यहां बताया गया है कि फेसबुक ने अपने पोर्टल ए.आई. को कैसे सिखाया। एक हॉलीवुड फिल्म निर्माता की तरह सोचना

जब मार्क जुकरबर्ग ने हार्वर्ड में अपने कॉलेज के छात्रावास के कमरे में फेसबुक का पहला संस्करण बनाया, तो उन्होंने इसकी कल्पना एक ऐसी खिड़की के रूप में की, जो लोगों को अन्य उपयोगकर्ताओं के जीवन को देखने की अनुमति देगी। यदि Google जानकारी के लिए एक खोज इंजन था, तो इसके विपरीत, फेसबुक लोगों के लिए एक खोज इंजन था। पंद्रह साल बाद, फेसबुक इस महत्वाकांक्षा को अगले स्तर पर ले गया है। पोर्टल और पोर्टल+ बनाकर, स्क्रीन-एन्हांस्ड स्मार्ट स्पीकर की अपनी श्रृंखला, नवंबर 2018 में लॉन्च की गई, सोशल मीडिया दिग्गज ने एक अधिक शाब्दिक विंडो स्थापित की है, जिससे फेसबुक उपयोगकर्ताओं को वीडियो कॉल करने की सुविधा मिलती है एक और।

पोर्टल स्मार्ट स्पीकर दूसरे को शाब्दिक बनाते हैं फेसबुक सपना भी. जहां फेसबुक, संक्षेप में, लोगों के लिए एक खोज इंजन था, वास्तव में पोर्टल करता है उन्हें खोजें: एक घूमने वाले 12-मेगापिक्सेल कैमरे के साथ, जिसमें 140-डिग्री दृश्य क्षेत्र है, जो यह देखने के लिए कमरे के चारों ओर आपका पीछा करता है कि आप क्या कर रहे हैं। डिजिटल रुझान के रूप में

इसे हमारी समीक्षा में डालें, "यदि आप रसोई में इधर-उधर घूमने में व्यस्त हैं और दादी से पूछ रहे हैं कि उनकी प्रसिद्ध मीटबॉल कैसे बनाई जाती है, तो आप उनकी बातें सुनते हुए भी व्यस्त रह सकते हैं।"

वास्तव में वह स्मार्ट तकनीक क्या है जो पोर्टल को संचालित करती है? और फेसबुक कैसे सोचता है कि उसने नियमित वीडियो चैट को वास्तविक बातचीत के लिए बैठने जैसा व्यक्तिगत बनाने की चुनौती को पार कर लिया है? उत्तर में कुछ प्रभावशाली कृत्रिम बुद्धिमत्ता - और एक अतिरिक्त मानवीय स्पर्श शामिल है।

कैमरों को अधिक स्मार्ट बनाना

शुरुआत से ही, फेसबुक को पता था कि उसके पोर्टल अनुभव का मूल तथाकथित "स्मार्ट कैमरा" सिस्टम होगा। स्मार्ट कैमरा का विचार उस तरह के स्टैटिक शॉट से आगे बढ़ना था जो स्काइप जैसी सेवाएं हमें वर्षों से पेश कर रही हैं, और इस प्रक्रिया में अधिक रचनात्मक भूमिका निभाना था। जिस तरह एक फिल्म निर्देशक या सिनेमैटोग्राफर को पता होता है कि कब वाइड शॉट लगाना है या अंतरंग क्लोज-अप के लिए कब ज़ूम इन करना है, उसी तरह फेसबुक पोर्टल के साथ इसी क्षमता का अनुकरण करने के लिए अपने इंजीनियरों को चुनौती दी।

इस कैमरे को आवश्यक मानवीय स्पर्श देने के लिए, फेसबुक ने फिल्म निर्माताओं के साथ मिलकर उनके ज्ञान को मशीन से सीखने योग्य अंतर्दृष्टि में बदलने का सबसे अच्छा तरीका खोजने के लिए काम किया। एक मामले में, इसने उनसे यह प्रदर्शित करने के लिए कहा कि वे उस दृश्य को कैसे शूट कर सकते हैं जिसमें एक निश्चित कोण से सभी प्रासंगिक जानकारी प्राप्त करना असंभव था।

दूसरे में, फेसबुक इंजीनियरों ने विभिन्न फोटोग्राफिक तत्वों को देखा जिन्हें कैमरा ऑपरेटर पोर्ट्रेट और लैंडस्केप शॉट्स में प्राथमिकता देते हैं। इन अवलोकनों ने सॉफ्टवेयर मॉडल का आधार बनाया जो पोर्टल को कुछ निर्णय लेने वाली विचित्रताओं से भरने का प्रयास करता है जिन्हें हम आम तौर पर मानव रचनात्मकता के लिए जिम्मेदार मानते हैं।

“हम एक हैंड्स-फ़्री वीडियो कॉलिंग अनुभव बनाना चाहते थे जो शारीरिक दूरी की भावना को दूर कर दे पोर्टल के इंजीनियरों में से एक, एरिक ह्वांग ने डिजिटल ट्रेंड्स को समझाया, "एक साथ घूमना अधिक पसंद है।"

परिणामी प्रणाली - जिसके बारे में फेसबुक का कहना है कि इसे शुरू से बनाने में "दो साल से कम समय" लगा - पोर्टल को बातचीत के प्रवाह को बेहतर बनाने के लिए डिज़ाइन किए गए निर्णय लेने की अनुमति देता है। में एक नव प्रकाशित ब्लॉग पोस्ट, यह कुछ उदाहरणों का विवरण देता है कि यह क्यों आवश्यक हो सकता है। उदाहरण के लिए, यदि आप एक भीड़ भरे कमरे में हैं, जहां लोग एक-दूसरे के साथ बातचीत कर रहे हैं, तो उसे यह चुनना होगा कि कब किसी व्यक्ति को फ्रेम से बाहर जाना है या कब नए विषयों को समायोजित करने के लिए ज़ूम आउट करना है।

इसी तरह, उसे वास्तविक समय में बदलती प्रकाश स्थितियों से निपटना सीखना चाहिए। यदि आपका विषय एक अंधेरे कमरे में लेटा हुआ है, आधा कंबल से ढका हुआ है, लेकिन पृष्ठभूमि में बच्चे इधर-उधर दौड़ रहे हैं, जिससे गति धुंधली हो रही है, तो आप क्या करते हैं? पोर्टल पलक झपकते ही इस सारी जानकारी का मूल्यांकन करता है और सर्वोत्तम परिणाम निर्धारित करने का प्रयास करता है। (यदि आप मैन्युअल रूप से यह नियंत्रित करना चाहते हैं कि यह किस पर केंद्रित है, वह भी अब संभव है.)

तकनीकी चुनौतियाँ

तकनीकी दृष्टिकोण से, कुछ चीजें पोर्टल की तकनीक को प्रभावशाली बनाती हैं। पहला यह कि यह यह सब वास्तविक गतिशील कैमरे के उपयोग के बिना भी कर सकता है। विकास प्रक्रिया के आरंभ में, पोर्टल के इंजीनियरों ने प्रोटोटाइप का प्रयास किया जिसमें एक मोटर चालित कैमरे का उपयोग किया गया, जो विषयों का सामना करने के लिए घूमता था। हालाँकि, इसे इस आधार पर रद्द करने का निर्णय लिया गया कि इससे देरी हुई और संभावित यांत्रिक विफलता हुई। इसके बजाय, पोर्टल में एक बेहद वाइड-एंगल लेंस शामिल है जिसमें सभी आंदोलन और संपादन निर्णय पूरी तरह से डिजिटल रूप से किए जाते हैं।

दूसरा, पोर्टल पर काम करने वाली टीम ने क्लाउड कंप्यूटिंग पर भरोसा किए बिना अपनी निर्णय लेने की प्रक्रियाओं को हासिल करने का एक तरीका ढूंढ लिया। ह्वांग के अनुसार, कम्प्यूटेशनल मारक क्षमता सभी डिवाइस में हासिल की जाती है।

उन्होंने कहा, "हर किसी को वीडियो फ्रेम में कैद करना कोई कठिन इंजीनियरिंग समस्या नहीं है, क्योंकि आज की कंप्यूटर दृष्टि की प्रगति के साथ कई इंजीनियर ऐसा कर सकते हैं।" “नवाचार प्रसंस्करण शक्ति के रूप में पोर्टल के अंदर केवल छोटी मोबाइल चिप का उपयोग करके, वास्तविक समय में संबंधित लोगों या व्यक्ति को डिवाइस पर कैप्चर करने में है। आमतौर पर इस प्रकार के ए.आई. कार्यों के लिए समर्पित, बड़े सर्वर की आवश्यकता होती है। [हमने] जटिल कंप्यूटर विज़न मॉडल को संपीड़ित करके उस बाधा को पार कर लिया जब तक कि वे पोर्टल के लिए हमारे द्वारा उपयोग की जाने वाली चिप पर फिट नहीं हो जाते और फिर भी सटीक और विश्वसनीय रूप से चलते हैं।

ऐसा करने के लिए, पोर्टल कृत्रिम बुद्धिमत्ता में फेसबुक के दीर्घकालिक निवेश का उपयोग करता है। इसमें 2डी पोज़-डिटेक्शन सिस्टम का उपयोग किया गया है जो 30 फ्रेम प्रति सेकंड पर चलता है। इन मुद्राओं की मंशा पोर्टल को इस बारे में निरंतर निर्णय लेने में मदद करती है कि उसके विषय क्या कर रहे हैं - और परिणामस्वरूप उसे डिजिटल रूप से पैन या ज़ूम करने की आवश्यकता कब हो सकती है। यह सोशल मीडिया दिग्गज के आभासी वास्तविकता प्रयासों के हिस्से के रूप में फेसबुक रियलिटी लैब्स द्वारा विकसित गहन कैमरों में अनुसंधान का भी उपयोग करता है।

एक बढ़ता हुआ बाज़ार

फेसबुक आश्वस्त है कि वह पोर्टल के मामले में विजेता है। यह देखना आसान है कि इसका आत्मविश्वास कहां से आता है। फिलहाल, स्मार्ट स्पीकर बाजार तेजी से बढ़ रहा है। हालांकि बाजार में अग्रणी अमेज़न का प्रभुत्व काफी हद तक है साल-दर-साल 100 प्रतिशत से अधिक की दर से बढ़ रहा है. मंदी के दौर में अगली बड़ी चीज़ की तलाश कर रही तकनीकी कंपनियों के लिए यह अच्छी खबर है स्मार्टफोन बिक्री.

जबकि फेसबुक चार बड़े टेक दिग्गजों (अमेज़ॅन, अल्फाबेट,) में आखिरी था। फेसबुक और एप्पल) बैंडबाजे पर कूदने के लिए, यह अभी भी है सबसे पहले में से एक संचार उपकरण के रूप में स्क्रीन के चारों ओर केंद्रित स्मार्ट स्पीकर की लहर।

ह्वांग ने कहा, "पोर्टल बाजार में अपनी तरह का एकमात्र उत्पाद है।" “आज, स्मार्ट स्पीकर और डिस्प्ले सूचना और वाणिज्य के इर्द-गिर्द बनाए जाते हैं। पोर्टल उन लोगों से जुड़ना आसान बनाने के लिए बनाया गया है जो सबसे महत्वपूर्ण हैं: हमारे करीबी दोस्त और परिवार। और पोर्टल लोगों को जोड़ने पर केंद्रित है - फेसबुक के मिशन का हिस्सा - जिसे वर्तमान में घरेलू डिवाइस बाजार द्वारा अच्छी तरह से सेवा नहीं दी जाती है।

गोपनीयता की चुनौतियाँ आगे?

तो फिर फेसबुक को कौन रोक रहा है? खैर, संभावित रूप से गोपनीयता। उपयोगकर्ता डेटा में निहित स्वार्थ के साथ Google जैसी कंपनियों के "हमेशा सुनने वाले" गैजेट को अपनाने के लिए उपयोगकर्ता आश्चर्यजनक रूप से इच्छुक साबित हुए हैं। लेकिन एक उपकरण जो आपको देखता भी है और सुनता भी है, वह अब भी अधिक आक्रामक है। इसके अलावा, फेसबुक की प्रतिष्ठा अभी भी ख़राब हो रही है पिछले साल का कैम्ब्रिज एनालिटिका घोटाला.

इस लेख के प्रकाशित होने के कुछ ही दिन पहले, द वाशिंगटन पोस्ट की सूचना दी कि फेसबुक अपनी गोपनीयता संबंधी गड़बड़ियों के लिए एफटीसी के साथ रिकॉर्ड तोड़ने वाले, अरबों डॉलर के समझौते पर बातचीत कर रहा है। कई पूर्व उपयोगकर्ताओं की बढ़ती प्रतिक्रिया के कारण, इसका खुलासा होना अभी बाकी है फेसबुक उसके हाथ में अमेज़ॅन इको-स्टाइल हिट है - या अमेज़ॅन फायर फोन-स्टाइल फ्लॉप।

फेसबुक ने हमें आश्वासन दिया कि वह पोर्टल वीडियो कॉल की सामग्री को नहीं सुनता, देखता या रखता नहीं है, जिसे सुनने से बचने के लिए अतिरिक्त रूप से एन्क्रिप्ट किया गया है। तथ्य यह है कि पोर्टल का ए.आई. स्मार्ट डिवाइस पर स्थानीय रूप से चलते हैं, चालू पर नहीं फेसबुक सर्वर, का अर्थ यह भी है कि यह जानकारी आपका घर नहीं छोड़ती है। आपके "हे पोर्टल" कहने के बाद ही वॉयस कमांड कंपनी को भेजे जाते हैं और उपयोगकर्ता किसी भी समय फेसबुक के एक्टिविटी लॉग में अपना वॉयस हिस्ट्री हटा सकते हैं।

लेकिन इस तथ्य से इनकार नहीं किया जा सकता कि अभी भी कुछ हद तक डेटा संग्रह हो रहा है। “हालांकि हम आपके पोर्टल वीडियो कॉल की सामग्री को नहीं सुनते, देखते या रखते नहीं हैं, या विज्ञापनों को लक्षित करने के लिए इस जानकारी का उपयोग नहीं करते हैं, हम यह समझने के लिए कि पोर्टल का उपयोग कैसे किया जा रहा है और उत्पाद को बेहतर बनाने के लिए कुछ डिवाइस उपयोग जानकारी को संसाधित करें, ”फेसबुक नोट करता है। (पोर्टल की गोपनीयता नीति यहां पढ़ा जा सकता है.)

पोर्टल वीडियो चैट के भविष्य के लिए बड़े पैमाने पर निहितार्थ वाली कुछ बहुत ही स्मार्ट तकनीक प्रदान करता है। इसमें कोई संदेह नहीं है कि कंपनी तकनीकी दृष्टिकोण से बहुत प्रभावशाली कुछ हासिल करने में कामयाब रही है। लेकिन क्या यह संभावित ग्राहकों को यह विश्वास दिला पाएगा कि यह एक ऐसा समाधान है जिसकी उन्हें अपने जीवन में आवश्यकता है, अंततः यही वास्तविक उपलब्धि साबित होगी।

संपादकों की सिफ़ारिशें

• ए.आई. का अत्यंत सुंदर 'सिंथेटिक शास्त्र' पढ़ें। वह सोचता है कि यह भगवान है
• भाषा सुपरमॉडल: कैसे GPT-3 चुपचाप A.I. में प्रवेश कर रहा है क्रांति
• हमने ए.आई. का प्रयोग किया। नए लोगो के साथ आने के लिए डिज़ाइन टूल। यहाँ क्या हुआ
• न्यूरो-प्रतीकात्मक ए.आई. कृत्रिम बुद्धिमत्ता का भविष्य है. यह ऐसे काम करता है
• ए.आई. के उदय पर दोबारा गौर करना: 2010 के बाद से कृत्रिम बुद्धिमत्ता कितनी आगे आ गई है?