Facebook用数十亿张Instagram上传的照片来训练AI
相较于 Facebook 来说，Instagram分享图片、影音更为简便，而且使用环境更为单纯，这使得人们愿意在该平台分享图片，而在 F8 开发者大会的第二天，Facebook 谈到有关图像辨识技术时，说明他们使用人们在Instagram分享的数十亿张照片来训练图像辨识模组。
其实这些数据训练的模型对于所有科技公司来说都非常普遍，而Facebook面临的挑战除了隐私，更多的是如何整理这数十亿图片的相关内容，好比说在 35 亿张Instagram照片当中，分类超过17,000个标签。
在 F8 第二天的会议当中，Facebook 向开发者们说明了他们是如何处理了数十亿张 Instagram 照片。首先，这些照片被用户标注了标签，接着 Facebook 要能够辨识哪些主题标签是同义词，同时还要学习将更具体的主题标签优先于更一般的主题标签，最终这些主题标签将被训练成大规模的标签预测模组，接着再使用这些模组来训练他们自己的图像辨识模组。
Facebook 表示，他们每天依靠数百台全天候运行的GPU来解析这些数据，目前已经获得的成果已经超过业界在图像辨识的标准，其中最好的成果在 ImageNet 上已经达到了 85.4％ 的准确度，这个数据甚至比起 2017 年 Google、微软公司公开的相关数据还要好上 1% ~2%。
谈到关键的隐私问题，Facebook 表示，这些图像的用途在于辨识跟标签之间的关联性，而标签是来自公开、可用的主题标签，对他们来说，这是一种用数十亿图像积累和培训软体的形式，如果照片本身没有标签，即使机器再厉害，也无法辨识。简单的说，Facebook 认为他们只在这些公开的标签当中提取基于图像的相关数据，并不一定要从照片内容中推断用户行为。
无可厚非的，这些都代表着一件事，当人们使用 Instagram 分享照片时，不管你愿不愿意，你每天在 IG 上传的照片都正在为 Facebook 的深度学习技术做出贡献。
但从另外一个角度来说，也是因为有这些贡献也才能解决人们需求，好比说我们每次上传一张照片，Facebook的脸部识别系统就可以自动为照片添加标签，甚至告诉你是哪个人，并透过手机位置的辨识，告诉你这张照片可能是在哪里拍的，甚至这种图像辨识功能，还可以帮助人们快速搜寻资料。
Facebook技术长Mike Schroepfer表示，目前 Facebook 大部分的辨识与管理工作都是由AI处理，这包括筛选和清理恐怖主义宣传、裸体、暴力、仇恨对立言论、垃圾讯息的人物、内容与平台。他更强调，Facebook 还需要更多新的突破、新技术来解决所有人想解决的问题。