قال فريق الذكاء الاصطناعي التابع لمنصة «فيسبوك» إن نموذج ذكاء اصطناعي خاضع للإشراف الذاتي (من دون تدخل بشري)، معروف باسم «Seer» (اختصار لـ SElf-supERvised)، استخدم مليار صورة عامة عشوائية من منصة «انستغرام»، ليتعلّم تصنيف محتواها.
وبعد التعلم من هذه الصور، حدد «Seer» بشكل صحيح وصنّف الأشياء الموجودة في الصور بنسبة دقة وصلت إلى 84.2%. ووفقاً للدراسة، تفوّق «Seer» على أفضل أنظمة الإشراف الذاتي الحالية بنسبة نقطة مئوية واحدة.

ويساعد التعرف على الصور وتصنيفها بشكل صحيح في تحسين مجموعة متنوعة من المنتجات. ويستخدم «فيسبوك» والشبكات الاجتماعية الأخرى الذكاء الاصطناعي لتصنيف المحتوى في المنشورات والإبلاغ عن الصور ومقاطع الفيديو التي تنتهك قواعدها.

تطوّر الذكاء الاصطناعي الحديث مما عُرف سابقاً بالـ«Symbolic A.I.»، إذ كان على المبرمج في حينها أن يتخيل جميع السيناريوات التي يمكن أن تطرأ أمام الآلة، ويُدخل الحلول أو المسارات التي يجب عليه سلوكها بشكل مُسبق. المشكلة في تلك التقنية القديمة كانت أن الذكاء الاصطناعي إذا ما وُضع أمام مشكلة جديدة، فلن يكون بوسعه فعل أي شيء.

ولحل تلك المشكلة الأساسية، وبشكلٍ مختصر، تم تطوير الذكاء الاصطناعي الحديث بحيث أصبح يمُر بمرحلتين: التعلّم والتطبيق.

في التعلّم، ولنفترض أن المبرمج يريد من الذكاء الاصطناعي أن يميّز وجود القطط في كل صورة تعرض أمامه، يتم إلقاء ملايين الصور التي تحتوي على قطط وبأشكال ووضعيات مختلفة، وملايين أخرى من الصور لا تحتوي عليها. وتستمر عملية التدريب هذه من أسابيع الى أشهر عديدة. وبعد أن تكتمل مهمة التعلّم، يمكن للمستخدم أن يلقي بآلاف الصور أمام الذكاء الاصطناعي، الذي بدوره سيميّز وجود القطط في كل منها من عدمها بنسبة معينة من النجاح وبفترة زمنية قصيرة، كان يمكن أن تأخذ من البشر مئات الساعات من العمل. وعملاً بالمبدأ عينه، يتم تدريب الذكاء الاصطناعي حول العالم على أمور مختلفة. مثل تحديد الخلايا السرطانية في صور الأشعة السينية، أو تحديد إصابة الأفراد بكورونا والكثير من الأمور حولنا.

وبالعودة الى ما قامت به شركة «فيسبوك»، ذكرت الدراسة أن نسبة الدقة التي توصل اليها «Seer» في تحديد الأشياء في الصورة وصلت الى 84.2%. وتعتبر هذه النسبة بالغة الأهمية على طريق الوصول يوماً ما الى تكوين ذكاء اصطناعي بدقة 100% ينفي الحاجة الى أي تدخل بشري للتدقيق في عمله.