Една от първите видими ползи за потребителите ще е подобреният подбор на информация в новинарския поток на профилите им, коментира Майк Шрьопфер, главен технически директор на Facebook, пред онлайн изданието Technology Review. В момента се използват механизирани системи, които сортират информацията на базата на предварително зададени критерии. Това обаче не е достатъчно ефективно, особено като се има предвид, че потребителите започват да публикуват все повече информация в социалната мрежа, допълва Шрьопфер. Той дава за пример, че в момента софтуерът подбира между 30 и 60 публикации от средно над 1500, които да покаже на челните места в News Feed. И това става само на базата на предварително зададени критерии, което не е особено ефикасно, тъй като предпочитанията (и антипатиите) на потребителите се променят.

Разбира се, правилното сортиране и избиране на рекламите също е сред ключовите приоритети на Facebook, макар и компанията да не иска да го заяви съвсем директно. Чрез опознаване на потребителя и разбиране на контекста, иронията, метафоричния език и други форми на изразяване алгоритъмът ще може да преценява какво съдържание ще се хареса и какво да бъде визуализирано от рекламите и информационния поток. И по-важно, ще може да прави това самостоятелно и много бързо.

"Количеството информация се увеличава, хората имат повече приятели и благодарение на мобилните технологии са онлайн по-често. Аз не преглеждам новинарския стрийм само веднъж в края на деня. Постоянно ползвам телефона си, докато чакам приятели или съм в кафене. Разполагаме с пет минути, в които да ви донесем удоволствие", казва Шрьопфер.

Вдъхновение от човека

В основата си Deep Learning е софтуерен алгоритъм. Той е изграден на принципна на невронните мрежи в човешкото тяло. Информацията не се съхранява в обща база данни, нито се обработва на едно място. Софтуерът е разделен на отделни звена, имитиращи невроните. Всеки елемент е свързан с близките до него и научава и запомня връзките и асоциациите между различните данни. Така се изграждат уникални отношения между всеки елемент, което позволява на останалите също да се изучават и да разширяват познанията си или да ги сравняват със своите. Освен много по-ефективен този принцип на действие е и по-бърз. Малките късчета информация могат да се използват и за определянето и изучаването на по-голям обем данни. С достатъчно голям информационен масив този тип мрежи могат да създават задълбочени взаимовръзки и да опознават и най-дребните детайли в данните, с които разполагат.

Едно от предимствата на Deep Learning мрежите е и намалената нужда от човешка намеса. Традиционните алгоритми за анализ разчитат на програмисти, които да им задават параметри и критерии. Невронните мрежи сами могат да определят как да подбират и анализират информацията, с която разполагат, и да я изучават самостоятелно. Един от скорошните примери в тази сфера е "невронният" софтуерен алгоритъм на Google, който сам се е научил да разпознава котки в снимките. Точно този успех може и да се повтори и във Facebook, защото социалната мрежа е привлякла Марк Ранзато, който е експерт по симулирането на невронни мрежи и доскоро работеше именно в Google.

Трябва да се отбележи обаче, че подобен тип софтуер изисква множество мощни сървъри, които да се справят с голямото количество изчисления. Facebook не изключва дори и възможността да разработи собствен хардуер, който да използва за целта. Компанията има опит и в тази насока, тъй като сама проектира един от последните си дейта центрове, който се намира в Прайнвил, Орегон. "Това е едновременно софтуерен и хардуерен проблем. Начинът на мащабиране на тези мрежи изисква много дълбока интеграция", коментира Сринивас Нараянан, една от основните фигури в проекта.

Инженерите на Facebook засега не желаят да разкриват по-конкретни подробности за своя проект, който все още е в доста начална фаза. Също така трябва да се отбележи, че той ще се развива отделно от Knowledge Graph търсачката на социалната мрежа. От Facebook твърдят, че приложението на Deep Learning ще е доста по-широко. С невронната мрежа също ще се правят и различни научни изследвания, чийто резултати ще се публикуват за свободно използване. Освен това тя ще може да се използва и за създаването на допълнителни приложения за Facebook, които да разширяват възможностите на социалната мрежа. Какви точно ще са те обаче, специалистите засега запазват в тайна.