages humainset Microsoft les utilise pour apporter reconnaissance vocale et traduction en temps réel. Tout cela nécessite que le réseau donne un sens aux informations non catégorisées – en d’autres termes, il doit être capable de transformer une publication obscure comme « je <3 u bébé" en une série d'événements d'apprentissage automatique, d'une augmentation de la visibilité de bébé sur votre News Feed à une alerte automatique si le bébé en question change son statut relationnel. Discuter des podcasts avec un ami devrait vous signaler en tant que fan non seulement des émissions spécifiques que vous mentionnez, mais du support dans son ensemble, et ajouter à la probabilité que vous aimiez également, par exemple, les jeux vidéo. L'apprentissage en profondeur consiste à rendre l'analyse des données suffisamment sophistiquée pour dériver votre personnalité de votre production sociale naturelle.

L’équipe d’IA chargée de réaliser ce genre de gains n’a commencé cet effort que récemment, mais elle rassemble des experts de tous les domaines. Yaniv Taigman était le cofondateur de la société de reconnaissance faciale Face.com et travaille maintenant avec l’équipe aux côtés d’universitaires comme Marc’Aurelio Ranzato et d’anciens de Facebook comme Keith Adams. Bien que d’autres entreprises aient une longueur d’avance, l’étendue des informations disponibles sur Facebook donne à ses efforts des implications personnelles uniques.

Psssssst :  Microsoft ferme une usine de surface aux États-Unis et transfère la production en Chine

Moi-même, cela ne me dérange pas que Facebook jette un œil sur mon activité, juste un peu. Si nous tenons pour acquis que les médias sociaux seront axés sur la publicité dans un avenir prévisible, autant essayer de nous assurer que ces publicités restent pertinentes par rapport à nos intérêts. Si une bannière publicitaire peut m’avertir d’une grande vente sur mon achat imminent, ou d’une date de tournée locale pour mon groupe préféré, la publicité peut en fait améliorer l’utilité du site dans son ensemble. Parfois, nous sommes assez gentils pour placer ce type d’informations sous une forme facilement analysable – je mets Star Trek sur ma liste d’émissions de télévision préférées, et un algorithme me montre une publicité pour Dans l’obscurité. C’est un processus assez simple et (laissant de côté toute fuite possible vers les superviseurs du gouvernement) qui ne devrait pas trop déranger la plupart des utilisateurs.

Maintenant lis: Facebook crée l’alliance Internet.org pour réduire le prix des forfaits de données mobiles à 1% du prix actuel

Bouton retour en haut de la page