記者洪聖壹／台北報導
相較於 Facebook 來說，Instagram分享圖片、影音更為簡便，而且使用環境更為單純，這使得人們願意在該平台分享圖片，而在 F8 開發者大會的第二天，Facebook 談到有關圖像辨識技術時，說明他們使用人們在Instagram分享的數十億張照片來訓練圖像辨識模組。
其實這些數據訓練的模型對於所有科技公司來說都非常普遍，而Facebook面臨的挑戰除了隱私，更多的是如何整理這數十億圖片的相關內容，好比說在 35 億張Instagram照片當中，分類超過17,000個標籤。
在 F8 第二天的會議當中，Facebook 向開發者們說明了他們是如何處理了數十億張 Instagram 照片。首先，這些照片被用戶標註了標籤，接著 Facebook 要能夠辨識哪些主題標籤是同義詞，同時還要學習將更具體的主題標籤優先於更一般的主題標籤，最終這些主題標籤將被訓練成大規模的標籤預測模組，接著再使用這些模組來訓練他們自己的圖像辨識模組。
Facebook 表示，他們每天依靠數百台全天候運行的GPU來解析這些數據，目前已經獲得的成果已經超過業界在圖像辨識的標準，其中最好的成果在 ImageNet 上已經達到了 85.4％ 的準確度，這個數據甚至比起 2017 年 Google、微軟公司公開的相關數據還要好上 1% ~2%。
談到關鍵的隱私問題，Facebook 表示，這些圖像的用途在於辨識跟標籤之間的關聯性，而標籤是來自公開、可用的主題標籤，對他們來說，這是一種用數十億圖像積累和培訓軟體的形式，如果照片本身沒有標籤，即使機器再厲害，也無法辨識。簡單的說，Facebook 認為他們只在這些公開的標籤當中提取基於圖像的相關數據，並不一定要從照片內容中推斷用戶行為。
無可厚非的，這些都代表著一件事，當人們使用 Instagram 分享照片時，不管你願不願意，你每天在 IG 上傳的照片都正在為 Facebook 的深度學習技術做出貢獻。
但從另外一個角度來說，也是因為有這些貢獻也才能解決人們需求，好比說我們每次上傳一張照片，Facebook的臉部識別系統就可以自動為照片添加標籤，甚至告訴你是哪個人，並透過手機位置的辨識，告訴你這張照片可能是在哪裡拍的，甚至這種圖像辨識功能，還可以幫助人們快速搜尋資料。
Facebook技術長Mike Schroepfer表示，目前 Facebook 大部分的辨識與管理工作都是由AI處理，這包括篩选和清理恐怖主義宣傳、裸體、暴力、仇恨對立言論、垃圾訊息的人物、內容與平台。他更強調，Facebook 還需要更多新的突破、新技術來解決所有人想解決的問題。
讀者迴響