Vés al contingut

Meta AI

De la Viquipèdia, l'enciclopèdia lliure
Infotaula d'organitzacióMeta AI
Dades
Tipussocietat Modifica el valor a Wikidata
Indústriaintel·ligència artificial Modifica el valor a Wikidata
Història
Fundador
Governança corporativa
Entitat matriuMeta Platforms Modifica el valor a Wikidata
Indicador econòmic
FinançadorYann Le Cun
Mark Zuckerberg
Rob Fergus (en) Tradueix Modifica el valor a Wikidata

Lloc webai.meta.com

Meta AI és un laboratori d'intel·ligència artificial que pertany a Meta Platforms Inc. (abans conegut com a Facebook, Inc.) Meta AI té la intenció de desenvolupar diverses formes d'intel·ligència artificial, millorant les tecnologies de realitat augmentada i artificial.[1] Meta AI és un laboratori de recerca acadèmica enfocat a generar coneixement per a la comunitat d'IA.[2] Això contrasta amb l'equip d'aprenentatge automàtic aplicat (AML) de Facebook, que se centra en les aplicacions pràctiques dels seus productes.[2]

Meta AI va començar com a Facebook Artificial Intelligence Research (FAIR) amb ubicacions al Menlo Park, Califòrnia, la seu central, Londres, Regne Unit, i un nou laboratori a Manhattan. FAIR es va anunciar oficialment el setembre de 2013.[3] FAIR va ser dirigit per Yann LeCun de la Universitat de Nova York, professor d'aprenentatge profund i guanyador del premi Turing.[4] Treballant amb el Center for Data Science de la NYU, l'objectiu inicial de FAIR era investigar la ciència de dades, l'aprenentatge automàtic i la intel·ligència artificial. L'objectiu de FAIR era "entendre la intel·ligència, descobrir els seus principis fonamentals i fer que les màquines siguin significativament més intel·ligents".[5] La investigació a FAIR va ser pionera en la tecnologia que va conduir al reconeixement facial, l'etiquetatge a les fotografies i la recomanació personalitzada de feeds.[6] Vladimir Vapnik, pioner en l'aprenentatge estadístic, es va incorporar a FAIR [7] el 2014, és el coinventor de la màquina de vectors de suport i un dels desenvolupadors de la teoria Vapnik–Chervonenkis.

La comunicació amb intel·ligència artificial requereix una màquina per entendre el llenguatge natural i per generar un llenguatge natural. Meta AI busca millorar aquestes tecnologies per millorar la comunicació segura independentment de l'idioma que parli l'usuari.[8] Així, una tasca central implica la generalització de la tecnologia de processament del llenguatge natural (PNL) a altres llenguatges. Com a tal, Meta AI treballa activament en la traducció automàtica no supervisada.[9][10] Meta AI busca millorar les interfícies de llenguatge natural desenvolupant aspectes del diàleg de conversa com la repetició, l'especificitat, la relació amb les respostes i la formulació de preguntes,[11] incorporant la personalitat als subtítols d'imatges,[12] i generant un llenguatge basat en la creativitat.[13]

El 2018, Meta AI va llançar PyText de codi obert, un marc de modelització centrat en sistemes PNL.[14]

El 2023, Meta AI va anunciar i de codi obert LLaMA (Large Language Model Meta AI), un model de llenguatge gran de paràmetres 65B.[15]

Referències

[modifica]
  1. «Inside the Lab: Building for the metaverse with AI». [Consulta: 8 maig 2022].
  2. 2,0 2,1 «Where Facebook AI research moves next» (en anglès). TechCrunch, 05-12-2018. [Consulta: 8 maig 2022].[Enllaç no actiu]
  3. «NYU "Deep Learning" Professor LeCun Will Head Facebook's New Artificial Intelligence Lab» (en anglès americà). TechCrunch, 09-12-2013. [Consulta: 8 maig 2022].[Enllaç no actiu]
  4. «Yann LeCun - A.M. Turing Award Laureate» (en anglès). amturing.acm.org. [Consulta: 8 maig 2022].
  5. «FAIR turns five: What we've accomplished and where we're headed» (en anglès). Engineering at Meta, 05-12-2018. [Consulta: 8 maig 2022].
  6. «Facebook's 'Deep Learning' Guru Reveals the Future of AI». , 12-12-2013 [Consulta: 7 maig 2022].
  7. «Facebook's AI team hires Vladimir Vapnik, father of the popular support vector machine algorithm» (en anglès). VentureBeat, 25-11-2014. [Consulta: 8 maig 2022].
  8. «Meta AI Research Topic - Natural Language Processing» (en anglès). ai.facebook.com. [Consulta: 8 maig 2022].
  9. Phrase-Based & Neural Unsupervised Machine Translation. 
  10. XNLI: Evaluating Cross-lingual Sentence Representations. 
  11. What makes a good conversation? How controllable attributes affect human judgments. 
  12. Engaging Image Captioning Via Personality. 
  13. Hierarchical Neural Story Generation. 
  14. «Open-sourcing PyText for faster NLP development» (en anglès). Engineering at Meta, 14-12-2018. [Consulta: 8 maig 2022].
  15. «Introducing LLaMA: A foundational, 65-billion-parameter language model» (en anglès). ai.facebook.com. [Consulta: 26 febrer 2023].