구독이 필요 없는 비디오 초인종에 투자했는데 스마트 홈에 대한 결실을 맺고 있습니다
당신의 모든 사진을 찍을 수 있다고 약속하는 카메라는 유용한 도구일 수도 있고, 우리가 아직 깨닫지 못하는 방식으로 우리의 기억을 바꿀 수도 있습니다.
이것은 모달 창입니다.
대화 상자 창의 시작. Esc는 취소되고 창을 닫습니다.
대화 상자 창의 끝.
이것은 모달 창입니다. 이 모달은 Esc 키를 누르거나 닫기 버튼을 활성화하여 닫을 수 있습니다.
이것은 모달 창입니다. 이 모달은 Esc 키를 누르거나 닫기 버튼을 활성화하여 닫을 수 있습니다.
디지털 카메라와 스마트폰이 등장한 이래로 우리는 쉽게 관리할 수 있는 것보다 더 많은 사진을 찍어 왔지만, 즐기느라 바쁘거나 어떤 사람들은 그 안에 있기보다는 사진을 찍는 경향이 있기 때문에 기억하고 싶은 순간의 사진을 가지고 있지 않은 경우가 많습니다. 이것이 바로 lifecams가 처리할 것을 약속하는 것입니다.
당신을 위해 사진을 찍는 카메라를 갖는 것의 요점은 당신이 찍고 싶은 사진에 대해 열심히 생각하는 신중하게 구성된 이미지를 대체하는 것이 아닙니다. 인생의 순간을 포착하고 카메라를 꺼낼 생각 없이 자유롭게 즐길 수 있도록 하는 것이 더 중요합니다. 미래에 기억하는 데 도움이 되도록 자신의 삶을 자세히 기록하고 싶거나(아마도 기억력이 예전만큼 좋지 않을 때) 항상 사진을 찍는 사람은 본인이고 사진을 찍는 사람은 절대 없는 경우 이 아이디어가 매력적으로 보일 수 있습니다.
항상 켜져 있는 장치가 경고 없이 스냅되는 경우 잠재적인 개인 정보 보호 문제가 있을 뿐만 아니라 방문자에게 경고하고 솔직한 카메라를 사용하지 않도록 선택권을 제공하는지 여부에 대한 에티켓 질문이 있습니다. 이는 일반 선글라스로 위장한 스마트 안경의 문제와 매우 유사하여 많은 사람들이 불편함을 느끼며, 최근 몇 주 동안 우리 모두가 자세히 살펴본 '치즈 앤 와인' 파티의 많은 사진과 비디오는 누군가가 흥미로운 일을 하고 있을 때 사진을 자동으로 찍는 것이 항상 좋은 것만은 아닌 이유를 강조합니다.
참조: 해킹 공격은 점점 더 악화되고 있으므로 사이버 보안 교육은 개선이 필요합니다.
그리고 당신이 그것을 찍지 않았기 때문에 당신이 가지고 있는지도 몰랐던 사진을 검색하는 것은 어떨까요? 당신의 모든 친구들(그리고 전 세계의 데이터 규제 기관)이 얼굴 인식뿐만 아니라 지난 10년 동안 어느 여름 오후에 부엌 식탁에 앉아 있는 베릴 이모의 사진을 불러올 수 있기 위해 해야 하는 다른 데이터 마이닝에 익숙해질까요?
스마트 기상 관측소의 피드를 통해 카메라가 바깥 날씨를 알 수 있기를 원하십니까, 집 Wi-Fi에 연결된 전화기의 냄새를 맡을 수 있기를 원하십니까, 아니면 부엌의 공기를 샘플링할 수 있기를 원하십니까(냄새는 가장 연상시키는 감각 중 하나이기 때문에 쿠키를 굽고 있었다는 것을 몇 년도보다 더 쉽게 굽고 있었다는 것을 기억할 수 있습니다)? 이름이 기억나지 않는 사람을 추적하는 것은 어떻습니까?
무엇이 흥미로운 사진을 만드는가에 대한 질문도 약간 골치 아픈 문제인데, 유용하기 위해서는 이러한 라이프캠이 사람들이 돌아서거나, 눈을 깜빡이거나, 그냥 앉아 있는 수백 장의 멍청한 스냅 사진에서 가치 있는 이미지를 골라낼 수 있을 만큼 충분히 좋은 소프트웨어가 필요하기 때문입니다. 기억에 남는 하루의 사진을 찾을 수 없는 이유는 올바른 검색어가 없었기 때문이거나 AI가 사진을 찍을 가치가 있는 것을 감지하지 못했기 때문이라고 생각하지 마십시오.
'흥미로운'에 대한 기술 용어는 현저성(saliency)이며, 현저성 알고리즘에는 우리가 이제 막 살펴보기 시작한 편향이 있습니다. 당신이 그림을 볼 때, 당신은 전체 그림을 한 번에 보는 것이 아니다: 당신의 눈은 당신의 뇌가 가장 흥미롭다고 생각하는 것으로 간다. Google은 이를 새로운 이미지 형식의 기초로 사용하는데, 머신 러닝 모델이 예측하는 이미지 중 가장 흥미로운 부분, 즉 주변의 나뭇잎보다는 꽃, 머리 뒤의 벽보다는 눈과 입이 먼저 다운로드됩니다.
Google의 머신러닝 모델은 우리가 사진에서 보는 것을 학습하지만 이러한 시선에는 편향이 있을 수 있습니다.
이미지의 어떤 부분을 먼저 다운로드할지, 시각적 효과를 잃지 않고 이미지를 자동으로 자르는 방법, 또는 처음에 어떤 사진을 찍을지 결정하는 현저성 모델은 사람들이 먼저 보는 것에 반응할 뿐만 아니라 시선을 유도합니다. 지난 18개월 동안 끊임없는 화상 회의를 통해 많은 사람들이 눈치챘듯이, 우리는 다른 사람의 얼굴을 먼저 보는 경향이 있지만, 무언가를 보고 있는 사람의 사진을 보면 그들이 무엇을 보고 있는지 보게 될 것입니다.
그리고 사람들이 말하고 행동하는 것만 보고 훈련된 많은 기계 학습 모델과 마찬가지로, 현저성 모델은 이러한 사람들의 모든 편향을 대규모로 자동으로 인코딩합니다. 트위터가 두드러짐 기반 이미지 자르기 알고리즘에 편향이 있는지 알아보기 위해 연구원들을 초대했을 때, 너무 많은 문제를 발견하여 알고리즘을 다시 설계하는 대신 자동 자르기를 제거했습니다. 버그 바운티를 받은 연구에 따르면 알고리즘은 젊고, 날씬하고, 예쁘고, 하얗고, 여성의 얼굴이 가장 중요하다고 생각한다. 누군가의 피부를 더 가볍고 매끄럽게 만들고, 얼굴을 더 날씬하고, 젊고, 고정관념적으로 여성적이고, 일반적으로 더 일반적으로 매력적으로 보이게 하면 알고리즘이 사진을 잘라 강조합니다. 흰 머리를 가진 사람이나 휠체어를 탄 사람을 잘라내는 경향이 있습니다.
즉, 우리가 스마트 카메라를 사용하여 우리 삶에서 중요한 사진을 찍는다면, 조부모, 휠체어를 탄 친구 또는 우리가 우연히 누구를 보고 무엇을 소중히 여기도록 가르쳤는지와 일치하지 않는 다른 어떤 것도 무시하도록 훈련되지 않도록 해야 합니다. 몇 달 또는 몇 년 또는 수십 년 후.