Meta, la matriz de Facebook, ha desarrollado un nuevo tipo de Inteligencia Artificial (IA) para detectar contenido dañino que reduce el tiempo necesario para su entrenamiento, que pasa de varios meses a funcionar en semanas.
El mecanismo, conocido como ‘aprendizaje de pocas oportunidades’ (few-shot learning), busca desarrollar nuevas herramientas automáticas que se puedan adaptar de forma más rápida al abuso para tomar medidas o para detectar tipos de contenido que evolucionan rápidamente, como ha informado Meta a través de un comunicado.
Los mecanismos de IA que detectan el contenido dañino suelen encontrarse con el problema de que tardan meses en entrenarse y que necesitan miles o millones de ejemplos etiquetados para crear un sistema concreto.
Para solucionar este problema, Meta ha desarrollado y desplegado un sistema que tiene en cuenta que para aprender muchas nuevas tareas sobre temas determinados pueden usarse una cantidad mucho menor de ejemplos etiquetados, que puede llegar a ser de cero.
El sistema de aprendizaje de pocas oportunidades puede usarse tanto para texto en cien idiomas diferentes como para imágenes, y sirve como apoyo para mejorar los sistemas de IA existentes en redes sociales como Facebook contra el contenido nocivo.
Meta ha explicado que la nueva tecnología pueden funcionar en tres situaciones: sin ejemplos de políticas, con descripciones de políticoas con menos de 50 ejemplos y con la posibilidad de afinar los resultados por parte de los desarrolladores de aprendizaje automático, con pocos ejemplos.
La compañía estadounidense ya ha utilizado el nuevo sistema para tareas concretas como identificar el contenido engañoso o sensacionalista que animaba a los usuarios a no vacunarse contra la covid-19, en las que los sistemas tradicionales podrían haber pasado por alto contenidos prohibidos.
Meta ha asegurado también que el uso del aprendizaje de pocas oportunidades ha servido para ayudar a reducir la prevalencia de otros ejemplos de contenido dañino como el discurso del odio en sus redes sociales en los últimos meses.