Human Heavy-LiftingWhen you ask M a

Human Heavy-Lifting
When you ask M a question, the AI works to understand what you’re asking and formulates a response. But rather than sending it to you, the system sends this response to human “trainers”—customer-service types who work alongside the Wit.ai team inside Facebook’s new building in Menlo Park, California. These trainers then decide what else must be done to provide what you’re looking for (see image below). According to Lebrun, the AI can do most of the work for simpler tasks, like telling a joke. It’ll query an Internet joke API—a service that supplies jokes—and a trainer will approve the joke if it’s funny. For more complicated tasks, such as making a driving test appointment at the DMV, the humans will do most of the heavy lifting. They’ll actually place a call to the DMV. In doing that heavy-lifting, the humans generate a roadmap for how particular questions should be answered. “Everything the trainers do, we record every step,” Lebrun says. This includes what websites they visit, what they say when calling the DMV, what they type in response to M users, and so on. In the future, this data can help drive a more advanced system based on deep learning, a form of AI that masters tasks by analyzing enormous quantities of information across a vast network of machines. Roughly speaking, these networks mimic the web of neurons in the human brain. Such neural nets have already proven enormously effective in identifying images, recognizing speech, targeting ads, even teaching robots to screw on bottle caps. And after hiring an NYU computer science researcher named Yann LeCun, Facebook is a leader in this increasingly important field. The company now uses neural nets to recognize faces in photos posted to its social network and identify what you’re likely to want in your News Feed. With M, it aims to push the technology further still.

ผลลัพธ์ (ไทย) 1:

มนุษย์หนักเผยWhen you ask M a question, the AI works to understand what you’re asking and formulates a response. But rather than sending it to you, the system sends this response to human “trainers”—customer-service types who work alongside the Wit.ai team inside Facebook’s new building in Menlo Park, California. These trainers then decide what else must be done to provide what you’re looking for (see image below). According to Lebrun, the AI can do most of the work for simpler tasks, like telling a joke. It’ll query an Internet joke API—a service that supplies jokes—and a trainer will approve the joke if it’s funny. For more complicated tasks, such as making a driving test appointment at the DMV, the humans will do most of the heavy lifting. They’ll actually place a call to the DMV. In doing that heavy-lifting, the humans generate a roadmap for how particular questions should be answered. “Everything the trainers do, we record every step,” Lebrun says. This includes what websites they visit, what they say when calling the DMV, what they type in response to M users, and so on. In the future, this data can help drive a more advanced system based on deep learning, a form of AI that masters tasks by analyzing enormous quantities of information across a vast network of machines. Roughly speaking, these networks mimic the web of neurons in the human brain. Such neural nets have already proven enormously effective in identifying images, recognizing speech, targeting ads, even teaching robots to screw on bottle caps. And after hiring an NYU computer science researcher named Yann LeCun, Facebook is a leader in this increasingly important field. The company now uses neural nets to recognize faces in photos posted to its social network and identify what you’re likely to want in your News Feed. With M, it aims to push the technology further still.

ผลลัพธ์ (ไทย) 2:

มนุษย์หนักยกเมื่อคุณถามคำถาม M, เอไอทำงานที่จะเข้าใจสิ่งที่คุณขอและหลักเกณฑ์การตอบสนอง
แต่แทนที่จะส่งไปยังคุณระบบส่งการตอบสนองนี้เพื่อมนุษย์ "ฝึกอบรม" ประเภท -customer บริการที่ทำงานร่วมกับทีม Wit.ai ภายในอาคารใหม่ของ Facebook ในเมนโลพาร์ครัฐแคลิฟอร์เนีย การฝึกอบรมเหล่านี้แล้วตัดสินใจอะไรที่จะต้องทำเพื่อให้สิ่งที่คุณกำลังมองหา (ดูภาพด้านล่าง) ตามที่ Lebrun, เอไอสามารถทำมากที่สุดของการทำงานสำหรับงานง่ายเหมือนบอกเป็นเรื่องตลก มันจะสอบถามเรื่องตลกอินเทอร์เน็ต API-บริการที่ให้ตลกและผู้ฝึกอบรมจะอนุมัติเรื่องตลกถ้ามันตลก สำหรับงานที่ซับซ้อนมากขึ้นเช่นการนัดหมายการทดสอบการขับรถที่ DMV มนุษย์จะทำมากที่สุดของการยกของหนัก จริงๆแล้วพวกเขาจะวางสายไป DMV ที่ ในการทำที่ยกหนักมนุษย์สร้างแผนงานสำหรับวิธีการโดยเฉพาะอย่างยิ่งคำถามที่ควรจะตอบ "ทุกอย่างที่ฝึกอบรมทำเราบันทึกทุกขั้นตอน" Lebrun กล่าวว่า ซึ่งรวมถึงสิ่งที่พวกเขาเข้าชมเว็บไซต์ของสิ่งที่พวกเขาบอกว่าเมื่อเรียก DMV สิ่งที่พวกเขาพิมพ์ในการตอบสนองต่อผู้ใช้ M และอื่น ๆ ในอนาคตข้อมูลนี้จะช่วยให้ไดรฟ์ระบบที่สูงขึ้นบนพื้นฐานของการเรียนรู้ที่ลึกรูปแบบของงานที่ AI โทโดยการวิเคราะห์ปริมาณมหาศาลของข้อมูลในเครือข่ายที่กว้างขวางของเครื่อง พูดประมาณเครือข่ายเหล่านี้เลียนแบบเว็บของเซลล์ประสาทในสมองของมนุษย์ ประสาทดังกล่าวได้รับการพิสูจน์แล้วที่มีประสิทธิภาพอย่างมากในการระบุภาพการรับรู้ถึงการพูดโฆษณาที่กำหนดเป้าหมายแม้การเรียนการสอนหุ่นยนต์ที่จะสกรูบนฝาขวด และหลังจากที่การจ้างงานนักวิจัยด้านวิทยาศาสตร์คอมพิวเตอร์ NYU ชื่อ Yann LeCun, Facebook เป็นผู้นำในด้านความสำคัญมากขึ้นนี้ บริษัท ตอนนี้ใช้ประสาทการรับรู้ใบหน้าในภาพโพสต์ในเครือข่ายทางสังคมและระบุสิ่งที่คุณอาจจะต้องการในฟีดข่าวของคุณ กับเอ็มก็มีจุดมุ่งหมายที่จะผลักดันเทคโนโลยีต่อไปยัง

ผลลัพธ์ (ไทย) 3:

คนยกของหนัก
เมื่อคุณถามเป็นคำถาม , AI ทำงานให้เข้าใจสิ่งที่คุณถามและ PayPal การตอบสนอง แต่แทนที่จะส่งมันให้คุณ ระบบจะส่งการตอบสนองของมนุษย์นี้ " วิทยากร " - บริการลูกค้าประเภทที่ทำงานควบคู่ไปกับ wit.ai ทีมภายในอาคารใหม่ของ Facebook ในเมนโลพาร์ค , แคลิฟอร์เนียวิทยากรเหล่านี้แล้วตัดสินใจอะไรที่ต้องทำเพื่อให้สิ่งที่คุณกำลังมองหาอยู่ ( ดูภาพด้านล่าง ) ตามที่ตัวแทน , AI สามารถทำส่วนใหญ่ของการทำงานที่ง่ายกว่าการ ชอบเล่าเรื่องตลก มันก็จะค้นหาอินเทอร์เน็ตตลก api-a บริการอุปกรณ์ตลกและครูฝึกจะให้ตลกนะ ถ้ามันเป็นเรื่องตลก สำหรับงานที่ซับซ้อนมากขึ้น เช่น การขับทดสอบนัดที่ DMVมนุษย์จะทำส่วนใหญ่ของการยกของหนัก พวกเขาจะโทรหา DMV ในการทำที่ยกของหนัก มนุษย์สร้าง Roadmap อย่างไรคำถามโดยเฉพาะอย่างยิ่งควรจะตอบ " ทุกอย่างที่ได้ทำ เราบันทึกทุกขั้นตอน " ตัวแทนกล่าวว่า ซึ่งรวมถึงสิ่งที่เว็บไซต์ที่พวกเขาได้เข้าเยี่ยมชมสิ่งที่พวกเขากล่าวว่าเมื่อโทร DMV สิ่งที่พวกเขาพิมพ์ในการตอบสนองต่อ M ผู้ใช้ และอื่น ๆในอนาคต ข้อมูลนี้สามารถช่วยให้ไดรฟ์ระบบขั้นสูงเพิ่มเติมจากการเรียนรู้แบบลึก รูปแบบของ AI ที่ต้นแบบงานโดยการวิเคราะห์ปริมาณมหาศาลของข้อมูลผ่านเครือข่ายที่กว้างขวางของเครื่อง ประมาณพูด เครือข่ายเหล่านี้เลียนแบบเว็บของเซลล์ประสาทในสมองของมนุษย์ ข่ายประสาทดังกล่าวได้พิสูจน์ประสิทธิภาพอย่างมากในการระบุภาพจำเสียงพูดเป้าหมายโฆษณาแม้แต่การสอนหุ่นยนต์ขันสกรูบนฝาขวด และหลังจากที่เช่าของ NYU คอมพิวเตอร์นักวิจัยชื่อ XXX lecun , Facebook เป็นผู้นําในด้านความสำคัญมากขึ้นนี้ บริษัท ได้ใช้ตาข่ายประสาทรับรู้ใบหน้าในรูปที่โพสต์ไปยังเครือข่ายสังคมของตนและระบุสิ่งที่คุณมักจะต้องการในฟีดข่าวของคุณ กับ M มันมีจุดมุ่งหมายที่จะผลักดันเทคโนโลยีต่อไปยัง