Lūk, kā Facebook mācīja savam portālam A.I. domāt kā Holivudas kinorežisors

Kad Marks Cukerbergs savā koledžas kopmītņu istabā Hārvardā uzbūvēja pirmo Facebook versiju, viņš to iztēlojās kā logu, kas ļaus cilvēkiem ieskatīties citu lietotāju dzīvēs. Ja Google bija informācijas meklētājprogramma, tad Facebook, gluži pretēji, bija cilvēku meklētājprogramma. Pēc piecpadsmit gadiem Facebook ir pacēlis šo mērķi uz nākamo līmeni. Izveidojot Portal un Portal+ — tā ar ekrānu uzlaboto viedo skaļruņu līniju, kas tika izlaista 2018. gada novembrī, sociālo mediju gigants ir izveidojis daudz burtiskāku logu, ļaujot Facebook lietotājiem veikt videozvanus ar vienu cits.

Portāla viedie skaļruņi literalizē citu Facebook arī sapnis. Kur Facebook būtībā bija cilvēku meklētājprogramma, patiesībā portāls dara meklējiet tos: ar mainīgu 12 megapikseļu kameru, kas lepojas ar 140 grādu redzes lauku, kas seko jums pa istabu, lai redzētu, ko jūs darāt. Kā digitālās tendences

ievietojiet to mūsu pārskatā, "Ja esat aizņemts ar virtuvi, bet jautā vecmāmiņai, kā pagatavot viņas slavenās kotletes, varat būt aizņemts, klausoties viņas runu."

Kas īsti ir viedā tehnoloģija, kas vada portālu? Un kā Facebook domā, ka tas ir pārvarējis izaicinājumu nodrošināt regulāru video tērzēšanu tikpat personisku kā sēdus īstai sarunai? Atbilde ietver iespaidīgu mākslīgo intelektu un papildu cilvēka pieskārienu.

Padarot kameras viedākas

Jau pašā sākumā Facebook zināja, ka tā portāla pieredzes pamatā būs tā sauktā viedās kameras sistēma. Viedās kameras ideja bija pāriet no tāda veida statiskā kadra, ko tādi pakalpojumi kā Skype mums ir piedāvājuši gadiem ilgi, un šajā procesā spēlēt radošāku lomu. Tāpat kā filmu režisors vai operators zina, kad izmantot platu kadru vai kad tuvināt, lai iegūtu intīmu tuvplānu, Facebook izaicināja savus inženierus atdarināt šo pašu spēju ar portālu.

Lai piešķirtu šai kamerai nepieciešamo cilvēcisko pieskārienu, Facebook sadarbojās ar filmu veidotājiem, lai noskaidrotu, kā vislabāk izmantot viņu gudrību mašīnmācībā. Vienā gadījumā tā lūdza viņiem parādīt, kā viņi var uzņemt ainu, kurā nav iespējams uztvert visu būtisko informāciju no viena fiksēta leņķa.

Citā Facebook inženieri aplūkoja dažādus fotografēšanas elementus, kam kameru operatori piešķir prioritāti portreta un ainavas kadros. Šie novērojumi veidoja pamatu programmatūras modeļiem, kas mēģina piesātināt portālu ar dažām lēmumu pieņemšanas dīvainībām, kuras mēs parasti attiecinām uz cilvēka radošumu.

“Mēs vēlējāmies izveidot brīvroku videozvanu pieredzi, kas novērš fiziska attāluma sajūtu un ir vairāk kā kopā būšana,” izdevumam Digital Trends skaidroja viens no portāla inženieriem Ēriks Hvangs.

Rezultātā izveidotā sistēma, kuras izveide no nulles, pēc Facebook teiktā, prasīja “mazāk nekā divus gadus”, ļauj portālam pieņemt lēmumus, kas paredzēti, lai uzlabotu sarunas plūsmu. Iekšā tikko publicēts emuāra ieraksts, tajā ir sniegti daži ilustrācijas, kāpēc tas varētu būt nepieciešams. Piemēram, ja atrodaties pārpildītā telpā, kurā ir daudz cilvēku, kas mijiedarbojas savā starpā, tai ir jāizvēlas, kad sekot personai ārpus rāmja vai kad tālināt, lai pielāgotos jauniem objektiem.

Tāpat tai jāiemācās tikt galā ar mainīgām gaismas situācijām reāllaikā. Ko jūs darāt, ja objekts guļ tumšā telpā, līdz pusei pārklāts ar segu, bet fonā skraida bērni, kas rada kustību izplūšanu? Portāls nosver visu šo informāciju mazāk nekā acumirklī un cenšas noteikt labāko rezultātu. (Ja vēlaties manuāli kontrolēt, uz ko tā koncentrējas, tas arī tagad ir iespējams.)

Tehniskie izaicinājumi

No tehniskā viedokļa dažas lietas padara portāla tehnoloģiju iespaidīgu. Pirmais ir tas, ka tas visu var paveikt, neizmantojot faktisku kustīgu kameru. Izstrādes procesa sākumā Portāla inženieri izmēģināja prototipus, kuros tika izmantota motorizēta kamera, kas pagriezās pret objektu. Tomēr tika nolemts to nedarīt, pamatojoties uz to, ka tas izraisīja nobīdi un iespējamu mehānisku bojājumu. Tā vietā Portāls ietver ārkārtīgi plata leņķa objektīvu, kurā visi pārvietošanās un rediģēšanas lēmumi tiek pieņemti pilnībā digitāli.

Otrkārt, komanda, kas strādā pie portāla, atrada veidu, kā panākt lēmumu pieņemšanas procesus, nepaļaujoties uz mākoņdatošanu. Saskaņā ar Hvanga teikto, skaitļošanas uguns jauda tiek sasniegta ierīcē.

"Ikviena iemūžināšana video kadrā nav sarežģīta inženierijas problēma, jo daudzi inženieri to var izdarīt, izmantojot mūsdienu datorredzes sasniegumus," viņš teica. “Inovācija ir attiecīgo cilvēku vai personu tveršana reāllaikā ierīcē, izmantojot tikai mazo mobilo mikroshēmu portālā kā apstrādes jaudu. Parasti šāda veida A.I. uzdevumiem ir nepieciešami īpaši lieli serveri. [Mēs] pārvarējām šo šķērsli, saspiežot sarežģītus datorredzes modeļus, līdz tie varēja ietilpt mikroshēmā, ko izmantojam portālam, un joprojām darbojas precīzi un uzticami.

Lai to izdarītu, portāls izmanto Facebook ilgtermiņa ieguldījumu mākslīgajā intelektā. Tas izmanto 2D pozas noteikšanas sistēmu, kas darbojas ar ātrumu 30 kadri sekundē. Šo pozu mērķtiecība palīdz portālam pieņemt nepārtrauktus lēmumus par to, ko tā subjekti dara — un kad tam varētu būt nepieciešams digitāli panoramēt vai tālummaiņu. Tas papildus izmanto pētījumus par dziļuma kamerām, ko izstrādājusi Facebook Reality Labs kā daļu no sociālo mediju giganta virtuālās realitātes centieniem.

Augošs tirgus

Facebook ir pārliecināts, ka tas ir uzvarējis ar portālu. Ir viegli saprast, no kurienes nāk tā pārliecība. Šobrīd viedo skaļruņu tirgus uzplaukst. Lai gan pārsvarā dominē tirgus līderis Amazon, tas tā ir gadā pieaugot par vairāk nekā 100 procentiem. Tās ir labas ziņas tehnoloģiju uzņēmumiem, kas saplacināšanas laikā meklē nākamo lielo lietu viedtālrunis pārdošanu.

Kamēr Facebook bija pēdējais no četriem lielajiem tehnoloģiju gigantiem (Amazon, Alphabet, Facebook un Apple), lai dotos uz priekšu, tas joprojām ir viens no pirmajiem viedo skaļruņu vilnis, kas centrēts ap ekrānu kā komunikācijas ierīce.

"Portāls ir vienīgais šāda veida produkts tirgū," sacīja Hvangs. “Mūsdienās viedie skaļruņi un displeji ir veidoti, pamatojoties uz informāciju un tirdzniecību. Portāls ir izveidots, lai atvieglotu saziņu ar vissvarīgākajiem cilvēkiem: mūsu tuvākajiem draugiem un ģimeni. Un portāls ir vērsts uz cilvēku savienošanu, kas ir daļa no Facebook misijas, kas pašlaik netiek labi apkalpots mājas ierīču tirgū.

Privātuma izaicinājumi priekšā?

Tātad, kas aptur Facebook? Nu, iespējams, privātums. Lietotāji ir izrādījušies pārsteidzoši gatavi izmantot “vienmēr klausošos” sīkrīkus no tādiem uzņēmumiem kā Google, kuriem ir īpaša interese par lietotāju datiem. Taču ierīce, kas jūs gan skatās, gan klausās, joprojām ir invazīvāka. Turklāt Facebook reputācija joprojām cieš pagājušā gada Cambridge Analytica skandāls.

Tikai dažas dienas pirms šī raksta publicēšanas, Washington Post ziņots ka Facebook risina sarunas par rekordlielu, vairāku miljardu dolāru izlīgumu ar FTC par saviem privātuma pārkāpumiem. Pieaugot daudzu bijušo lietotāju atbildes reakcijai, vēl nav atklāts, vai Facebook ir Amazon Echo stila hits — vai Amazon Fire Phone stila flops.

Facebook mums apliecināja, ka neklausās, neskata un neuzglabā portāla videozvanu saturu, kas ir papildus šifrēts, lai izvairītos no noklausīšanās. Fakts, ka portāla A.I. Smarts darbojas lokāli ierīcē, nevis ieslēgtā Facebook serveriem, tas arī nozīmē, ka šī informācija nepamet jūsu mājas. Balss komandas tiek nosūtītas uzņēmumam tikai pēc tam, kad jūs sakāt “Hey Portal”, un lietotāji jebkurā laikā var izdzēst savu balss vēsturi Facebook darbību žurnālā.

Taču nevar apiet to, ka joprojām notiek zināma datu vākšanas pakāpe. “Lai gan mēs neklausāmies, neskatām un neuzglabājam jūsu portāla videozvanu saturu vai neizmantojam šo informāciju reklāmu mērķauditorijas atlasei, mēs apstrādājiet kādu informāciju par ierīces lietošanu, lai saprastu, kā portāls tiek izmantots, un lai uzlabotu produktu," norāda Facebook. (Portāla privātuma politika var lasīt šeit.)

Portāls piedāvā dažas ļoti viedas tehnoloģijas ar milzīgu ietekmi uz video tērzēšanas nākotni. Nav šaubu, ka uzņēmumam ir izdevies panākt kaut ko ļoti iespaidīgu no tehnoloģiskā viedokļa. Taču tas, vai tas spēs pārliecināt potenciālos klientus, ka tas ir viņu dzīvē vajadzīgs risinājums, galu galā izrādīsies patiess sasniegums.

Redaktoru ieteikumi

• Izlasiet šausminoši skaisto A.I. — sintētisko rakstu pantu. kas domā, ka tas ir Dievs
• Valodas supermodele: kā GPT-3 klusi ievada A.I. revolūcija
• Mēs izmantojām A.I. dizaina rīku, lai izstrādātu jaunu logotipu. Lūk, kas notika
• Neirosimboliskais A.I. ir mākslīgā intelekta nākotne. Lūk, kā tas darbojas
• Pārskatot A.I. pieaugumu: cik tālu mākslīgais intelekts ir ticis kopš 2010. gada?