raymonandrfsx

自傳翻譯服務翻譯社

TensorFlow是2015年開源的機械進修根本系統，幫利用者快速找到方針照片或是Google翻譯中的神經機械翻譯系統。這為採用大範圍分布是練習的深層神經網絡架構提供靈活框架。

▲記者喜好瑪利歐，所以首頁有很多與瑪利歐相幹的影片翻譯（圖／翻攝官網）

Youtube上不時出現極端主義或暴力影片，過去靠利用者檢舉結果有限，今年6月開始用機械進修辨識含暴力或鼓吹極端主義的影音內容，再用系統進一步判定、審查違規影片。功效斐然，有83%影片內含暴力極端主義，在利用者檢舉前就被辨識出來。固然機器辨認技術與審查機制不夠完美，須延續前進，下降誤判。Youtube提示創作者針對記載或揭露暴力的影片，例如紀錄片或討論此事，記得插足需要後臺資訊，以避免影片誤刪。

記者葉立斌／台北報道

大師打開首頁都可以看到為翻譯公司保舉的影片，不外這幾年來有多項改變，固然是極細微的，但與你的點閱習慣仍一路造就目下當今的首頁風貌。

從2011年入手下手，演算法從觀看次數改為觀看時候為根本，做保舉。利用者旁觀次數在一天內下落20%，平均觀看時候卻從120秒增為140秒。2014開始，有60%利用者會用行動裝置看影片，轉步履機械進修支援的小我化影片保舉，2016年起，Youtube提拔使用者體驗，推出超過190個更新，將個人化概念推至首頁翻譯

辨識極端主義影片的內容

影片保舉

Google團隊測驗考試用機械進修理解影片中人物的行為與動作，但人類行為是天然不受規範的，既有資料庫也無法支援分析翻譯因此團隊推出原子視覺化動作數據學習模式AVA，他們透過AVA提拔機械進修理解影片人物動作的能力翻譯這資料庫會提出以人為中間的註解，也就是只看「人」而非把整段影片看完；標籤限制在邃密的時候長度「3秒」，每每會有清楚的視覺標誌。取材則來自各種類型與不同國家的電影。今朝已剖析57萬組影音，生成21萬個動作標籤，標註9萬6千組人類的動作。

在2017年2月，逐日旁觀Youtube時數到達10億小時，我們天天觀賞的Youtube，機器學習的能力如何在這平台妥帖行使？Youtube的搜索與摸索團隊，想要幫觀眾找出想要和想看的影片；同時因近期極端主義流行，Youtube也哄騙機械學習來過濾並且遮蔽這些內容，比傳統靠使用者揭發結果更好翻譯

Youtube首頁每日保舉2億支分歧內容的影片，利用者點閱主動保舉影片的旁觀時候跨越70%，在過去三年成長20倍翻譯Youtube大中華與紐澳技術管理負責人葉佳威表示，精準影片保舉對告白主來講，更輕易打中方針群眾。