फेसबुक ने मशीन लर्निंग एल्गोरिदम में सुधार किया है, उपयोगकर्ता डर गए हैं

Reddit और HN ने फेसबुक के मशीन लर्निंग सिस्टम में नवीनतम प्रगति के बारे में एक बड़ी चर्चा शुरू की। यहां तक ​​कि अनुभवी डेवलपर्स तुरंत समझ नहीं सकते हैं कि कैसे फेसबुक "विशिष्ट" अनुमान लगाता है, जो, ऐसा लगता है, संभवतः नहीं जान सकता है।

चर्चा का अंतिम विषय भौगोलिक सुराग था जिसे फेसबुक साइट पर फोटो अपलोड करते समय प्रदर्शित करता है। अक्सर, वह सटीक रूप से अनुमान लगाता है कि वास्तव में तस्वीरें कहाँ ली गई थीं, सड़क और एक विशेष इमारत के लिए सटीक। इसी समय, तस्वीरों में कोई EXIF ​​हेडर नहीं हैं, कैमरे पर कोई जीपीएस नहीं है, फ़ाइलों को दूसरी जगह से साइट पर अपलोड किया गया था (यानी, जियोटैगिंग काम नहीं करता है), और तस्वीरें दिखाती हैं, उदाहरण के लिए, अस्पताल में एक नवजात शिशु या नाइटक्लब के धुंधले अंदरूनी भाग (यानी, फोटो अंदर ले गए थे) निर्माण)। प्रासंगिक टैगिंग को या तो काम नहीं करना चाहिए - तस्वीरों में कोई चेहरा या कैप्शन मान्यता प्राप्त नहीं है।

अब तक, कई कामकाजी परिकल्पनाएं हैं। शायद हाल ही में खरीदे गए रंग स्टार्टअप के तरीकों का उपयोग यहां किया जाता है। इसके अलावा, फेसबुक जीपीएस में आपके आंदोलनों के इतिहास से कुछ निष्कर्ष निकाल सकता है एक अन्य डिवाइस (कैमरे से नहीं, बल्कि फोन से) से समन्वय करता है और आपके द्वारा पढ़े जाने वाले सभी वेब पेजों पर पाठ के सांख्यिकीय विश्लेषण के द्वारा, क्योंकि अधिकांश प्रमुख साइटों पर फेसबुक लाइक "ट्रोजन" बटन इंस्टॉल किए गए हैं, जो पेज पर जाने के बारे में जानकारी भेजते हैं, भले ही उपयोगकर्ता ने बटन पर क्लिक न किया हो।

अस्पताल से एक नवजात शिशु की तस्वीर के मामले में, फेसबुक स्मार्टफोन से डेटा ले सकता है - सबसे अधिक संभावना है, उपयोगकर्ता के फोन पर एक फेसबुक एप्लिकेशन इंस्टॉल किया गया था, जो उपयोगकर्ता द्वारा देखे गए अंतिम स्थानों के जीपीएस निर्देशांक को प्रेरित करता था।

अन्य मामलों में, फेसबुक एक बार में फोटो विश्लेषण के कई तरीकों का उपयोग कर सकता है। उदाहरण के लिए, कोस्टा रिका में किसी भी EXIF ​​या जीपीएस डेटा के बिना एक विशिष्ट स्थान को पहचानने के लिए फेसबुक द्वारा इस तस्वीर का स्थान लिया गया था । शायद उन्होंने उसी एल्बम से पड़ोसी फ़ोटो का विश्लेषण किया।

अन्य मामलों में, फेसबुक दो साल पहले ली गई तस्वीरों के स्थानों को एक बिल्कुल अलग देश में पहचानता है। यहां आप अन्य उपयोगकर्ताओं से मिलते-जुलते फ़ोटो की खोज कर सकते हैं, जिन्होंने उसी परिदृश्य की फ़ोटो खींची और इसके निर्देशांक प्रकाशित किए।

सामान्य तौर पर, अरबों उपयोगकर्ताओं के बारे में सांख्यिकीय जानकारी के एक विशाल सरणी को जमा करते हुए, मशीन लर्निंग एल्गोरिदम किसी दिन न केवल ली गई तस्वीरों के स्थान का निर्धारण करने में सक्षम होगा, बल्कि किसी विशेष व्यक्ति के भाग्य की भविष्यवाणी करने के लिए उच्च स्तर की संभावना के साथ भी होगा। यह लैप्लस दानव की कुछ हद तक याद दिलाता है: ब्रह्मांड में सभी परमाणुओं की स्थिति और दिशा के बारे में जानकारी होने पर, ब्रह्मांड के भविष्य की सटीक भविष्यवाणी करना कथित रूप से संभव है। इसी तरह, फेसबुक, व्यक्ति और पाठ के सभी कार्यों के बारे में जानकारी होने पर, सैद्धांतिक रूप से व्यक्ति के भविष्य के कार्यों की भविष्यवाणी कर सकता है - यदि आप इस तरह के निर्धारणवाद की डिग्री में विश्वास करते हैं।

एक काउंटर के रूप में, उपयोगकर्ता सुझाव देते हैं कि नकली EXIF ​​हेडर के साथ स्थान पर आधारित छवि मान्यता प्रणाली को लाने के लिए फेसबुक पर फोटो अपलोड करें। गोगलोबॉम्बिंग के मॉडल पर समन्वित प्रयासों से , आप उन्हें यह विश्वास दिला सकते हैं कि ऑब्जेक्ट X, गिडुकिनो के गांव में स्थित है - और हर कोई जो ऑब्जेक्ट एक्स की एक तस्वीर अपलोड करता है, के लिए फेसबुक गिडुकिनो विकल्प पेश करेगा। यह एफिल टॉवर के साथ काम नहीं कर सकता है, लेकिन आप कुछ दुर्लभ वस्तु के साथ कोशिश कर सकते हैं।