Funkcje AI we współczesnych smartfonach można podzielić na trzy grupy – przydatne, nieprzydatne i niedostępne w Europie. Te z kolei też można podzielić na mniej i bardziej użyteczne. To jest jednak temat na osobną historię i niedługo wrócimy do tematu na łamach Zero.pl.
AI jest dzisiaj wszędzie i wszystko ma AI. Zawsze powtarzam, że najbardziej inteligentnym urządzeniem na rynku jest włącznik światła. To AI w najczystszej postaci. Włącznik wie, że kiedy go wciśniemy, on ma uruchomić świecenie żarówki. Nie mówiąc już o tym, że czajnik w inteligentny sposób wie, że po wciśnięciu guzika ma zagotować wodę. Doszliśmy już do takiego poziomu absurdu, że producent reklamujący w ten sposób swój czajnik kompletnie nikogo nie zdziwi.
Podobne rzeczy możemy powiedzieć o smartfonach. Niektóre z dostępnych w nich dzisiaj funkcji jeszcze kilka, a nawet kilkanaście lat temu też działały, ale nie nazywały się AI. Były to co najwyżej „algorytmy sztucznej inteligencji”, a bardziej fachowo uczenie maszynowe.
Honor Robot Phone to najdziwniejsza konstrukcja ostatnich lat. Sprawdziłem, co potrafi
Co jest, a co nie jest działaniem sztucznej inteligencji?
Apple Siri (fot. Arkadiusz Dziermański / Zero.pl)
„Algorytmy sztucznej inteligencji” pojawiały się w opisach możliwości smartfonów długo przed 2020 r. Mówiono w ten sposób przede wszystkim o aparatach i rozpoznawaniu scenerii i dopasowywaniu parametrów fotografowania do kolorystyki i oświetlenia kadru. Tylko trudno jest wskazać, kiedy do gry wkroczyła AI i zatarła się granica między wykorzystaniem sztucznej inteligencji, a zwykłym trybem automatycznym. Czymś, co jest obecne w aparatach cyfrowych od niemal zawsze.
Bo jeśli aparat sam dobiera balans bieli, czas otwarcia migawki czy wartość przysłony, to już jest AI, czy jeszcze nie? Czy rozpoznawanie twarzy to już działanie sztucznej inteligencji, czy wypadkowa działania autofocusu?
Wykrywanie twarzy, a nawet uśmiechu na zdjęciach było dostępne np. w Sony-Ericssonie C510 w 2009 r. Nie były to czasy sztucznej inteligencji, a jednak prosty telefon w jakiś sposób wiedział, że w kadrze jest twarz. Zwyczajnie analizował obraz w poszukiwaniu obiektu spełniającego wgrane do swojego systemu kryteria.
Sony-Ericsson C510 (fot. Inne)
Rozpoznawanie uśmiechu pojawiło się w telefonach z aparatami Cyber-Shot Sony-Ericssona jeszcze wcześniej, bo w 2007 r. To również była analiza obrazu na podstawie wgranej instrukcji. Z czasem technologia oczywiście ewoluowała, ale nie ma wystarczających publicznych danych, aby jednoznacznie określić wewnętrzny algorytm każdego telefonu, każdej marki. Niektóre z nich zapewne korzystały z uczenia maszynowego, ale początkowo była to tylko ręcznie zaprojektowana analiza geometrii twarzy.
Chcesz nagrywać filmy do internetu? Wybierz smartfon zamiast kamery sportowej
Uczenie maszynowe w mobilnej fotografii pojawiło się wyraźnie przed 2020 r.
Smartfony Huawei (fot. Arkadiusz Dziermański / Zero.pl)
Huawei Mate 10 z 2017 r. był jednym z pierwszych modeli, które wprowadziły inteligentne rozpoznawanie kadrów. Smartfon rozpoznawał w czasie rzeczywistym 13 kategorii scen i obiektów, m.in. ludzi, psy, koty, jedzenie, tekst, śnieg i noc, po czym zmieniał ustawienia aparatu. Za działanie tej funkcji odpowiadał procesor neuronowy (NPU) obecny w układzie Kirin 970.
Huawei wprost reklamował to jako funkcję opartą na AI, choć bezpieczniej byłoby to nazwać uczeniem maszynowym. Natomiast następujące po nim zwiększenie nasycenia kolorów jedzenia, podbicie zieleni roślin, skrócenie ekspozycji psa czy uruchomienie trybu portretowego pozostawało zestawem reguł i klasyczną edycją.
Wcześniej smartfony nauczyły się rozpoznawać głębię obrazu. Na początku bez wsparcia algorytmów. HTC One M8 z 2014 r. miał dodatkowy sensor rejestrujący informacje o głębi. Dane pozwalały później zmieniać punkt ostrości i rozmywać tło w funkcji UFocus. Znamy to z wielu innych smartfonów, ale w tamtych czasach działo się to bez wsparcia sztucznej inteligencji.
HTC One M8 (fot. Inne)
Z uczenia maszynowego, według Apple, korzystał iPhone 7 Plus w 2016 r. Za pomocą dwóch aparatów tworzył mapę głębi, a następnie zaawansowane uczenie maszynowe odpowiadało za utrzymanie głównego obiektu ostrego na pierwszym planie i rozmycie tła. Jeszcze czytelniejszym przykładem był Google Pixel 2. Sieć neuronowa wytrenowana na blisko milionie zdjęć tworzyła maskę segmentacyjną wskazującą, które piksele są człowiekiem, a tylna kamera wykorzystywała dwa obrazy generowane przez piksele Dual Pixel do obliczenia mapy głębi. Dopiero połączenie maski i głębi sterowało rozmyciem tła.
Test Dyson Spot+Scrub Ai. Ktoś nauczył się robić roboty sprzątające
Przewidywanie działań użytkownika, tłumaczenie obrazu na żywo czy adaptacyjna bateria były dostępne na długo przed modą na AI
Google Pixel 11 Pro (fot. Arkadiusz Dziermański / zero.pl)
Istnieje wiele procesów, które dzisiaj zostałyby określone niemal jako magia dziejąca się za sprawą AI, a które tak naprawdę wykorzystywały uczenie maszynowe tylko w części całego procesu.
W 2015 r. Google wprowadził do aplikacji Translatora funkcję odnalezienia tekstu na obrazie, rozpoznania go i przetłumaczenia z nałożeniem na obraz w czasie rzeczywistym. Podczas podróży to dzisiaj dla wielu osób jedna z podstawowych funkcji smartfonu. Rozpoznawanie znaków na obrazie faktycznie było efektem uczenia maszynowego, ale sieć neuronowa była wykorzystywana dopiero w 2016 r. Wcześniej tłumaczenie odbywało się na statystycznych modelach i dopasowaniu do wcześniej przetłumaczonych tekstów.
Również w 2015 r. pojawiło się wyszukiwanie zdjęć w Zdjęciach Google oraz ich organizacja. Wystarczyło wpisać w aplikacji „las”, a smartfon przeszukiwał bibliotekę zdjęć pokazując te zawierające las. Google od początku przedstawiał aplikację Zdjęcia jako produkt wykorzystujący lata badań nad uczeniem maszynowym, a później określiło usługę jako jeden ze swoich pierwszych produktów „AI-native”. Uczenie maszynowe odpowiadało przede wszystkim za rozumienie wizualnej zawartości fotografii. Rozpoznawanie przedmiotów, zwierząt, ludzi, krajobrazów i rodzajów wydarzeń.
Nie każde wyszukiwanie wymagało wykorzystania algorytmów AI. Często wystarczyła analiza zapisanych danych GPS, etykiety albumu, wykorzystanie znacznika czasu oraz wcześniejsze sortowanie i zapisywanie wyników. Każdorazowe wyszukiwanie wspomnianego lasu nie musiało kolejny raz uruchamiać wszystkich algorytmów.
Klawiatura Quick Type (fot. Inne)
W 2014 r. klawiatura QuickType w iOS 8 przewidywała wyraz, który chcemy wprowadzić podczas pisania. Jak to działało? Program liczył, jak często dane słowo występowało po jednym lub kilku poprzednich wyrazach. Jeżeli użytkownik napisał „do zobaczenia”, model mógł ustalić, że kolejnym słowem najczęściej jest „jutro”. Nie rozumiał znaczenia wypowiedzi — wybierał ciąg o najwyższym wyuczonym prawdopodobieństwie. W ten sposób klawiatura uczyła się nawyków użytkownika.
Android 9 w 2018 r. wprowadził funkcję adaptacyjnej baterii. Podobne rozwiązania tworzyli później niemal wszyscy duzi producenci w swoich urządzeniach. Smartfon obserwował, które aplikacje uruchamia użytkownik i kiedy to robi. Przewidywał, które programy będą używane w najbliższych godzinach, nadawał im różne priorytety i z czasem ograniczał aktywność tych mniej potrzebnych. To klasyczny przykład uczenia maszynowego.
Czy współczesne funkcje to faktycznie AI i czy w ogóle ich potrzebujemy?
Dobrych 10 lat temu smartfon nie potrzebował generatywnej AI, aby przewidywać zachowanie użytkownika. Wystarczały wyspecjalizowane modele, które wybierały najbardziej prawdopodobną kategorię, słowo, aplikację lub czynność, a zwykłe oprogramowanie realizowało resztę.
Czy wraz z czasem AI w jakiś sposób zmieniło i ulepszyło działanie funkcji, o których wspomniałem? Sztuczna inteligencja faktycznie pojawiła się w tłumaczeniach tekstów na obrazach, ale nie odpowiada za każdy etap realizacji procedur. AI nie zastąpiła algorytmów wyszukiwania zdjęć w Zdjęciach Google, ale została nadbudowana na istniejącym systemie i umożliwia sprawniejsze wyszukiwanie np. przy użyciu języka naturalnego. Przewidywanie tekstu to nadal uczenie maszynowe, ale AI dodaje nowe funkcje, jak przewidywanie całych wiadomości i rozpoznawanie kontekstu rozmowy.
Samsung Galaxy Z Fold8 Ultra (fot. Arkadiusz Dziermański / Kanał Zero)
AI nie zastępuje całych funkcji. Zastępuje przede wszystkim te ich fragmenty, w których trzeba rozpoznać znaczenie, przewidzieć zachowanie albo obsłużyć ogromną liczbę niejednoznacznych przypadków. Pozostałe etapy nadal lepiej, taniej i pewniej realizuje tradycyjne oprogramowanie. Tylko to już nie brzmi tak dobrze.
Dlatego też dzisiaj wszystko jest „EjAjem”, nawet jeśli od strony technicznej nie do końca jest to prawda. Trzeba jednak przyznać, że lepiej brzmi AI Portrait Capture lub Best Face niż algorytm wykrywania twarzy i uśmiechu. Niewygaszenie ekranu, kiedy n niego patrzymy, co łatwo wykrywa przednia kamera, nie brzmi tak pociągająco jak AI Eye Tracking. Z kolei tłumaczenie napisów z obrazów na żywo nawet nie stało obok AI Camera Translate.
Marketing wokół AI jest potężny, ale chyba w końcu czas się opamiętać. Tym bardziej, że często nie wiemy, czy faktycznie mamy do czynienia ze sztuczną inteligencją, czy tylko tak nazwaną funkcją, która albo jej nie wykorzystuje, albo robi to w bardzo małym stopniu.
Może zainteresuje cię:
