Facebook开发新的神经网络模型，提供更具“吸引力”的照片标题

    对于那些对Facebook今年在社会中所面临的一系列挑战感到惊叹的人来说，该公司人工智能团队的最新研究成果提供了一个引人入胜的目标：“让AI更有吸引力”。
    Facebook AI部门的研究人员找到了一种培训机器学习模型的方法，不仅可以标注图像说明，而且可以对照片，采用可能对某个人来说更有趣的多种评论风格进行描述。
    传统的机器学习任务成功地将描述自动地放在图像上“对于验证机器是否理解图像的内容很有用”，他们写道，“但它们并没有像人物那样吸引人类。”
    在这种情况下，人格可以从甜蜜到傲慢到焦虑，以及两者之间的各种安排。例如，一张三明治的图片可以被亲切地标记为“这是一个可爱的三明治”，或者更具嘲弄性，“我做的食物比这更好”。
    这项工作是对几种最先进技术的混搭，例如如何确定图像的内容，以及如何生成新颖的句子。
    RedHat?OpenShift应用程序运行时可帮助企业使用云交付模型，并以Redbative方式简化Red Hat OpenShift平台上应用程序和服务的持续交付。Red Hat OpenShift应用程序运行时基于成熟的开源技术，还为开发团队提供了多种现代化选项，以便为现有应用程序平稳过渡到云。
    该论文“通过个性吸引图像字幕”，并发布在arXiv预印本服务上，由Kurt Shuster，Samuel Humeau，胡海良，Antoine Bordes和Facebook AI Research的Jason Weston撰写。
    神经网络模型的作者创建的，其中它们进行复制“TransResNet，”依赖于内置于“编码”的图像数据的几个国家的最先进的方案，包括了“ResNet152”编码器通过Sebastian马塞尔和晏Rodriguez的发达一块在2010年被称为“Torchvision”的软件。
    然后将该编码器的输出给予“具有ReLU [限制线性单位]激活单位的多层感知器”。为此，作者添加了一种人格特质的“嵌入”。接下来，作者训练两个编码器，他们称之为“下一个话语检索任务”，它利用一个数据库，该数据库包含“17亿对话语，其中一个编码上下文，另一个编码下一个话语的候选者”。 “
    然后，作者表明TransResNet在一系列标准基准测试中具有竞争力，甚至更优越，可以为图像应用标题。但是为了表明一个标题的个性可以产生影响，他们让一群人看到人为创作的标题和自动生成的标题，并说出他们发现“更具吸引力”。
    报告作者：“发现以人格为条件的字幕比图像的中性字幕更具吸引力，获胜率为64.5％，使用二项式双尾检验具有统计学意义。”
    在将他们的工作与人们撰写的“引人入胜”字幕进行比较时，研究人员发现“我们最好的TransResNet模型几乎与人类作者相匹配，获胜率为49.5％。
    作者指出，这是进一步发展其模型的基准，“这个领域很快就会出现超人表现的可能性。”
    有趣的是，作者留下了一些他们无法模仿的人格特征，例如“分配中心，无耻，灵活，朴实和不可见”，他们写的所有这些都难以解释。
    关于这个世界的情绪，所有这些都可能有更广泛的教训。在研究组中，人们被要求评估标题的吸引力，作者写道，当他们被提出两个表达没有特定个性的标题时。一方面，这只是一个事实，一个表达积极观点的标题 - “好猫咪！” 或者一些这样的 - 另一方面，人们倾向于发现积极的标题更具吸引力。但是当出现负面字幕时，人们发现它们不像那些只是事实的那样具有吸引力。足够的消极性，可能是外卖。