对于那些惊叹 Facebook 今年在社会上面临的一系列挑战的人来说，以下是该公司人工智能团队的最新研究成果。
目标：“让人工智能更具吸引力。
” Facebook 人工智能部门的研究人员找到了一种方法来训练机器学习模型，不仅可以注释图像标题，还可以以各种评论风格描述照片，这些评论风格可能对特定的人来说更有趣。
他们写道，成功地自动在图像上添加描述的传统机器学习任务“对于验证机器是否理解图像的内容很有用”，“但它们不像角色那样与人类互动。
”在这种情况下，性格可以从甜蜜到傲慢到焦虑，以及介于两者之间的各种排列。
例如，一张三明治的图片可以被亲切地标记为“那是一个可爱的三明治”，或者更讽刺的是，“我做的食物比这个更好”。
这项工作融合了多种最先进的技术，例如如何确定图像的内容以及如何生成新颖的句子。
红帽 OpenShift 应用程序运行时可帮助企业使用云交付模型，并大大简化红帽 OpenShift 平台上应用程序和服务的持续交付。
红帽 OpenShift 应用程序运行时基于经过验证的开源技术，还为开发团队提供了多种现代化选项，以便现有应用程序顺利过渡到云。
这篇题为“通过个性吸引图像字幕”的论文由 Facebook 人工智能研究中心的 Kurt Shuster、Samuel Humeau、Hailiang Hu、Antoine Bordes 和 Jason Weston 撰写，发表在 arXiv 预印本服务上。
他们复制的“TransResNet”创建的神经网络模型的作者依赖于“编码”图像数据中内置的几种最先进的方案，包括 Sebastian Marcel 和 Yan Rodriguez 开发的“ResNet”编码器2001 年，一款名为“Torchvision”的软件被开发出来。
该编码器的输出随后被提供给“具有 ReLU [受限线性单元]激活单元的多层感知器”。
为此，作者添加了人格特质的“嵌入”。
接下来，作者为他们所谓的“下一个话语检索任务”训练两个编码器，该任务使用一个包含“17 亿对话语、一个编码上下文和下一个话语的另一个编码候选”的数据库。
”。
“作者随后表明，TransResNet 在一组将字幕应用于图像的标准基准上具有竞争力，甚至更胜一筹。
但为了表明字幕的个性可以产生影响，他们让一群人看到人类创建的字幕并自动生成作者发现，基于个性的字幕比图像上的中性字幕更有吸引力，使用二项式双尾的胜率为 64.5%。
该测试具有统计显着性。
当将他们的作品与人们撰写的“引人入胜”的字幕进行比较时，研究人员发现“我们最好的 TransResNet 模型几乎与人类作者相匹配，胜率高达 49.5%。
”作者指出，这是进一步开发他们的模型的基准，“在这个领域，超人表现的可能性很快就会出现。
”有趣的是，作者遗漏了一些他们无法模仿的人格特质，比如“分配中心性、无耻、灵活、朴实和隐形”，他们写道，所有这些都很难解释。
这一切可能有更广泛的教训作者写道，在研究小组中，当人们看到两个没有表达具体个性的标题时，他们被要求评估标题的吸引力。
表达积极的观点——“好基蒂！”或类似的内容——另一方面，人们往往会发现积极的标题更有吸引力，但当负面的标题出现时，人们会发现它们不如那些纯粹的消极的标题有吸引力。
，这可能就是要点。