Đối với một nền tảng như Facebook với hơn 2 tỷ người dùng hoạt động hàng tháng, mọi người không chỉ giao tiếp với nhau qua lời nói mà còn qua hình ảnh. Để hiển thị những hình ảnh có chữ đi kèm trong kết quả tìm kiếm ảnh có liên quan, để cung cấp cho người đọc những nội dung được viết trên ảnh và để đảm bảo những bức ảnh đó không chứa ngôn từ kích động thù địch hay vi phạm chính sách nội dung của trang web, Facebook đã tạo và triển khai một hệ thống máy học quy mô lớn có tên là “Rosetta”.

Công cụ này có khả năng sử dụng công nghệ học máy để nhận diện văn bản trong hình ảnh và video. Sau đó, nó sử dụng mạng lưới thần kinh để nhận biết và phiên âm những gì được viết trong khu vực đó, ngay cả từ không phải tiếng Anh hoặc bảng chữ cái không phải tiếng Latinh, chẳng hạn như tiếng Ả Rập và tiếng Hindi.

Để đào tạo hệ thống, Facebook đã sử dụng một hỗn hợp các hình ảnh công cộng được chú thích bởi con người và máy. Facebook thấy rằng công cụ này rất hữu ích đọc các văn bản dạng text hiện hữu trên các hình ảnh chế.

Facebook cần một hệ thống nhận dạng ký tự quang học có thể xử lý thường xuyên khối lượng lớn nội dung. Rosetta sẽ trích xuất văn bản từ hơn một tỷ hình ảnh và khung hình video bằng nhiều ngôn ngữ khác nhau mỗi ngày trong thời gian thực.