教人工智慧系統儘可能完整地理解影片中發生的事情是機器學習領域最困難的挑戰之一，也是最大的潛在突破。今天，Facebook宣佈了一項新的舉措，希望能讓它在這項重要的工作中佔據優勢：在Facebook使用者的公共影片上訓練人工智慧。

獲取培訓資料是人工智慧最大的競爭優勢之一，透過從數以百萬計的使用者那裡收集這些資源，Facebook、谷歌和亞馬遜等科技巨頭已經能夠在各個領域開拓進取。儘管Facebook已經在Instagram收集的數十億張圖片上訓練了機器視覺模型，但它之前還沒有宣佈過類似的影片理解專案。

該公司在部落格中說：“透過學習遍佈幾乎每個國家和數百種語言的全球公開影片流，我們的人工智慧系統不僅能提高準確性，還能適應快速變化的世界，識別不同文化和地區的細微差別和視覺線索。”。這個名為“從影片中學習”的專案也是Facebook“致力於構建像人類一樣學習的機器”的一部分

Facebook表示，由此產生的機器學習模型將用於建立新的內容推薦系統和稽核工具，但在未來可能會做得更多。能夠理解影片內容的人工智慧可以讓Facebook前所未有地洞察使用者的生活，讓他們分析自己的愛好和興趣，對品牌和服裝的偏好，以及無數其他個人細節。當然，Facebook已經可以透過其目前的廣告定位操作獲得此類資訊，但如果能夠透過人工智慧解析影片，將為其商店增加一個極其豐富（且具有侵入性）的資料來源。

Facebook對其未來在使用者影片上訓練人工智慧模型的計劃含糊不清。該公司對Verge表示，這類模型可以有多種用途，從字幕影片到建立高階搜尋功能，但沒有回答是否將用於收集資訊以確定廣告目標的問題。同樣，當被問及使用者是否必須同意將自己的影片用於訓練Facebook的人工智慧，或者是否可以選擇退出時，該公司的迴應只是指出，其資料政策規定，使用者上傳的內容可以用於“產品研發”。Facebook也沒有回答具體將收集多少影片用於培訓其人工智慧系統，以及如何監督公司研究人員獲取這些資料的問題。

不過，在宣佈該專案的部落格文章中，社交網路確實指出了一個未來的推測用途：使用人工智慧檢索智慧眼鏡捕捉到的“數字記憶”。

Facebook計劃在今年某個時候釋出一副消費者智慧眼鏡。關於這款眼鏡的細節還不清楚，但很可能這些或未來的眼鏡將包括整合攝像頭來捕捉佩戴者的視角。如果人工智慧系統能夠被訓練理解影片的內容，那麼它將允許使用者搜尋過去的錄音，就像許多照片應用程式允許人們搜尋特定的地點、物體或人一樣。（順便說一句，這是人工智慧系統經常根據使用者資料編制索引的資訊。）

Facebook說，隨著用智慧眼鏡錄製影片“成為常態”，人們應該能夠像捕捉影片一樣輕鬆地從海量的數字記憶中回憶起特定的時刻。它舉了一個使用者進行搜尋的例子，搜尋詞是“每當我們為奶奶唱生日快樂歌時，給我看一看，“在收到相關剪輯之前。正如該公司所指出的，這樣的搜尋需要人工智慧系統在不同型別的資料之間建立連線，教它們“把‘生日快樂’這個短語與蛋糕、蠟燭、人們唱各種生日歌等等匹配起來。”就像人類一樣，人工智慧需要理解由不同型別的感官輸入組成的豐富概念。

展望未來，智慧眼鏡和機器學習的結合將實現所謂的“世界抓取”（worldscraping）——透過將佩戴智慧眼鏡的人變成流動的閉路電視攝像頭，捕捉有關世界的細粒度資料。正如《衛報》去年的一篇報道中所描述的那樣：“每次有人瀏覽超市，他們的智慧眼鏡都會記錄實時的定價資料、庫存水平和瀏覽習慣；每次開啟報紙，他們的眼鏡都會知道自己讀了哪些故事，他們看了哪些廣告，又看了哪些名人海灘照片。”

這是一個極端的結果，而不是Facebook目前正在探索的研究途徑。但它確實說明了將先進的人工智慧影片分析與智慧眼鏡結合起來的潛在意義——這顯然是社交網路熱衷於做的。

相比之下，Facebook目前披露的新的人工智慧影片分析工具的唯一用途相對平淡無奇。隨著今天宣佈從影片中學習，Facebook表示，它已經部署了一個新的內容推薦系統，該系統基於其TikTok克隆卷中的影片作品。“流行影片通常由相同的音樂和相同的舞步組成，但由不同的人創作和表演，”Facebook說。透過分析影片內容，Facebook的人工智慧可以向用戶推薦類似的影片片段。

然而，這樣的內容推薦演算法並非沒有潛在的問題。麻省理工學院（MIT）技術評論（Technology Review）最近的一份報告強調，社交網路對增長和使用者參與度的重視，使其人工智慧團隊無法充分解決演算法如何傳播錯誤資訊和鼓勵政治兩極分化的問題。正如《技術評論》的文章所說：“最大化參與度的（機器學習）模式也有利於爭議、錯誤資訊和極端主義。”這造成了Facebook人工智慧道德研究人員的職責與公司最大化增長的信條之間的衝突。

Facebook不是唯一一家追求高階人工智慧影片分析的大型科技公司，也不是唯一一家利用使用者資料進行分析的公司。例如，谷歌維護了一個可公開訪問的研究資料集，其中包含800萬個經過策劃和部分標記的YouTube影片，目的是“幫助加速大規模影片理解的研究”。這家搜尋巨頭的廣告業務同樣可以從理解影片內容的人工智慧中獲益，即使最終的結果只是在YouTube上提供更相關的廣告。

不過，Facebook認為自己比競爭對手有一個特別的優勢。它不僅擁有大量的訓練資料，而且將越來越多的資源投入到人工智慧方法中，稱為自監督學習。

通常，當人工智慧模型在資料上訓練時，這些輸入必須由人類標記：例如，標記圖片中的物件或轉錄錄音。如果你曾經解決過識別消防栓或人行橫道的驗證碼問題，那麼你很可能已經標記了有助於人工智慧訓練的資料。但是，自我監督學習消除了標籤，加快了訓練過程，一些研究人員認為，隨著人工智慧系統教自己加入這些點，會產生更深入、更有意義的分析。Facebook對自我監督學習非常樂觀，稱之為“智慧的暗物質”

該公司表示，其未來在人工智慧影片分析方面的工作將側重於半監督和自我監督的學習方法，而這類技術“已經改善了我們的計算機視覺和語音識別系統。”，跳過人工智慧培訓的標籤部分當然是有道理的。如果社交網路能教它的機器學習模型無縫地理解影片，誰知道他們會學到什麼呢？