Meta正打造一个巨型AI模型,旨在为其“整个视频生态系统”提供动力,一位高管透露

  每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗?订阅我们的简报,深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同,从行业内部的深度分析和实用指南中受益。不要错过这个机会,成为AI领域的领跑者。点击订阅,与未来同行! 订阅:https://rengongzhineng.io/

Meta正斥巨资投资于人工智能,包括开发一个旨在支撑Facebook整个视频推荐引擎的AI系统,这一系统将跨越其所有平台,公司一位高管于周三表示。

Facebook负责人Tom Alison表示,Meta的“技术路线图直至2026年”的一部分,涉及开发一个AI推荐模型,该模型既能支持公司类似TikTok的短视频服务Reels,也能支持更传统、更长的视频内容。

到目前为止,Meta通常对其每个产品,如Reels、Groups和核心的Facebook Feed,使用单独的模型,Alison在旧金山摩根士丹利科技大会上的演讲中说。

作为Meta雄心勃勃进入AI领域的一部分,公司已在英伟达图形处理单元(GPU)上投入了数十亿美元。这些成为了AI研究者训练用于支撑OpenAI流行的ChatGPT聊天机器人和其他生成式AI模型的大型语言模型的主要芯片。

Alison说,Meta技术路线图的“第一阶段”涉及将公司当前的推荐系统从更传统的计算机芯片转换到GPU,帮助提高产品的整体性能。

随着去年对大型语言模型(LLMs)的兴趣激增,Meta高管被这些大型AI模型能“处理大量数据和各种非常通用的活动,如聊天”所打动。Meta开始看到使用一个巨型推荐模型跨产品使用的可能性,并在去年构建了“这种新的模型架构”,Alison补充说,该公司在Reels上测试了它。

这种新的“模型架构”帮助Facebook在核心Facebook应用上的Reels观看时间“增加了8%到10%”,这帮助证明了该模型“比上一代从数据中学习得更有效率”。

“我们真的专注于投资更多以确保我们可以用正确的硬件来扩大这些模型的规模,”他说。

Meta现在处于其系统重构的“第三阶段”,该阶段涉及试图验证技术并将其推广到多个产品。

“我们不仅仅是让Reels受到这个单一模型的驱动,我们还在开展一个项目,旨在用这个单一模型驱动我们的整个视频生态系统,然后我们还可以将我们的Feed推荐产品也由这个模型来服务,”Alison说。“如果我们做对了,不仅推荐内容会更加吸引人和相关,我们认为它们的响应性也可以得到改善。”

Alison解释说,如果成功,这将如何工作:“如果你在Reels上看到你感兴趣的内容,然后你回到Feed,我们可以展示更多类似的内容给你。”

Alison表示,Meta已积累了大量GPU,将用于支持其更广泛的生成式AI努力,如数字助手的开发。

Meta正在考虑的一些生成式AI项目包括在其核心Feed中加入更复杂的聊天工具,所以一个看到“关于泰勒·斯威夫特的推荐帖子”的人,或许可以“轻松点击一个按钮,说,‘嘿,Meta AI,现在告诉我更多我正在看的关于泰勒·斯威夫特的信息。’”

Meta还在尝试将其AI聊天工具集成到Groups中,所以Facebook烘焙小组的一个成员可能会就甜点提出一个问题,并从数字助手那里得到答案。

“我认为我们有机会将生成式AI放在一种多人消费者环境中,”Alison说。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/527198.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【Linux】gcc与make、makefile

文章目录 1 gcc/g1.1 预处理1.2 编译1.3 汇编1.4 链接1.4.1 静态链接1.4.2 动态链接 2 make和makefile2.1 依赖关系2.2 依赖方法2.3 伪目标 3 总结 1 gcc/g 当我们创建一个文件,并向里面写入代码,此时,我们该如何使我们的代码能够运行起来呢&…

java中使用rabbitmq

文章目录 前言一、引入和配置1.引入2.配置 二、使用1.队列2.发布/订阅2.1 fanout(广播)2.2 direct(Routing/路由)2.3 Topics(主题)2.4 Headers 总结 前言 mq常用于业务解耦、流量削峰和异步通信,rabbitmq是使用范围较广,比较稳定的一款开源产品,接下来我们使用springboot的sta…

保姆级认识AVL树【C++】(三种insert情况 || 四种旋转方法)

目录 前言 一,AVL概念 二,基础框架 三,insert 1. 插入三种情况 2. 四种旋转方法 法一:左单旋法 法二:右单旋法 法三:先左后右双旋法 法四:先右后左双旋法 测试(判断一棵树…

修改简化docker命令

修改|简化docker命令 使用命令打开 .bashrc 文件: vim ~/.bashrc在文件中添加类似以下行来创建别名: # 查看所有容器 alias disdocker images # 查看运行容器 alias dpsdocker ps # 查看所有容器 alias dpsadocker ps -a # 停止容器 alias dsdocker s…

基于智慧灯杆的智慧城市解决方案(2)

功能规划 智慧照明功能 智慧路灯的基本功能仍然是道路照明, 因此对照明功能的智慧化提升是最基本的一项要求。 对道路照明管理进行智慧化提升, 实施智慧照明, 必然将成为智慧城市中道路照明发展的主要方向之一。 智慧照明是集计算机网络技术、 通信技术、 控制技术、 数据…

Data Concerns Modeling Concerns

How was the data you are using collected? What assumptions is your model making by learning from this dataset? Is this dataset representative enough to produce a useful model? How could the results of your work be misused? What is the intended use and …

第15章——西瓜书规则学习

1.序贯覆盖 序贯覆盖是一种在规则学习中常用的策略,它通过逐步构建规则集来覆盖训练数据中的样本。该策略采用迭代的方式,每次从训练数据中选择一部分未被覆盖的样本,学习一条能够覆盖这些样本的规则,然后将这条规则加入到规则集中…

【Python】成功解决ModuleNotFoundError: No module named ‘matplotlib‘

【Python】成功解决ModuleNotFoundError: No module named ‘matplotlib’ 🌈 个人主页:高斯小哥 🔥 高质量专栏:Matplotlib之旅:零基础精通数据可视化、Python基础【高质量合集】、PyTorch零基础入门教程&#x1f448…

Linux系统安装及简单操作

目录 一、Linux系统安装 二、Linux系统启动 三、Linux系统本地登录 四、Linux系统操作方式 五、Linux的七种运行级别(runlevel) 六、shell 七、命令 一、Linux系统安装 场景1:直接通过光盘安装到硬件上(方法和Windows安装…

基于springboot实现摄影网站系统项目【项目源码】

基于springboot实现摄影网站系统演示 摘要 随着时代的进步,社会生产力高速发展,新技术层出不穷信息量急剧膨胀,整个社会已成为信息化的社会人们对信息和数据的利用和处理已经进入自动化、网络化和社会化的阶段。如在查找情报资料、处理银行账…

虚拟化

什么是虚拟化 虚拟化(Virtualization)是一种资源分配和管理技术,是将计算机的各种实体资源,比如CPU、内存、磁盘空间、网络适配器等,进行抽象转换后虚拟的设备,可以实现灵活地分割、组合为一个或多个计算机配置环境,并…

el-form-item内的el-select如何自适应宽度

最近在使用element-ui做后台管理的时候,有个需求是在弹窗组件里面,添加一个el-select下拉框选项,但是给el-select设置的宽度无法自适应,原因很简单,我们不需要设置固定宽度,设置百分比就行了,让…