Teknologi

Kecerdasan buatan di Twitter

Kecerdasan buatan di Twitter – Twitter adalah perusahaan komunikasi Amerika yang berbasis di San Francisco, California, yang terkenal dengan mikroblog dan jejaring sosialnya. Pada Januari 2022, perusahaan memiliki lebih dari 229 juta pengguna aktif harian.

Kecerdasan buatan di Twitter

newweblabz – Dalam laporan tahunannya, Twitter menyebutkan total pendapatan sebesar $5,08 miliar dan pendapatan iklan sebesar $4,51 miliar pada tahun 2021. Pada tanggal 31 Desember 2021, perusahaan ini memiliki 7.500 karyawan tetap. Twitter diperdagangkan di NYSE (simbol: TWTR) dan memiliki kapitalisasi pasar sebesar $31,94 miliar pada saat penulisan.

Perusahaan relatif diam mengenai upaya AI-nya. Pengecualiannya adalah pengumuman Twitter tentang penggunaan algoritme pembelajaran mesin untuk menentukan konten apa yang akan dipublikasikan dan apa yang tidak boleh dipublikasikan di platformnya.

Pencarian LinkedIn baru-baru ini untuk data scientist di Twitter menghasilkan 751 hasil.

Dalam ringkasan ini, kita akan mengeksplorasi dua kasus penggunaan yang menunjukkan bagaimana inisiatif AI saat ini mendukung tujuan bisnis Twitter melalui dua kasus penggunaan berikut:

Pemotongan gambar otomatis: Twitter menggunakan pembelajaran mesin dan jaringan saraf untuk menyederhanakan pemotongan gambar otomatis. pengguna dan meningkatkan keterlibatan di platform.
Meningkatkan aksesibilitas dan inklusi platform: Twitter menggunakan pengenalan ucapan pada platform Twitter Spaces untuk menyampaikan presentasi ucapan-ke-teks kepada tuna rungu atau gangguan pendengaran dan memperluas basis penggunanya.

Mari mulai mempelajari cara Twitter menggunakan AI untuk mendeteksi bot.

Kasus Penggunaan #1: Memotong Gambar

Menurut blog desain Twitter, perusahaan menyebutkan bahwa jutaan gambar diunggah ke platformnya setiap hari. Dimensi gambar yang berbeda mempersulit penyediaan pengalaman antarmuka pengguna yang konsisten.

Untuk memahami masalah bisnis dan dampaknya, kita perlu memahami bagaimana Twitter menghasilkan uang dan bagaimana antarmuka pengguna memengaruhi pendapatan.

Pertama, sebagian besar pendapatan Twitter berasal dari iklan: Menurut laporan tahunan Twitter tahun 2021 [pdf], lebih dari $4,5 miliar dari pendapatan perusahaan sebesar $5,1 miliar berasal dari “layanan periklanan”. Menurut buku Pendapatan Iklan Google, pengalaman pengguna “memaksimalkan” pendapatan iklan. Singkatnya, perusahaan media sosial seperti Twitter perlu memberikan pengalaman pengguna untuk menghasilkan uang dan mengembangkan bisnis mereka.

Blog tersebut juga mengklaim bahwa teknisi pembelajaran mesin Twitter pernah mengalami kesalahan dalam pengenalan wajah di masa lalu. Misalnya, solusi sebelumnya melewatkan wajah atau salah mendeteksi wajah padahal tidak ada wajah.

Twitter mengklaim telah mengatasi kendala tersebut dengan menerapkan pembelajaran mendalam pada jaringan saraf dan algoritma pembelajaran mesin. Untuk melatih model tersebut, Twitter menyatakan bahwa mereka menggunakan kombinasi teknik pada gambar pengguna:

Prediksi Visibilitas: Model yang memprediksi fiksasi mata pada suatu gambar.
Penyulingan Informasi: model “paket” di mana model yang lebih besar dan terlatih “mengajarkan” model yang lebih kecil langkah demi langkah tentang apa yang harus dilakukan.
Pemangkasan: Menghapus bagian pohon keputusan untuk mengurangi informasi yang berlebihan.

Insinyur pembelajaran mesin mengklaim telah menggunakan prediksi visibilitas untuk mendeteksi objek menarik seperti wajah, teks, hewan peliharaan, lingkungan, dll.

Namun, jaringan saraf yang digunakan terlalu lambat mengingat banyaknya gambar yang diunggah ke platform. Tim menggunakan penyulingan data dan prediksi visibilitas untuk mengurangi persyaratan komputasi dan ukuran model.

Menurut dokumentasi pemasaran Twitter, penyulingan data menghasilkan data prediktif dari sekumpulan gambar. Prediksi dan visibilitas pihak ketiga ini kemudian digunakan untuk melatih model yang lebih kecil sehingga lebih cepat. Pemangkasan menghilangkan komponen model yang mahal dan tidak meningkatkan kinerja model dibandingkan biaya.

Algoritme visibilitas dirancang untuk fokus pada elemen gambar yang paling menarik, menggunakan jaringan saraf untuk meniru apa yang menarik perhatian manusia. Perusahaan mengklaim bahwa algoritma baru ini lebih efektif dalam menemukan dan menangkap elemen-elemen ini.

Menurut dokumentasi pemasaran Twitter, penyulingan data menghasilkan data prediktif dari serangkaian gambar. Prediksi dan visibilitas pihak ketiga ini kemudian digunakan untuk melatih model yang lebih kecil sehingga lebih cepat. Pemangkasan menghilangkan komponen model yang mahal dan tidak meningkatkan kinerja model dibandingkan biaya.

Baca juga : OpenAI Rilis Model AI Bernama Sora

Kasus Penggunaan #2: Aksesibilitas dan Keterlibatan Platform

Twitter Spaces adalah platform obrolan dan suara real-time perusahaan. Menurut laporan kasus penggunaan dari mitranya Microsoft, Twitter ingin membuat platform tersebut dapat diakses oleh orang-orang tunarungu atau yang mengalami gangguan pendengaran.

Sebagai tujuan bisnis, aksesibilitas juga berarti lebih banyak pengguna dan pengalaman pengguna, sehingga meningkatkan minat beriklan di platform. Twitter, di sisi lain, juga berupaya meningkatkan akurasi dan sinkronisasi teks serta menawarkan lebih banyak opsi dukungan bahasa.

Untuk mencapai tujuan ini, perusahaan meminta masukan luas dari ekosistemnya, yang mungkin mencakup saran untuk penerapan subtitle bagi pengguna Spaces dan calon pengguna.

Twitter juga bekerja sama dengan divisi Azure Cognitive Services (ACS) Microsoft. ACS merekomendasikan solusi ucapan-ke-teks, yang menurut perusahaan memungkinkan pemrosesan bahasa alami menggunakan transkripsi suara-ke-teks secara real-time.

Baca juga : Apakah Industri Fashion Membutuhkan Manusia di Era Teknologi

Untuk pendengar, fungsionalitas ucapan-ke-teks dibangun ke dalam platform Spaces dan diaktifkan oleh pendengar melalui opsi “Tampilkan Teks” di “Pengaturan”.

Produsen audio menggunakan platform Azure untuk membuat proyek seperti layanan Azure lainnya. Ucapan ke teks tersedia dalam beberapa bahasa dan perangkat lunak. Microsoft juga memiliki produk bernama “Speech Studio” yang menyediakan fungsionalitas yang sama dalam antarmuka tanpa kode.

Istilah “transkrip” di atas mengacu pada teks yang dapat diunduh pengguna dan tersedia setelah episode. Namun, “teks” Twitter Spaces mirip dengan “teks” TV langsung yang teksnya sesuai dengan kata-kata pembicara saat ini.

Azure Speech-to-Text menggunakan model bahasa universal yang dan#039;terlatih#039; dan siap digunakan. Dengan kata lain, model dilatih di beberapa domain menggunakan dialek dan fonetik yang berbeda sebelum klien menggunakannya untuk pertama kali.

Menurut literatur produk, Microsoft merekomendasikan agar pengguna melatih model mereka lebih lanjut menggunakan opsi “ucapan pribadi”, yang melengkapi model terlatih dengan terminologi khusus domain. Microsoft juga menyediakan situs web tempat pengguna dapat menguji fitur ucapan-ke-teks menggunakan aplikasi demo. Menurut laporan penggunaan Microsoft, Twitter mendobrak hambatan aksesibilitas platform audio saja dengan teks dan transkripsi waktu nyata menggunakan platform Azure.

Twitter juga telah memperluas dukungan teksnya ke lebih dari 100 bahasa dan dialek berkat solusi ucapan-ke-teks dari Microsoft. Laporan Microsoft tahun 2022 menunjukkan bahwa pendapatan dari layanan cloud Azure, bagian dari platform text-to-speech, tumbuh 45 persen dari tahun ke tahun.