Algorytmy sztucznej inteligencji, z których korzysta Facebook każdego dnia wykonują biliony operacji umożliwiających korzystanie z serwisu na całym świecie. Wiąże się to z koniecznością stałego rozwoju frameworków, dlatego firma ogłosiła przeniesienie systemów SI do biblioteki PyTorch.
Jak twierdzą przedstawiciele Facebooka, taki krok powinien przynieść wiele korzyści, bez względu na to, czy mówimy o rozwoju wizji komputerowej czy też wdrażaniu spersonalizowanych rekomendacji na Instagramie. Obecnie, po ponad roku od rozpoczęcia procesu migracji, Facebook posiada ponad 1700 modeli wnioskowania opartych na PyTorch. Co więcej, 93 procent nowych modeli treningowych, które odpowiadają za identyfikację i analizę treści na Facebooku, jest opartych na PyTorch.
Czytaj też: Widzieliście już nowości na chacie Facebooka i Instagrama?
Celem migracji na PyTorch ma być dostarczenie bardziej płynnego, kompleksowego doświadczenia deweloperskiego dla inżynierów i deweloperów. Facebook zamierza przyspieszyć proces przechodzenia od badań do produkcji poprzez wykorzystanie jednej platformy, która zapewnia elastyczność w eksperymentowaniu. Wcześniej serwis korzystał z platformy Caffe2, co zmniejszy obciążenia związane z utrzymywaniem dwóch systemów.
Przejście na PyTorch powinno umożliwić wdrażanie nowych modeli SI w ciągu kilku minut zamiast tygodni. Poza tym, powinno pozwolić na tworzenie wydajniejszych systemów, a algorytmy wykorzystujące sztuczną inteligencję będą łatwiejsze w tworzeniu, programowaniu, testowaniu i usuwaniu błędów. Od czasu zakończenia migracji modeli do PyTorch, co nastąpiło w kwietniu tego roku, czas wnioskowania stał się o 14% krótszy, a ładowanie modeli – o 24% szybsze.
Migracja na PyTorch ma zapewnić Facebookowi oraz jego użytkownikom szereg korzyści
Głównym celem Facebooka w wykorzystaniu sztucznej inteligencji jest ochrona ludzi przed szkodliwymi treściami, takimi jak mowa nienawiści czy dezinformacja. Celem serwisu jest szybka i dokładna identyfikacja treści, które naruszają zasady, bez względu na ich język czy lokalizację. Korzystając z PyTorch, udało się opracować Facebook AI Multimodal (FAIM), wewnętrzną bibliotekę i zestaw narzędzi, które pozwalają programistom na szybkie tworzenie, optymalizację i wdrażanie niestandardowych modeli multimodalnych dostosowanych do konkretnych szkodliwych treści. Dzięki temu można identyfikować te treści w obrazach, tekście czy komentarzach za sprawą pojedynczego narzędzia.
Czytaj też: Jak działa i na czym polega sztuczna inteligencja?
PyTorch jest również wykorzystywany do tworzenia modeli, które napędzają wiele aplikacji głosowych o zróżnicowanych funkcjach. Na przykład system TTS cechuje się wysoką elastycznością i odegra ważną rolę w tworzeniu nowych aplikacji głosowych, które będą brzmiały bardziej realistycznie i naturalnie, wliczając w to technologie korzystające z wirtualnej rzeczywistości. Uwagę zwraca też PyTorch Mobile, który umożliwia działanie na urządzeniach o niewielkiej mocy obliczeniowej.
