RecSys 2016: Paper Session 6 - Deep Neural Networks for YouTube Recommendations
Innholdsfortegnelse:
YouTubes mobilapp ble litt smartere i dag, og det vil fortsette å bli litt smartere hver dag fra nå av.
Et nytt redesign lover personlig video anbefalinger basert på dyp neural nettverksteknologi. Det kunstige læringssystemet samler og finner mønstre i hver YouTube-brukeres videovalg og deretter anbefaler videoer som ligner på. Systemet blir bedre til å identifisere videoer riktig hver gang det velger en video brukeren liker.
Oversettelse: Du kommer til å se mer av det samme (og mer av det du liker) når det gjelder din anbefalte videooppstilling.
Hvordan YouTubes dype læring fungerer
Dyp læring har blitt et populært emne i samtale i A.I. og teknologiske lokalsamfunn, og YouTubes morselskap Google fører ofte den samtalen. Google bruker det for øyeblikket for ting som talegjenkjenning og identifisering av objekter i Google Foto. Det er ikke et altfor teknisk konsept (en Google forsker selv lært et gratis utacity dyp læringskurs), men det kommer til slutt å overta hvordan datamaskiner opererer.
YouTube-kunngjøringen foreslår denne videoen for å forstå systemet som skal avgjøre hvilke videoer du ser i fremtiden:
I hovedsak er programvare ingeniører skriver programmer som lære hvordan løse problemer i stedet for å skrive programmer som bare løser problemer. Digitale nevroner som kan sammenlignes med nevroner i den menneskelige hjerne, arbeider sammen for å finne ut hva som er noe. Neste gang det neurale nettverket kommer over et lignende objekt, kan det gjenkjenne det objektet. Datamaskiner kan ikke lære så fort som mennesker, men har en prøvestørrelse som er stor som YouTubes hjelper.
Hva dette betyr for deg
"Hver dag anbefaler vi hundrevis av millioner forskjellige videoer på Hjem, milliarder ganger, på 76 språk," leser YouTubes bloggmelding.
YouTube sier at den gjennomsnittlige visningssesjonen på mobilen er mer enn 40 minutter, og mobil utgjør mer enn halvparten av YouTubes hundrevis av millioner timer som ser på hver dag. Det er klart at alt som når den mengden mennesker, har noen stor innflytelse på hvordan folk tenker og hva de tenker på.
På den ene siden kan det dype nevrale nettverkssystemet skape en følelse av homogenitet. Bekreftelsesforstyrrelser kan løpe voldsomt, og folk vil bare se mer og mer av samme type videoer som fremmer de samme ideene. Andre synspunkter vil bli snittet, og stramme samfunn vil miste et bredere perspektiv.
Det er selvfølgelig et worst case scenario. Når det digitale nevrale nettverket lærer alle dine liker og misliker, blir det mye lettere å være på den morsomme siden av YouTube og mye vanskeligere å komme til den WTF-delen av YouTube.
Deep Learning Machine gjør liknende som en poet
Inntil nå var det å sette en maskin opp mot et menneske i et spill av analogier som å sette noen som var veldig dårlig på tennis opp mot noen gode tennisrackete svingende fyr - som mesterskap. Vi kan nå kysse vår figurative overlegenhet bak, takket være et program utviklet kinesiske forskere som bare overgikk ...
Deep 'Reinforcement Learning' er undervisning roboter nye ferdigheter raskere enn noensinne
En ferdighet som tar måneder å lære kan ta et spørsmål om timer, ifølge Google DeepMinds Raia Hadsell.
Holiday Gift Returns: Hva skjer med uønskede Christmas Presents?
Hvis du har en ferie gave som savnet merket, kan du være å tenke gave tilbake. Inverse spurte oppstarten Optoro hvordan de hjelper til med å håndtere alle disse avkastningene.