Facebook 的智能聊天設備「撲街」了，但它背後的 AI 不容小覷

承認吧，每次開啟視頻聊天，我們總得花上至少一分鐘調整設備位置，才能確保大家不是在盯著對方的雙下巴和大鼻孔。

從這個角度來看，Facebook 在去年 10 月發布的智能聊天設備 Portal Plus 提供的解決方案不乏創新。

簡單來說，Portal Plus 採用的智能攝像頭可自動追蹤用戶，確保你不會走出可視範圍，而且還會根據用戶離設備的實際距離來調整音量。也就是說，即使你聊天聊到一半，忽然起身去房間另一端拿個東西，對方也不會因此看不到或聽不清你講話。

▲ 圖片來自 Gizmodo

這種體驗，就跟面前有個專人為你拍攝一般。實際上，為了做到這個效果，Facebook 的工程師們的確找來了好萊塢的專業攝影師做諮詢學習。

和很多智能手機的相機演算法不同，Portal 背後的演算法追蹤的不是人臉，而是人的姿勢和動作。

早在 2017 年，Facebook 的人工智慧團隊就已經建立了一套名為 Mask R-CNN 的計算機視覺模型，可追蹤人類 2D 動作姿態。Portal 將這套演算法精簡優化至小型移動設備晶元也能跑起來的 R-CNN2Go 模型。

在這個階段，雖然鏡頭已經懂得跟人走，但視頻看起來還是「僵硬又死板」。於是乎，Portal 團隊找來了好萊塢外援——攝影師、電影攝影技師和紀錄片製作人，一方面學習被廣泛接受的攝影「基本功」，另一方面，則是拋出在家庭聊天情景下可能遇到的刁鑽角度，並看專業人士們會如何處理。

▲ 圖片來自 lovevfx

我覺得團隊算是成功讓鏡頭拍出比較成熟的構圖，就是那種得有點技術，以及對人的行為有所了解才能做出的決策。

Rafa Camargo 說道，她是 Facebook 硬體業務副總裁，同時也是 Portal 項目的負責人。在加入 Facebook 前，Camargo 是 Google 的創新部門 ATAP（Advanced Technologies and Projects）的成員。

對於發展人工智慧來說，「自然」這一標準的門檻其實很高，因為那意味著機器（或者是背後的工程師）找到了讓模擬成果「像人」的關鍵。

2018 年的 Google I/O 大會上，打電話到理髮店預約的 Google Assistant 曾以語氣詞「Mm-Hmm」驚艷全場，而現在 Portal，則借用了好萊塢在觀眾身上培養出的觀影習慣來打造「自然」感。

它給人的感覺很自然。其實他們在電視和電影中採用這種構圖，也是因為在這些年裡，大家發現這就是人類大腦喜歡的方式。

除了要做到「自然」，Portal 團隊在設計模型時還做了一些很有意思的選擇題。

譬如：一家人在和奶奶視頻聊天，突然間，孩子突然從媽媽的懷抱里跳了起來，開始到處跑，最後還去了房間里很暗的角落。這樣的情況下，Portal 要不要繼續追蹤孩子呢？

有人從偏理性的角度出發，覺得，如果小孩跑得太快，追蹤他會讓畫面效果不好，所以還是別跟拍小孩了。但當 Portal 團隊奶奶類用戶諮詢這個問題時，大部分人都說，用視頻聊天大多都只為了見見鏡頭另一邊的人，尤其是孩子。

▲ 圖片來自 Facebook

Portal 團隊最後還是為用戶留下了手動控制權，他們既可以用自動模式，跟拍所有進入鏡頭的人，或者，選擇專註在特定人身上，忽略其他人。

雖然在這裡，Portal 將選擇權交給了用戶，但我們不能忽視的是，現在一些智能手機的相機甚至視頻聊天會默認「美顏」，用戶看不到「原始模樣」；而 Netflix 這類流媒體服務也默認只提供「推薦內容」，想看「原始」的完整列表還要 「秘密代碼」。

這些演算法服務的本質，是用戶「繳械」了選擇權，很多時候這不止於決策權，同時還有獲取「原始」內容的權利。

也許這也是為什麼，當談論到人工智慧服務，「信任」是用戶選擇服務方的關鍵之一。

這不僅牽涉了隱私權，還關乎我們在讓誰幫我們做選擇。經過過去兩年的種種醜聞，Facebook 這個的名字成為 Portal「撲街」其中一個主要原因，同時，這個名字也讓一般人對安全性特別敏感。

無可否認的是，Facebook 在 Portal 背後的演算法對視頻聊天體驗的確帶來了全新的提升，或者只需換個名字，它就能火起來。Facebook 團隊也有計劃將 R-CNN2Go 這套模型推廣到手機應用等產品上。

多個調查指出，大部分美國人都不知道 Instagram 和 WhatsApp 是 Facebook。

題圖來自 Slash Gear

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！