非科学的なフィクション：パターン認識、行動、モバイル開発

最近、実際に存在するChipManがアメリカを訪れ、特にHabrのためにユニークなルポルタージュをもたらしました。



カリフォルニア州サンタクララの5月の晴れた日：インテルの本社：週の高さですが、Intel Labsのビジネス開発マネージャーであるJerry Batistaは、数十の部門を含む会社の研究部門であるIntel Labsについて話をすることに同意しました何十もの最も先進的な科学プロジェクトに従事している全世界に。







Intel Labsの本部であるSC12の建物には太陽が降り注いでいます-フロントには人がほとんどいません。重爆撃機のような実験室のスタッフ全員がミッションで飛び立ったようです。 カフェテリアの近くの会議室を選択すると、壁の碑文が会話を設定します：「あなたの子供の子供の子供は、私たちがしていることをまったくおかしいとは思わないでしょう」







Intel Labsでは何をしていますか？ 私たちの研究の重要なテーマは、将来どのようにコンピューティングを使用するかです。 私の考えを説明します。 プロセッサのコアが多いほど、計算能力が高くなります。 もちろん、テキストを操作して単純なWebサイトを表示するだけであれば、そのようなタスクには多くの計算能力は必要ありません。



そして、どれが必要ですか？



これが私たちが知りたいことです-将来の人々はどのような仕事をしたいのでしょうか？ それらを懸念し興奮させるものは何ですか？ 完全に異なるコンピューティング機能を使用して、どのようなことができますか？



例えば？



たとえば、一般的にナチュラルインターフェイスと呼ばれるもの：ジェスチャと顔の認識、音声認識。 たとえば、音声認識を考えてみましょう-人々はこれを何十年も試みてきましたが、これまでのところ、これらの研究の結果は使用できません。 音声認識は、その品質がほぼ100％に達するまでは役に立ちません。 そしてここで最も難しいことは、これらの最後の割合で音声認識の品質を改善することですよね？ これは大きな問題です。 それは私たちが対処しているこのような大きな問題についてです。



一般に、パターン認識は現代のコンピューターサイエンスの最大の問題の1つです。



そうそう、これは写真、ビデオ、その他の種類のマルチメディアデータにも当てはまります。 私たちの多くは、数百ギガバイトの写真を保管する段ボール箱のデジタル版を持っており、これらの写真はせいぜい積み重ねられていると思います。 もちろん、何らかの方法で「私の祖母、私の叔母」とマークしたり、日付で並べ替えたりすることができます。 しかし、これは非常に初歩的な分類システムです。 このような画像にはわかりやすい中央カタログがないため、ほとんどの人-私はここで例外ではなく、4人の子供がいます-絶対にデジタル写真アーカイブを整理しないので、これらの数百ギガバイトの写真はすべてヒープに積み上げられます。



しかし、最新のパターン認識アルゴリズムは登場しますか？



確かに、背景に落ちた有名な建物やオブジェクト、たとえばノートルダム寺院、赤の広場、または他の人気のある場所を特定することで、写真が撮影された場所を見つける方法があります-これらは非常によく撮影されたオブジェクトなので、システムはそれらを認識できます側。 すべての写真にジオタグ、つまりジオリファレンスがあるわけではないため、このアプローチは画像レイアウトの問題のいくつかを解決します。 現在、フッテージのGPS座標をすぐに記録するカメラモデルがいくつかありますが、既に何年もキャプチャされた画像があります。 それらがどこで作られたかを判断する方法は？ これはそれほど簡単な作業ではありません。 しかし、写真が撮影された場所を見つけ、その場所に関する地形情報があり、その場所のレリーフについてさえあるとしましょう。パブリックドメインには、あなたや他の人たちの写真がまだたくさんあり、システムはそれらを一緒にコンパイルします文字通り過去に足を踏み入れ、旅行フォトアルバムを手探りしているように、これらの写真を簡単な方法で見ることができます。



きれいですね。



他にもあります-セキュリティ。 Intel Labsでは、セキュリティには深刻なコンピューティングパワーが必要であることを理解しています。 政府のサービスが指名手配者リストから人々を見つけるために使用する顔認識アルゴリズムがすでにたくさんあるとしましょう。 次に例を示します。すぐにロシアに行き、空港に行き、そこにカメラがぶら下がって、あなたの希望に関係なくあなたを記録します。 あなたは彼らに気付かないかもしれませんが、彼らはまだどこかにたむろしてあなたを離陸させます。 希望する場合は、システム内のどこかで、信号が確実に機能します。 しかし、実際には、希望する人の数はそれほど多くないため、同時に同じ場所にいました。システムは不審な人を検索し、潜在的なトラブルを防ぎます。 しかし、ここにあります-望んでいない人々によって行われた悪いことの束。 犯罪やテロ行為は、これまで犯罪者として知られていないランダムな人によって行われた可能性があります。 できることは次のとおりです。空港での人々の行動を見て、カメラで撮影された彼らの行動がどのように疑わしいのかについて結論を出そうとします。



しかし、これは研究の大きな分野ですか？ 黒い白鳥、ワイルドカード、原則としては発生する可能性があるが、統計的に予測または検出されない状況。 これらは、個々のマイクロイベントからのそのような構造であり、最終的に大惨事に発展します。



はい、ほとんど目立たないことがあります。 しかし今、あなたは非常に高いレベルでのデータマイニングについて話しています：電子メール、写真、車両の動きのパターン、および脅威を認識するためのWebサイト訪問の統計の分析。 はい、彼らも今これをやっており、これは本当に大きな研究と実用的な分野ですが、私は別のアプローチについて話したいです。 見てください、あなたは人を映しているビデオカメラからのビデオを持っています; 彼は何か、彼自身の問題のいくつかに従事しています。 彼にはバッグがあり、次のフレームがあります-そして彼はもうバッグを持っていません。 バッグはどこに行きましたか？ これはどのようなバッグですか、危険をもたらすことができますか？ おそらく爆発的なデバイスを持っていますか？ 複数の空港カメラのデータを一度に使用して、この不審な人物の行動を追跡することができます。 現在、このプロセスは完全に自動化されておらず、これを可能にするソフトウェアパッケージとアルゴリズムはありません。 しかし、想像してみてください。この人がバッグを他の人に渡すフレームを探していて、彼が他のどんな人なのかを判断しようとしているとしましょう。 彼は同じ年齢ですか？ これは女性ですか？ それらが一緒になっているフレームはありますか？ 答えが肯定的である場合、おそらく夫と妻であり、夫は妻にハンドバッグを渡したが、悪いことは何も起こらなかった。 しかし、最初の人が一人で移動した場合、ある時点でバッグを「紛失」し、フレームの1つでこのバッグは人里離れたコーナーで孤独に見え、他のカメラではその人が急いで空港を出ることがわかります。問題のようです。 これは非常にデリケートで非自明な状況であり、どのようなセキュリティ担当者もそのような状況を監視する忍耐を持たないことに同意します。 しかし、知的コンピュータシステムはそれを行うことができます。 この例で示したいのは、そのような計算に非常に大きな機会があることです。非常に複雑ではなく、かなり強力なパターン認識アルゴリズムを使用できます。これは、かなり長く複雑なパターンに関する結論と結論を引き出すプログラムの基礎を形成します。 このようなプログラムで疑わしいことが実際に発生しているように思われる場合は、関連するセキュリティ担当者に通知し、何が起こっているかの概要レポートを表示することができます。



私たちが見ているもう1つの傾向は、コンピューティングのさまざまなソーシャルアプリケーションです。 たとえば、高齢者の世話。 あなたは年老いた祖母がいて、いつでも助けが必要になるかもしれないので、あなたは彼女の家からいくつかの定期的な写真を見たいとします。 ただし、セキュリティとプライバシーの問題はすぐに発生します。そのような画像は間違った手に渡ってはいけません。 そして、これらの問題を解決する方法は次のとおりです。詳細が区別できず、明るい光を必要としない非常に低い解像度の画像に基づいて、祖母が彼女の人生をどのように生きているかを分析することができます。 彼女が通常の時間に眠り、目覚め、バスルームに行き、料理をし、歩き、またはテレビを見ていることに気づいたら、すべてが正常です。 または、自分でインスリン注射を行います-そのようなことは追跡および記録することもできます。







Intel Digital Healthには既に同様の製品がありますか？



はい、しかしそれほど複雑で汎用的ではありません。 私はより複雑なデバイスについて話している-画像分析の結果として、それはあなたにSMSを送信するだけです。 祖母の料理を見る必要はなく、彼女が大丈夫だということを知りたいだけで、彼女は誰も彼女をフォローしていないことを知りたいのです。 システムは単に画像の包括的な分析を行い、祖母の行動について結論を導き出し、短いメッセージを送信します。 すべてのカメラの画像はすべて彼女の家に残り、どこにも送信されないため、彼女のプライバシーは危険にさらされません。



つまり、将来的にはスマートデバイスに囲まれます。



確かに、インテルではこの概念を「計算の連続体」と呼んでおり、将来的には「クラウド」だけでなくローカルでも本格的なコンピューティングが実行されると述べています。 私たちの生活は、スーパーコンピューターで実行されるクラウドサービスから、ポケットに入れて携帯できる携帯電話のような小型のパーソナルエレクトロニクスまで、文字通りコンピューターに囲まれます。 すべてのデバイスとすべてのアプリケーションは、データ交換標準、ソーシャル接続、ユーザーの現在のコンテキストを介して相互にやり取りします。 すぐにいくつかの傾向があります。非常に多くのコンピューティングリソースがあり、ムーアの法則は非常に良いと感じています。そして、コンピューターに搭載できるコアの数を増やすことができます。



しかし、ムーアの法則は永遠ではありません。



ああ、私たちは定期的に尋ねられます-ムーアの法則が停止したら、これらのトランジスタで何をしますか？ このようなクレイジーなコンピューティングパワーが必要なのは誰ですか？ しかし、これまでに示した例から、さらに先へ進むことができることは明らかです。 ここでの理由は、Intelにとって便利であるということではありません。私たちの社会では、ますます増大する計算能力に対する客観的なニーズがあります。 オブジェクトの現実的なゲーム物理学なしでは今では想像するのが難しい現代のゲームも取りますが、これは非常にリソースを消費するタスクです。 画面上の何かが爆発すると、断片は非常に説得力のある方法で動作します-実際のように。 衝突が考慮され、駆動力だけでなく、衝突の弾性も計算されます。 このようなゲームを12歳の子供に見せても、ニュートンの法則を彼に説明する必要はありません。彼はすでに知っており、彼が見たものに完全に喜んでいます。 そして結局のところ、子供は画面上のこのすべての美しさを計算するには強力なクアッドコアシステムが必要であることを説明できません。



Cameronの「アバター」に似たゲームを想像すると、素晴らしい計算能力が必要になります。



まさに！



そして、私たちはそのような能力から遠く離れていますか？



ああ、これは大きなトピックです-ここでは、物理学だけでなく、行動も重要です。 スクリプトによると、多くのゲームで悪者があなたを攻撃するとき、彼らは非常に無作法に行動することを知っています。 群衆の中を走り回って撮影します。 しかし、自然界ではすべてがそうではないことも知っています。 オオカミや他の捕食者は狩猟行動、狩猟パターン、そしてサメも使用していると言います。 彼らがグループによって狩られた場合、役割はグループ内に分散されます-1つは獲物を追い、他はそれを囲みます。 被害者がパックを見るずっと前に、パックは一緒になって行動します。 現代のエンターテインメントで同様の行動パターンを使用して、ゲームをさらに信頼できるものにすることができます。 まあ、画像の品質は本当に重要な役割を果たします-要するに、物理学、グラフィックス、行動モデルの要約を開始すると、未来のゲームは非常に複雑で現実的であり、まったく新しいレベルのコンピューティングパワーが必要になることが明らかになります。 そして、あなたはアバターになりたいと思っています。あなたは、ゲーム内で顔があり明確な身体能力を持っている生きている人間として、サメのように振る舞うエイリアンの生き物に追われたらどう反応するかを知ることは非常に興味深いです獲物を囲む？ これにより、ゲームはまったく新しいレベルになり、まったく異なるコンピューティングパワーが必要になります。



これらはインテルラボで行っているプロジェクトです。非常に多くのプロジェクトがありますが、それらはすべて、将来のコンピューティングリソースをどのように使用したいかに関係しています。 遠い未来ではなく、10年後でも-5年後、4年後。 私が話しているのは、サイエンスフィクションではなく、私たちの近い将来です。



いくつかのIntelプロジェクトのプレゼンテーションから戻ったばかりで、ユーザーコンテキストは赤いスレッドでそれらを通り抜けました。 しかし、問題があります-互いに互換性のない多くの最新のモバイルデバイス。 どうやって彼ら同士で話させるのですか？ 友人にはiPhoneが付属しており、Androidを持っています。写真を送って、指でpドラッグして携帯電話にドラッグするだけです。 今のところこれは不可能です。手紙を書いたり、写真をドラッグしたり、ちらつきを始めたり、Bluetoothセッションを開いたりする必要があります。



はい、プラットフォーム内ではこのようなことができますが、外部ではなく、近隣のプラットフォームではできません。 電話からラップトップに写真を転送することさえ、すでに問題です。 この問題を解決するにはいくつかの方法があります。 それらの1つは、鉄片を作成するときです。常に...ああ、無駄に「常に」と言います...ほとんどの場合、最終製品開発者が使用できる本格的なテストソリューションのようなリファレンスデザインを作成しようとしますサンプルとして。 そのため、通常は、実際に動作するシステムでハードウェアを使用する方法を正確に示しています。 たとえば、モバイルデバイスに送信されるチップには、実際に本格的なモバイルガジェットである参照デバイスを作成します（良い例はCanoe Lakeです）。 これらのガジェットには、インターフェース、ディスプレイ、入力システムなどがあります。 しかし、ここでは適切な方法で境界線を引く必要があります-しかし、ほとんどの場合、最終的なソリューションではなく、コンピューターチップとチップセットを提供します。他のすべては、チップの使用方法を示すための単なる方法です。 そのため、ソフトウェア開発では、かなりの量のアプリケーション（ゲームも含む）を作成し、それを内部から表示することで、ISV（ソフトウェアメーカー）がコードを調べて、その方法を理解できるようにします。 そして、これらのアプリケーションを共有しています。



また、コードを最適化するための広範なツール、マルチスレッドプログラミングツールなども用意されているため、開発者が望んでいることを理解し、開発に直接関与し始めると、プログラムの調整と改善を支援できます。 これはそのようなプロセスです。何か新しいものを作成すると、この新しいものについてすぐに特定の学習曲線が生じ、使用および開発ツールの例を新しい製品に提供する必要があります。 私たちはハードウェア製品で何度もこの方法でやって来ましたが、ソフトウェア開発でこれを行うことを知っています。



例ですべてが明確になっていますが、ユーザーエクスペリエンス、ユーザーエクスペリエンスをどうすればよいのでしょうか。 認知心理学や関連するトピックを教えられていないプログラマーは、このユーザーエクスペリエンスがどのように作成されるのかをどのように理解できますか？サンプルライブラリのいくつかのファイルに基づいてそれを本当に考えるべきでしょうか？



あなたは正しいと思います。 機能的には、これを行うのは難しく、自然なインターフェイスを操作する方法を検討する必要があります。 そして、あなたは正しいです-今、このためのツールはありません。



Intel Labsはこの分野で研究を行っていますか？



残念ながら、それほど高いレベルではありません。 とても難しいです。 特定のデバイスを超えて、より高いレベルの抽象化に目を向けます。優れたデザインのいくつかのパターンで、エコシステムに注目します。



— , , ?



そうだね。 . , , , , , , . Apple - — , , . , — . NVIDIA CUDA , , Intel, , . , . , , , , .



— Intel , — , , ? , ? , .



, , ?



, . , , , , , , — , . - ? . , - - , , , .



Intel Labs , ?



はい、そうです。 — - , , . , , — ? , , , , - ().



: , , Intel Labs ; , , — , . , , — , , . , Intel. , , , . , , Intel Labs . , .







継続する。