Koniec memów na Facebooku. Narzędzie Rosetta znajdzie nieodpowiednie treści

Jak słusznie zauważa The Verge, moderatorzy Facebooka nie są w stanie przejrzeć każdego obrazka wrzuconego na ogromną platformę. W związku z tym, serwis chce skorzystać z pomocy sztucznej inteligencji, która wyłapie większość treści naruszającej zasady. Dotyczy to zarówno wpisów, obrazków, jak i także materiałów wideo. W założeniach, każdy post ma przechodzić przez algorytmy wyłapujące niewłaściwe treści. Celem jest oczyszczenie serwisu, który ma stać się bardziej przyjaznym miejscem, w którym wszyscy będą szczęśliwi oglądając zdjęcia małych kotków, pięknych modelek i nikt nie obrazi się widząc nieodpowiedniego mema.

Na blogu Facebook został opublikowany nowy post, który opisuje system o nazwie Rosetta. Służy on do odczytywania tekstu na obrazkach i filmach. Kolejnym krokiem jest transkrypcja na tekst, który będzie zrozumiały dla komputera. W pierwszej kolejności wykrywane są pola, w których znalazł się tekst. Następnie rozpoznawane są poszczególne słowa, jak i kontekst całego zdania. W szczególności Facebook chce skupić się na memach, które w serwisie publikowane są w milionach sztuk. Całość wykorzystuje maszynowe uczenie, co ma zapewnić wysoką skuteczność.

Rosetta nie jest przyszłością, system działa już dziś. Facebook chwali się, że narzędzie potrafi wydobyć każdego dnia tekst z ponad miliarda publicznych obrazków i filmów, które zostały opublikowane w serwisie. Warto dodać, że narzędzie działa także na Instagramie. Proces ma odbywać się niemal w czasie rzeczywistym.

Facebook nie zamierza używać systemu Rosetta wyłącznie do wychwytywania zakazanych treści. Narzędzie ma pozwolić użytkownikom, o ile ci nie zostali wcześniej zbanowani za gorszące memy, na bardziej trafne i jakościowo lepsze wyniki wyszukiwania. Facebook dodaje, że przed zespołem odpowiedzialnym za rozwój narzędzia jest jeszcze sporo pracy. Musi on dostosowywać narzędzie do tysiąca różniących się treści, obsługi wielu języków, jak i zniekształconego tekstu. Problemy pojawia się także przy materiałach wideo. Ze względu na rosnącą liczbę wrzucanych filmów, analizowanie każdej klatki, może okazać się sporym wyzwaniem dla ograniczonej mocy obliczeniowej.