FacebookDeeplearningDeepAttentioning,关于免费FacebookDeeplearningDeepAttentioning论文范文在这里免费下载与阅读,为您的FacebookDeeplearningDeepAttentioning相关论文写作提供资料。
FacebookDeeplearningDeepAttentioning论文参考文献：
2014年年底,Facebook的人工智能实验室（AiLab）迎来了一周年纪念日.至此,“深度学习”算法已可调查你在Facebook上的整体行为习惯,从而能够为你的动态消息推送合适的内容.2014年1月,在Facebook财报分析师电话会议中,公司联合创始人兼CEO马克·扎克伯格（Mark Zuckerberg）首次对外透露了有关公司在人工智能领域的长期规划路线.“未来三年,Facebook将专注于为用户建立分享内容的全新体验.而在五年后,我们将有望看到Facebook的人工智能技术重塑我们的整个数字体验.”扎克伯格说.
改变生活的人工智能
2014年6月,Facebook的DeepFace系统在电气电子工程师协会（IEEE）的计算机视觉和模式识别会议上亮相.DeepFace是由Facebook的人工智能研究小组所开发的,它基于一项深度的神经科学研究,目的在于模仿人类的神经系统工作方式.DeepFace以两个步骤处理脸部图像,首先纠正面部的角度,令照片中的人脸朝前,使用的是一个“普通”朝前看的脸的三维模型；随后采取深度学习的方法,以一个模拟神经网络推算出调整后面部的数字描述.如果DeepFace从两张不同的照片得到了足够相似的描述,它就会认定照片展示的是同一张脸.
它所执行的任务被团队成员雅尼夫·泰格曼（Yaniv Taigman）称为“面部验证”,而不是“面部识别”.“面部验证是指认出两张照片中相同的面孔,而面部识别是指认出面孔的姓名.”泰格曼表示,当问到两张陌生照片中的面孔是否是同一个人时,一个人类答对的几率是97.53%,DeepFace面对这一挑战的分数是97.25%,不论明暗的变化,也不论照片中的人是否直面着镜头.“我们的新软件已经非常接近人脑的识别能力,比起早些时候执行同样任务的软件,它的错误率已经减少了超过四分之一.”泰格曼指出这是一个显著进步,展示出“深度学习”的人工智能新手段的威力.
DeepFace的深度学习部分是由九层简单模拟神经元构成,它们之间有超过1.2亿个联系.为训练这一网络,Facebook的研究人员选出了该公司囤积的用户照片中的一小部分数据——属于近4千人的4百万张带有面孔的照片.DeepFace通过分析四百万张图片,在它们上面找到关键的定位点,并通过分析这些定位点来辨别人脸.这个学习的过程需要时间,但是一旦完成学习,每个输入软件的图片都会被分析成类似指纹一样的信息文件.
“假设Facebook不断提高该系统的准确程度,那么这套系统能够衍生出来的相关应用将是非常强大的.像身份验证、定位等,我们可能不在需要身份证了,而且目前所苦恼的移动支付安全问题都可以得到解决.”一位硅谷的网友说.
从某种程度上来说,Facebook和人工智能的结合会让人感到有些不寒而栗,原因是深度学习能提供一种更加有效的方法,让Facebook对你最私人的习惯进行分析.“通过深度学习工具,Facebook所能做到的事情几乎是无限的.”在多伦多大学从事人工智能研究工作的穆罕默德（Abdel-rahman Mohamed）说.如果Facebook能在其人工智能技术和用户的隐私权需求之间达成平衡,那么这个新兴的研究领域对于这家社交网络服务公司来说就是前景无限的.“一方面这很吓人,但在另一方面,这能让我们的生活变得更好.”
AiLab新引擎
2013年12月,Facebook成立了新的人工智能实验室（AiLab）,聘请了著名人工智能学者、纽约大学教授伊恩·勒坤（Yann LeCun）担任负责人,勒坤称,实验室将具有“宏大长远的目标,要给人工智能带来重大突破”.在过去三十年时间里,勒坤一直都致力于探索人工智能.在加入Facebook之前的二十多年,勒坤在贝尔实验室中工作,期间他研发了一个可以识别手写数字的系统,并称之为LeNet.LeNet能够自动读取银行支票,它标志着卷积神经网络首次被应用于实践中.现在,他将利用自己擅长的“深度学习”技术帮助Facebook更好地“读懂”用户行为.
勒坤说,过去几年时间里,“深度学习”系统在运用于图像识别和语言识别等领域时相当成功,在自然语言处理领域中也取得了一定的成果.“现在这些方面的应用都已非常成功,即使只把精力集中用在这些领域,就已经可以给Facebook带来重大的影响,因为人们每天都会向Facebook上传数以亿计的图片、短视频和聊天信息.”
“但我们想要完成的任务不止于此.举例来说,我们要怎样才能真正了解自然语言?如何才能建立起用户模型,从而让系统向其显示的内容中包含他们很可能感兴趣的东西,或者很可能有助于他们实现目标的东西,或者可能帮助他们节省时间的东西?这才是Facebook关注的核心内容,而目前已经达到的水平是,我们能决定向人们显示什么信息以及显示哪些广告.”勒坤说扎克伯格将这叫做“心智理论”.
扎克伯格表示,Facebook希望人工智能技术能够帮助自己更加全面地理解用户所分享的每一个信息的意义,从用户的状态更新中了解到用户的当前心情,甚至自动帮用户PS掉图片中的可乐罐等不必要的物品.“Facebook的主要目的是促进人和人之间的沟通,但现在人们每天接收着来自朋友、媒体、网站等狂轰滥炸般的信息.我们希望帮助人们筛选这些大量的信息,这就需要知道他们对什么感兴趣?这只有人工智能做到.”
产品化方向：个人数字助手
勒坤领导的AiLab正着手执行一个非常有意思的计划,就是利用“深度学习”人工智能技术来确保用户谨慎在Facebook上传播尴尬内容,如酒醉状态下的丑态等.比如这种常见的情况：跟一帮朋友开怀畅饮的时候,你或许会变得难以自控,掏出你的智能手机,在醉酒狂欢期间给自己来张自拍照,而后接连不断地拍下三四十张照片,接着不假思索地将它们上传到Facebook上.
而勒坤想要制止这种放纵行为——或者至少在人们准备要做可能会后悔的事情之前预警一下.勒坤谈到,这项应用将借助“深度学习”技术,Facebook将可区别用户在冷静时和醉酒时的不同状态.“就好比你有一个智能数字助理,可以帮助你协调和朋友和Facebook内容之间的互动.”目前,Facebook的技术已经可以识别出你发布到社交网站的照片中你和朋友的不同脸孔,允许你更轻松地标出正确名字.“你可以通过这样一个方式来调节你的互动,同时保护你的隐私.”勒坤说.
勒坤团队再进一步的设想是,能够理解更加复杂的Facebook数据,引导你往你未曾想过的方向进行交互.勒坤谈到,对于部分人来说可能会难以接受,但对于勒坤来说,AiLab的职责就是给予你更多的在线身份控制权,而不是削弱你的控制.
在勒坤看来,Facebook的人工智能抱负也存在局限性,勒坤称Facebook尚未结合机器人技术探索人工智能,但他同时也表示,“这是我在纽约大学的学术研究中有兴趣探索的一个领域,是合乎逻辑的下一步.”
结论：关于FacebookDeeplearningDeepAttentioning方面的论文题目、论文提纲、attentioning论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。