Google Home旗下的"熟悉面孔"功能多年来问题频出,但Google正试图通过两项关键改进来解决Nest摄像头的这一痛点。
自2021年Nest硬件重新上线以来,Google一直将"熟悉面孔"作为现代Nest摄像头的重要卖点之一。借助人脸检测技术和不断扩充的人脸数据库,摄像头能够即时识别出现在门口的人是谁。这个功能听起来很有吸引力,ADT甚至曾尝试利用这一数据来实现自动开门和解除安防系统的联动。
然而问题在于,这项功能实际表现差强人意。
"熟悉面孔"功能频繁失误,令人头疼。它可能对每天都出现在镜头前的人毫无反应,也可能将一个人错误识别为另一个人,各类错误屡见不鲜。作为Nest摄像头的日常用户,笔者深有体会——摄像头几乎从未能准确识别出任何人。多年来,笔者多次尝试"重置"人脸数据,也时常手动纠正Google错误标注的人脸信息,但每一次,功能都会逐渐退化回原点,带来的麻烦远大于便利。Gemini本应在这方面有所帮助,但实际效果几乎感受不到。
对此,Google宣布将推出两项改进措施。第一项是新增"点赞/踩"反馈工具,让用户能够更快捷地告知系统某次识别结果有误。第二项改进针对人脸数据库本身,Google将自动剔除其中"模糊、重影、非正面或过小"的人脸图像,从而在用户手动进行修正时,让数据库更便于浏览和管理。
对此,Google官方解释称,这两项功能旨在降低用户的操作负担,提升整体识别体验。
坦率地说,这两项改进未必会带来翻天覆地的变化,但在经历了五年的同一困境之后,能看到Google终于正视这一问题,已经令人感到一丝欣慰。目前来看,期待值实在不宜太高。
Q&A
Q1:Nest摄像头的"熟悉面孔"功能为什么经常识别失败?
A:该功能存在多种常见错误,包括无法识别每天出现的熟悉面孔、将一个人误认为另一个人等。即使用户多次手动重置或纠正人脸数据,功能仍会逐渐退化。这一问题自2021年Nest硬件重启以来持续存在,Gemini的加入也未带来明显改善。
Q2:Google这次对"熟悉面孔"功能做了哪些具体改进?
A:Google推出了两项改进:一是新增"点赞/踩"反馈工具,让用户能更快速地标记识别错误;二是优化人脸数据库管理,自动过滤掉模糊、重影、非正面或过小的人脸图像,使用户在手动校正时更容易找到并修改错误数据。
Q3:ADT是如何利用Nest摄像头的人脸识别数据的?
A:ADT曾尝试将Nest摄像头的"熟悉面孔"数据与智能门锁及安防系统进行联动,实现当摄像头识别出特定人员后自动开门并解除警报的功能,以此拓展人脸识别在智能家居安防场景中的实际应用价值。
好文章,需要你的鼓励
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
本期《Quick Charge》播客涵盖多个热点话题:特斯拉疑似试图删除FSD欺诈相关证据以规避巨额赔付;卡特彼勒持续推进建筑领域电气化布局;住宅太阳能30%税收抵免即将到期。此外,嘉宾Tom Pacheco就高压系统与电池技术培训展开探讨,强调电动车技术人才培养的紧迫性。节目同时提醒有意安装太阳能的用户尽快行动,可通过EnergySage平台比较多家安装商报价。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。