image recognition AI အတြက္ Instagram မွပံုေတြနဲ႕ ေလ့က်င့္ေပးေနတဲ့ Facebook

0
1670
Berlin, Germany - February 12: In this photo illustration the app of Instagram is displayed on a smartphone on February 12, 2018 in Berlin, Germany. (Photo Illustration by Thomas Trutschel/Photothek via Getty Images)

Zawgyi Version

ဒီနည္းလမ္းက data set အၾကီးၾကီးေတြနဲ႕ ေလ့က်င့္ေပးျပီးသားျဖစ္ျပီး လူသားပါ၀င္ပတ္သတ္ရႏႈန္းလည္း နည္းသြားႏုိင္ပါတယ္။

ေမာ္ဒယ္လ္ေတြကိုေလ့လာျခင္းမွ ပံုေတြကို သိရွိႏုိင္ျခင္းအထိ လုပ္ေဆာင္ေနတာျဖစ္ပါတယ္။ ဒီပံုေတြထဲမွာ ဘာေတြပါ၀င္သလဲဆိုတာကို သိရွိေတာ့မွာပါ။ တစ္ပံုခ်င္းစီကို ေလ့က်င့္ေပးေနခ်ိန္မွာ လူသားေတြရဲ႕ တံဆိပ္ကပ္ေပးမႈကို လုိအပ္ေနေသးတာျဖစ္ျပီးေတာ့ ပံုေပါင္းမ်ားစြာနဲ႕ ေလ့က်င့္ေပးတဲ့အခါမွာ လူသားေတြရဲ႕ပါ၀င္မႈႏႈန္းကို ေလ်ာ့က်ေစပါတယ္။ အမ်ားၾကီးကို လူသားမပါဘဲနဲ႕လည္း လႊတ္ထားဖို႕ဆိုတာ မျဖစ္ႏုိင္ပါဘူး။ ဒါေၾကာင့္ Facebook က လူသားထိန္းခ်ဳပ္ကြပ္ကဲမႈ နည္းနည္းနဲ႕ လုပ္ေဆာင္ႏုိင္ေအာင္ စီစဥ္ထားပါတယ္။ ဒါ့အျပင္ သုေတသီေတြက ဘာေတြလဲဆိုတာကို hashtag ေလးေတြနဲ႕ ေဖာ္ျပထားျပီးျဖစ္တဲ့ public image ေတြဘက္ကို ဦးတည္လိုက္ပါတယ္။

ဒီနည္းလမ္းနဲ႕ Facebook သုေတသီေတြနဲ႕ အင္ဂ်င္နီယာေတြဟာ image recognition ကို hashtag ေပါင္း ၁၇၀၀၀ တပ္ထားတဲ့ Instagram ပံု ၃.၅သန္းနဲ႕ ေလ့က်င့္ေပးႏုိင္ခဲ့ပါတယ္။ ဒါဟာ image recognition accuracy ပိုင္းမွာ ၈၅.၄ရာခုိင္ႏႈန္းကို ရရွိခဲ့ပါတယ္။ ဒါေၾကာင့္ စတင္ထြက္ရွိခဲ့တဲ့အခ်ိန္တုန္းကရခဲ့တဲ့ ၈၃.၁ရာခုိင္ႏႈန္းကို သာလြန္သြားခဲ့ပါတယ္။

ေနာက္ပိုင္းမွာ ပံုေတြကို သိရွိိႏုိင္ျခင္းသာမက အမ်ိဳးအစားခြဲျခင္းအထိပါ လုပ္ေဆာင္ႏုိင္ေတာ့မွာပါ။ image recognition ေကာင္းေလေလ AI က ထုတ္ေပးလိုက္တဲ့ အသံ caption ေလးေတြကလည္း ပိုေကာင္းလာႏုိင္မွာပါ။ ဒါ့အျပင္ ေနာက္ထပ္အသံုုးခ်မႈေတြလည္း လုပ္ေဆာင္ႏုိင္ဦးမယ္လို႕ ေျပာထားပါတယ္။ hashtag ေတြကို label အျဖစ္နဲ႕ computer vision အတြက္အသံုးျပဳလုိက္ျခင္းက AI စနစ္ကို နားလည္မႈေကာင္းေကာင္းေပးစြမ္းႏုိင္သြားပါတယ္။

“ေလ့က်င့္ေပးေနတဲ့ data set ၾကီးလာတာနဲ႕အမွ် ၾကီးၾကပ္မႈကလည္း နည္းပါးသြားေလ ျဖစ္ပါတယ္။ ျပီးေတာ့ ေရရွည္အရ ကြပ္ကဲစရာမလိုတဲ့ သင္ယူမႈေတြကလည္း အေရးပါလာေတာ့မွာပါ။ တိက်မႈနည္းတဲ့ label ေတြကို ဘယ္လိုေျဖရွင္းရမလဲဆိုတာကို နားလည္ေအာင္လုပ္ျပီးေတာ့ ၾကီးမားတဲ့ data set ေတြကို တည္ေဆာက္သြားမွာပါ။”

Unicode Version

ဒီနည်းလမ်းက data set အကြီးကြီးတွေနဲ့ လေ့ကျင့်ပေးပြီးသားဖြစ်ပြီး လူသားပါဝင်ပတ်သတ်ရနှုန်းလည်း နည်းသွားနိုင်ပါတယ်။
မော်ဒယ်လ်တွေကိုလေ့လာခြင်းမှ ပုံတွေကို သိရှိနိုင်ခြင်းအထိ လုပ်ဆောင်နေတာဖြစ်ပါတယ်။ ဒီပုံတွေထဲမှာ ဘာတွေပါဝင်သလဲဆိုတာကို သိရှိတော့မှာပါ။ တစ်ပုံချင်းစီကို လေ့ကျင့်ပေးနေချိန်မှာ လူသားတွေရဲ့ တံဆိပ်ကပ်ပေးမှုကို လိုအပ်နေသေးတာဖြစ်ပြီးတော့ ပုံပေါင်းများစွာနဲ့ လေ့ကျင့်ပေးတဲ့အခါမှာ လူသားတွေရဲ့ပါဝင်မှုနှုန်းကို လျော့ကျစေပါတယ်။ အများကြီးကို လူသားမပါဘဲနဲ့လည်း လွှတ်ထားဖို့ဆိုတာ မဖြစ်နိုင်ပါဘူး။ ဒါကြောင့် Facebook က လူသားထိန်းချုပ်ကွပ်ကဲမှု နည်းနည်းနဲ့ လုပ်ဆောင်နိုင်အောင် စီစဉ်ထားပါတယ်။ ဒါ့အပြင် သုတေသီတွေက ဘာတွေလဲဆိုတာကို hashtag လေးတွေနဲ့ ဖော်ပြထားပြီးဖြစ်တဲ့ public image တွေဘက်ကို ဦးတည်လိုက်ပါတယ်။
ဒီနည်းလမ်းနဲ့ Facebook သုတေသီတွေနဲ့ အင်ဂျင်နီယာတွေဟာ image recognition ကို hashtag ပေါင်း ၁၇၀၀၀ တပ်ထားတဲ့ Instagram ပုံ ၃.၅သန်းနဲ့ လေ့ကျင့်ပေးနိုင်ခဲ့ပါတယ်။ ဒါဟာ image recognition accuracy ပိုင်းမှာ ၈၅.၄ရာခိုင်နှုန်းကို ရရှိခဲ့ပါတယ်။ ဒါကြောင့် စတင်ထွက်ရှိခဲ့တဲ့အချိန်တုန်းကရခဲ့တဲ့ ၈၃.၁ရာခိုင်နှုန်းကို သာလွန်သွားခဲ့ပါတယ်။
နောက်ပိုင်းမှာ ပုံတွေကို သိရှိနိုင်ခြင်းသာမက အမျိုးအစားခွဲခြင်းအထိပါ လုပ်ဆောင်နိုင်တော့မှာပါ။ image recognition ကောင်းလေလေ AI က ထုတ်ပေးလိုက်တဲ့ အသံ caption လေးတွေကလည်း ပိုကောင်းလာနိုင်မှာပါ။ ဒါ့အပြင် နောက်ထပ်အသုံုးချမှုတွေလည်း လုပ်ဆောင်နိုင်ဦးမယ်လို့ ပြောထားပါတယ်။ hashtag တွေကို label အဖြစ်နဲ့ computer vision အတွက်အသုံးပြုလိုက်ခြင်းက AI စနစ်ကို နားလည်မှုကောင်းကောင်းပေးစွမ်းနိုင်သွားပါတယ်။
“လေ့ကျင့်ပေးနေတဲ့ data set ကြီးလာတာနဲ့အမျှ ကြီးကြပ်မှုကလည်း နည်းပါးသွားလေ ဖြစ်ပါတယ်။ ပြီးတော့ ရေရှည်အရ ကွပ်ကဲစရာမလိုတဲ့ သင်ယူမှုတွေကလည်း အရေးပါလာတော့မှာပါ။ တိကျမှုနည်းတဲ့ label တွေကို ဘယ်လိုဖြေရှင်းရမလဲဆိုတာကို နားလည်အောင်လုပ်ပြီးတော့ ကြီးမားတဲ့ data set တွေကို တည်ဆောက်သွားမှာပါ။”

Leave a Reply