Kami mempercayai kamera untuk merekam ingatan kami.  Tetapi mereka perlu memahami seperti apa kehidupan sebenarnya
Artificial Intelligence

Kami mempercayai kamera untuk merekam ingatan kami. Tetapi mereka perlu memahami seperti apa kehidupan sebenarnya

Sejak kamera digital dan smartphone hadir, kami telah mengambil lebih banyak gambar daripada yang dapat kami kelola dengan mudah, tetapi seringkali kami masih tidak memiliki foto momen yang ingin kami ingat, baik karena kami sibuk menikmatinya – atau karena beberapa orang cenderung mengambil foto daripada berada di dalamnya. Itulah yang lifecams janjikan untuk diurus.

Tujuan memiliki kamera yang mengambil gambar untuk Anda bukanlah untuk menggantikan jenis gambar yang disusun dengan hati-hati di mana Anda berpikir keras tentang gambar yang ingin Anda ambil. Ini lebih tentang menangkap momen dalam hidup Anda dan membiarkan Anda bebas menikmatinya tanpa berpikir untuk mengeluarkan kamera. Jika Anda ingin mendokumentasikan hidup Anda secara mendetail untuk membantu Anda mengingatnya di masa depan (mungkin saat ingatan Anda tidak sebaik dulu), atau jika Anda selalu menjadi orang yang mengambil foto dan tidak pernah menjadi orang yang mengambil fotonya. foto diambil, idenya mungkin tampak menarik.

Ada potensi masalah privasi karena perangkat yang selalu aktif memotret tanpa peringatan, serta pertanyaan etiket seputar apakah Anda memperingatkan pengunjung dan memberi mereka pilihan untuk tidak menggunakan kamera candid. Ini mirip dengan masalah dengan kacamata pintar yang disamarkan sebagai kacamata hitam biasa, yang membuat banyak orang merasa tidak nyaman – dan banyak foto dan video, katakanlah, pesta ‘keju dan anggur’ yang telah kita pelajari dalam beberapa minggu terakhir. garis bawahi alasan mengapa memotret secara otomatis saat seseorang melakukan sesuatu yang menarik tidak selalu merupakan hal yang baik.

MELIHAT: Pelatihan keamanan siber Anda perlu ditingkatkan karena serangan peretasan semakin parah

Dan bagaimana dengan mengambil foto yang tidak Anda ketahui karena Anda tidak mengambilnya? Akankah semua teman Anda (dan pengatur data di seluruh dunia) merasa nyaman tidak hanya dengan pengenalan wajah tetapi juga penambangan data lain yang perlu Anda lakukan untuk dapat menampilkan foto Bibi Beryl yang sedang duduk di meja dapur Anda pada sore musim panas beberapa waktu dalam 10 tahun terakhir?

Apakah Anda ingin kamera mengetahui tentang cuaca di luar dengan umpan dari stasiun cuaca pintar Anda, dapat mengendus ponsel mana yang terhubung ke Wi-Fi rumah Anda atau untuk mencicipi udara di dapur (karena bau adalah salah satu indra menggugah, Anda mungkin ingat bahwa Anda memanggang kue lebih mudah daripada tahun berapa itu)? Bagaimana dengan melacak seseorang yang namanya tidak Anda ingat?

Pertanyaan tentang apa yang membuat sebuah foto menarik juga sedikit rumit, karena agar berguna, lifecam ini membutuhkan perangkat lunak yang cukup baik untuk memilih gambar yang berharga dari ratusan jepretan tak berguna orang yang berpaling, berkedip atau hanya duduk di sana. Pikirkan untuk tidak pernah yakin apakah Anda tidak dapat menemukan foto hari yang berkesan karena Anda tidak mendapatkan istilah pencarian yang tepat atau karena AI tidak mendeteksi apa pun yang layak untuk diambil gambarnya.

Istilah teknis untuk ‘menarik’ adalah saliency, dan algoritme saliency memiliki bias yang baru saja kita mulai lihat. Ketika Anda melihat sebuah gambar, Anda tidak melihat keseluruhan gambar sekaligus: mata Anda tertuju pada apa yang menurut otak Anda paling menarik. Google menggunakan itu sebagai dasar format gambar barunya, di mana bagian gambar yang diprediksi oleh model pembelajaran mesin adalah unduhan yang paling menarik terlebih dahulu: bunga daripada daun di sekitarnya, mata dan mulut daripada dinding di belakang gambar seseorang. kepala.

foto dengan peta panas yang cocok di mana pandangan manusia pergi terlebih dahulu

Model pembelajaran mesin Google mempelajari apa yang kita lihat dalam gambar, tetapi pandangan itu dapat memiliki bias.

Google

Model saliency yang memutuskan bagian mana dari gambar yang akan diunduh terlebih dahulu atau cara memotong gambar secara otomatis tanpa kehilangan dampak visual – atau foto apa yang akan diambil terlebih dahulu – mengarahkan pandangan Anda serta merespons apa yang dilihat orang pertama kali. Seperti yang banyak dari kita perhatikan dari rapat video tanpa henti selama 18 bulan terakhir, kita cenderung melihat wajah orang lain terlebih dahulu, tetapi jika Anda melihat foto seseorang yang sedang melihat sesuatu, Anda akan melihat apa yang mereka lihat.

Dan seperti banyak model pembelajaran mesin yang dilatih hanya dengan melihat apa yang dikatakan dan dilakukan orang, model saliency mengkodekan semua bias orang tersebut, diterapkan secara otomatis, dalam skala besar. Ketika Twitter mengundang para peneliti untuk melihat apakah ada bias dalam algoritme pemotongan gambar yang didorong oleh saliency, ia menemukan begitu banyak masalah bahwa – alih-alih mencoba mendesain ulang algoritme – itu hanya menghilangkan pemotongan otomatis. Penelitian yang memenangkan hadiah bug menunjukkan bahwa algoritme menganggap bahwa wajah wanita muda, kurus, cantik, putih, paling penting. Membuat kulit seseorang lebih cerah dan halus, membuat wajah mereka terlihat lebih ramping, lebih muda, lebih feminin secara stereotip dan umumnya lebih menarik secara konvensional dan algoritme akan memotong foto untuk menyorotnya. Itu cenderung memotong orang-orang dengan rambut putih, serta orang-orang di kursi roda.

Artinya, jika kita menggunakan kamera pintar untuk mengambil foto dari hal-hal penting dalam hidup kita, kita perlu memastikan bahwa itu tidak dilatih untuk mengabaikan kakek-nenek, teman di kursi roda atau apa pun yang tidak cocok dengan siapa dan apa kita’ secara tidak sengaja mengajarkannya untuk melihat dan menghargai karena kita mungkin tidak menyadarinya sampai kita melihat melalui foto-foto itu, berbulan-bulan atau bertahun-tahun – atau berpuluh-puluh tahun – kemudian.


Posted By : togel hari ini hongkong yang keluar 2021