Facebook AI రీసెర్చ్ వీడియోలలో వ్యక్తులను గుర్తించకుండా ఉండటానికి మెషీన్ లెర్నింగ్ సిస్టమ్ను రూపొందించినట్లు పేర్కొంది. స్టార్టప్లు వంటివి
ఆటోమేటిక్ వీడియో సవరణ కోసం AIకి నిర్దిష్ట వీడియో కోసం అదనపు శిక్షణ అవసరం లేదు. ఫేషియల్ రికగ్నిషన్ టెక్నాలజీలను ఉపయోగించి గుర్తించడం కష్టతరం చేయడానికి అల్గారిథమ్ వ్యక్తి యొక్క ముఖాన్ని కొద్దిగా వక్రీకరించిన సంస్కరణతో భర్తీ చేస్తుంది. ఇది ఎలా పని చేస్తుందో మీరు చూడవచ్చు
"ముఖ గుర్తింపు అనేది గోప్యతను కోల్పోయేలా చేస్తుంది మరియు ఫేస్ రీప్లేస్మెంట్ టెక్నాలజీని తప్పుదారి పట్టించే వీడియోలను రూపొందించడానికి ఉపయోగించవచ్చు" అని విధానాన్ని వివరించే ఒక పేపర్ పేర్కొంది. — ఫేషియల్ రికగ్నిషన్ టెక్నాలజీ యొక్క పురోగతి మరియు దుర్వినియోగానికి సంబంధించిన ఇటీవలి ప్రపంచ సంఘటనలు డి-ఐడెంటిఫికేషన్ను విజయవంతంగా ఎదుర్కొనే పద్ధతులను అర్థం చేసుకోవలసిన అవసరాన్ని పెంచుతున్నాయి. ప్రసారాలతో సహా వీడియోకు అనువైనది మరియు సాహిత్యంలో వివరించిన పద్ధతుల కంటే చాలా ఎక్కువ నాణ్యతను అందించడం మా పద్ధతి మాత్రమే.
Facebook యొక్క విధానం ఒక నాడీ నెట్వర్క్తో విరోధి ఆటోఎన్కోడర్ను మిళితం చేస్తుంది. శిక్షణలో భాగంగా, పరిశోధకులు ముఖాలను గుర్తించడానికి శిక్షణ పొందిన న్యూరల్ నెట్వర్క్లను మోసం చేసేందుకు ప్రయత్నించారని Facebook AI రీసెర్చ్ ఇంజనీర్ మరియు టెల్ అవీవ్ యూనివర్సిటీ ప్రొఫెసర్ లియోర్ వోల్ఫ్ ఫోన్లో వెంచర్బీట్తో చెప్పారు.
“కాబట్టి ఆటోఎన్కోడర్ ముఖాలను గుర్తించడానికి శిక్షణ పొందిన న్యూరల్ నెట్వర్క్కు జీవితాన్ని కష్టతరం చేయడానికి ప్రయత్నిస్తోంది మరియు ఇది వాస్తవానికి సాధారణ-ప్రయోజన సాంకేతికత, ఇది మీరు మాస్కింగ్ ప్రసంగం లేదా ఆన్లైన్ ప్రవర్తన లేదా ఏదైనా ఇతర రకాన్ని అభివృద్ధి చేయాల్సిన అవసరం ఉంటే కూడా ఉపయోగించవచ్చు. గుర్తించదగిన సమాచారాన్ని తొలగించాల్సిన అవసరం ఉంది, ”అని అతను పేర్కొన్నాడు.
AI ఒక వ్యక్తి యొక్క ముఖం యొక్క వక్రీకరించిన మరియు వక్రీకరించని చిత్రాలను రూపొందించడానికి ఎన్కోడర్-డీకోడర్ ఆర్కిటెక్చర్ను ఉపయోగిస్తుంది, దానిని వీడియోలలో పొందుపరచవచ్చు. ఫేస్బుక్ ప్రస్తుతం ఈ సాంకేతికతను దాని అప్లికేషన్లలో దేనిలోనూ ఉపయోగించాలని ప్లాన్ చేయలేదని సోషల్ నెట్వర్క్ ప్రతినిధి వెంచర్బీట్కు తెలిపారు. కానీ ఇటువంటి పద్ధతులు మానవులకు గుర్తించదగిన పదార్థాలను ఉత్పత్తి చేయగలవు కానీ కృత్రిమ మేధస్సు వ్యవస్థలకు కాదు.
ఫేస్బుక్ ప్రస్తుతం సోషల్ నెట్వర్క్లో ఆటోమేటిక్ ఫేషియల్ రికగ్నిషన్ సమస్యకు సంబంధించి $35 బిలియన్ల దావాను ఎదుర్కొంటోంది.
మూలం: 3dnews.ru