Cum a creeat Google camera Clips, gadgetul său cu tehnologie AI, pentru a învăța să faca automat cele mai bune fotografii ale utilizatorilor și ale familiilor lor? Ei bine, după cum explică compania într-o noua postare pe blogul companiei, inginerii săi au apelat la profesioniști – angajând „un documentarist, un fotojurnalist și un fotograf artistic” pentru a produce date vizuale menite sa instruiasca rețeaua neurală care alimentează camera.
Mesajul de pe blog explică acest proces într-un mod mai detaliat, dar este, în esență, ceea ce v-ați aștepta pentru acest tip de AI. Pentru ca software-ul să recunoască ceea ce face o fotografie bună sau proastă, a trebuit să primeasca multe exemple. Programatorii s-au gândit nu numai la marcatori evidenti (de exemplu, o fotografie este proastă dacă nu se estompează sau dacă ceva acoperă lentila), dar și criterii mai abstracte, cum ar fi „timpul” – antrenand Clips sa invete regula, „Nu sta prea mult ca sa faci o poza. ”
In ceea ce priveste invatarea Clips sa faca cele mai bune poze si sa ofere o interfata intuitiva utilizatorilor, Google a spus ca a folosit tehnica „design centrat pe om” – adică încercarea de a face produsele AI care să funcționeze pentru utilizatori, fără a crea stres suplimentar. Camera video Clips nu este încă de vânzare catre toti utilizatorii, dar așteptăm cu nerăbdare să testam dispozitivul pentru a vedea dacă respectă aceste obiective ambițioase.
Ceea ce este, de asemenea, remarcabil este faptul că Google admite în postarea de pe blog că programele AI de formare pot fi un proces imprecis și că indiferent de cât de multe date dai unui dispozitiv cum ar fi Clips, acesta nu va ști niciodată exact ce fotografii le apreciați cel mai mult. Poate fi capabil să recunoască o imagine bine încadrată, focalizată și strălucitoare, dar cum va ști că o poza neclara a fiului tău care conduce bicicleta pentru prima dată este, de asemenea, neprețuita?
„În contextul subiectivității și al personalizării, perfecțiunea pur și simplu nu este posibilă și, într-adevăr, nu ar trebui să fie nici măcar un scop”, scriu autorii postarii de pe blog. „Spre deosebire de dezvoltarea software-ului tradițional, sistemele ML nu vor fi niciodată” bug-free”, deoarece predicția este o știință inexacta.”
