Facebook的AR战略背后,有哪些人工智能技术加持?

简介:
本文来自AI新媒体量子位(QbitAI)

太平洋时间周二的Facebook开发者大会F8,时刻没离开这家公司接下来的重点:AR。

F8首日Keynote演讲,近一半的时间用来谈AR;大会刚一开始,Facebook CEO扎克伯格就发布了AR平台Camera Effects,还将AR称为“下一代计算平台”;会上发布的,还有开发者工具AR Studio和Frame Studio。

不是微软HoloLens那种AR,是Pokemon Go那种。更确切地说,“相机公司”Snapchat那种。

AR背后

Facebook CTO Mike Schroepfer上台详细介绍了AR平台背后的技术:AI;人工智能实验室的负责人Yann LeCun也发Twitter说,驱动增强现实的,是深度学习和计算机视觉技术:SLAM(即时定位与地图构建)、卷积神经网络、Mask R-CNN。

在过去这些年里,Facebook组建了一支强大的人工智能专家团队,负责人正是LeCun。这支团队投入了很大的精力,试图让人工智能去理解静态照片和视频中的内容。

从人工智能的发展角度来看,LeCun领导这些项目很重要,但从Facebook的产品和服务角度来看,我们此前一直不知道它们会往什么方向发展。

或者说,这些技术对Facebook有什么用?

按照Facebook的说法,用户喜欢分享照片和视频,于是这家公司一直在开发新技术,来理解和运用这些内容。

直到F8大会上,小扎身后的大屏幕上出现了这句话:

We’re making the camera the first augmented reality platform.

答案清晰了起来。小扎和Facebook一众高管纷纷表示,要将Facebook应用中的相机功能变为现实增强平台。很明显,人工智能是其中关键。

Schroepfer在会上说,Facebook从2012年开始研究神经网络技术,当时他们搭建了alexanet,这个基本的神经网络虽然效果不是很惊艳,但能从照片中识别出人、树等等物体。

而现在,他们的技术现在能以很高的准确率识别照片中的人物、宠物和产品,或是从一段视频中抹去一艘行驶的帆船。

AI与Facebook的应用们

Facebook的AI技术,当然不只用于AR。

Oculus VR也与人工智能技术关系密切。Facebook和Oculus的研究团队,试图共同解决SLAM技术上的挑战。这项技术能同时识别真实世界中某人的周围环境,以及虚拟现实中的世界和某人在其中的位置。Schroepfer自豪地宣布:“这些系统的作者全部供职于Facebook和Oculus。”

Facebook的其他资产,例如Instagram和Messenger,更依赖于Facebook统一的人工智能研究成果,而这些产品也试图将新技术转化为能覆盖大量用户的体验。

这些移动服务中所用的AI技术,最初都依赖云计算平台,这类计算密集型任务需要用到众多服务器。

而近期,智能手机已可以直接实现某些先进的人工智能功能。这一方面是因为手机硬件逐渐变得更强大,而另一方面也是因为,随着计算科学的发展,研究人员可以尽可能高效地利用计算资源。Schroepfer表示:“这并不仅仅是因为CPU在变得更快。我们也不断提出更优秀的算法。”

这个“更优秀的算法”,就是支持在移动设备上部署深度学习模型Caffe2框架,也在F8大会上正式发布。在量子位公众号(QbitAI)对话界面回复“Caffe2”查看详情。

从手机到更多平台

你可能已经注意到,Facebook增强现实平台的核心是目前已经非常普及的设备:智能手机。但这并不是说Facebook未来不打算像微软推出HoloLens那样,把这项技术用到更多设备中去。

Schroepfer表示,当前的主流硬件已经能实现订制化的现实增强,而这也将帮全球用户为现实增强做好准备。

他说,在10年前iPhone面市时,尽管与以往的设备都有所不同,但看起来却令人感觉眼熟。iPhone同样可以打电话、收发电子邮件,以及浏览网页。

如果Facebook的现实增强平台能通过将数字画面与现实世界画面叠加在一起,推动有用的功能普及,那么未来用户就不会对支持现实增强的眼镜、隐形眼镜或其他设备感到太陌生,从而有助于这些新设备的普及。他表示:“当你开发一类新设备时,用户这样的固有观念将带来困难。”

Schroepfer并未提到此前遭遇失败的谷歌眼镜。在谷歌眼镜推出时,用户对现实增强还没有太深刻的概念。实际上,Schroepfer没有必要关心谷歌眼镜,因为Facebook的做法与谷歌眼镜有明显不同。

只有当用户察觉不到电子设备的存在时,现实增强才能带来“魔法”。那么,这还需要多久?Schroepfer表示,目前我们正处于“研发”活动的“研究”阶段。除此以外,他并未对未来的时间表做出预测。他表示:“在人工智能和现实增强两大领域,许多聪明人的看法都不相同。”

相机公司

最后,量子位还是要说一说“相机”。

Facebook在谈AR的时候,不止一次地提到“相机”,如果你还记得Snap,大概也会想起它在上市时自称是一家“相机公司”。

实际上,作为一家以可视化内容为中心的公司,Snap对Facebook的相机/现实增强战略产生了重要影响。Camera Effects也处处透着Snapchat的影子。

推荐阅读量子位以前写Snap的文章(最后有彩蛋哟~):

美国近年最大科技IPO:90后老板+超模老板娘,人工智能加持

本文作者:陈桦 李林
原文发布时间: 2017-04-19
相关文章
|
14天前
|
人工智能
AnchorCrafter:中科院联合腾讯推出的AI虚拟主播带货视频制作技术
AnchorCrafter是由中科院和腾讯联合推出的一项AI虚拟主播带货视频制作技术。该技术基于扩散模型,能够自动生成高保真度的主播风格产品推广视频,通过整合人-物交互(HOI)技术,实现对物体外观和运动控制的高度还原。AnchorCrafter在物体外观保持、交互感知以及视频质量方面优于现有方法,为在线广告和消费者参与提供了新的可能性。
123 30
AnchorCrafter:中科院联合腾讯推出的AI虚拟主播带货视频制作技术
|
6天前
|
机器学习/深度学习 人工智能 物联网
AI赋能大学计划·大模型技术与应用实战学生训练营——电子科技大学站圆满结营
12月05日,由中国软件行业校园招聘与实习公共服务平台携手阿里魔搭社区共同举办的AI赋能大学计划·大模型技术与产业趋势高校行AIGC项目实战营·电子科技大学站圆满结营。
AI赋能大学计划·大模型技术与应用实战学生训练营——电子科技大学站圆满结营
|
10天前
|
机器学习/深度学习 存储 人工智能
【AI系统】离线图优化技术
本文回顾了计算图优化的各个方面,包括基础优化、扩展优化和布局与内存优化,旨在提高计算效率。基础优化涵盖常量折叠、冗余节点消除、算子融合、算子替换和算子前移等技术。这些技术通过减少不必要的计算和内存访问,提高模型的执行效率。文章还探讨了AI框架和推理引擎在图优化中的应用差异,为深度学习模型的优化提供了全面的指导。
25 5
【AI系统】离线图优化技术
|
1天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术深度解析:从基础到应用的全面介绍
人工智能(AI)技术的迅猛发展,正在深刻改变着我们的生活和工作方式。从自然语言处理(NLP)到机器学习,从神经网络到大型语言模型(LLM),AI技术的每一次进步都带来了前所未有的机遇和挑战。本文将从背景、历史、业务场景、Python代码示例、流程图以及如何上手等多个方面,对AI技术中的关键组件进行深度解析,为读者呈现一个全面而深入的AI技术世界。
34 10
|
4天前
|
机器学习/深度学习 人工智能 监控
AI视频监控技术的核心优势与实践
AI视频监控技术结合了计算机视觉、深度学习和大数据分析,能够实时分析监控画面,识别异常行为和场景变化。其核心在于从“被动记录”转型为“主动识别”,提升监控效率并减少安全隐患。主要应用场景包括泳池管理、健身器械区域、人员密度预警和异常事件检测。系统架构支持多种摄像头设备,采用边缘计算和Docker部署,具备实时性、高准确率和扩展性等优势。未来将优化复杂场景适应性和实时计算负载,进一步提高系统性能。
|
7天前
|
机器学习/深度学习 人工智能 边缘计算
24/7全时守护:AI视频监控技术的深度实现与应用分享
本文深入解析了AI视频监控系统在车间安全领域的技术实现与应用,涵盖多源数据接入、边缘计算、深度学习驱动的智能分析及高效预警机制,通过具体案例展示了系统的实时性、高精度和易部署特性,为工业安全管理提供了新路径。
|
13天前
|
机器学习/深度学习 人工智能 TensorFlow
探索AI技术在医疗健康领域的应用
随着人工智能技术的不断发展,其在医疗健康领域的应用也日益广泛。本文将介绍AI技术在医疗健康领域的应用,包括医学影像分析、智能诊断和治疗建议、药物研发等方面。通过代码示例,我们将展示如何使用Python和TensorFlow构建一个简单的神经网络模型来进行医学影像分析。
43 13
|
12天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术在自然语言处理中的应用
随着人工智能技术的不断发展,自然语言处理(NLP)已经成为了一个重要的应用领域。本文将介绍一些常见的NLP任务和算法,并通过代码示例来展示如何实现这些任务。我们将讨论文本分类、情感分析、命名实体识别等常见任务,并使用Python和相关库来实现这些任务。最后,我们将探讨NLP在未来的发展趋势和挑战。
|
13天前
|
机器学习/深度学习 人工智能 搜索推荐
底层技术大揭秘!AI智能导购如何重塑购物体验
双十一期间,淘宝内测AI助手“淘宝问问”,基于阿里通义大模型,旨在提升用户在淘宝上的商品搜索和推荐效率。该助手通过品牌推荐、兴趣商品推荐和关联问题三大板块,提供个性化购物体验。其背后采用多智能体架构,包括规划助理和商品导购助理,通过对话历史和用户输入,实现精准商品推荐。此外,文章还介绍了如何快速部署此解决方案,并探讨了其对现代购物体验的影响。
|
11天前
|
机器学习/深度学习 人工智能 安全
AI技术在医疗领域的应用与挑战
本文将探讨AI技术在医疗领域的应用及其带来的挑战。我们将介绍AI技术如何改变医疗行业的面貌,包括提高诊断准确性、个性化治疗方案和预测疾病风险等方面。同时,我们也将讨论AI技术在医疗领域面临的挑战,如数据隐私和安全问题、缺乏标准化和监管框架以及医生和患者对AI技术的接受程度等。最后,我们将通过一个代码示例来展示如何使用AI技术进行疾病预测。
26 2