Bagaimana AI mengubah Teknologi dalam fotografi

 

Kamu mungkin pernah bertanya seberapa bagus sih kamera yang dimiliki, sebaiknya perhatikan apa yang dikatakan pabrikan tentang AI. Di luar hingar bingar perkembangan zaman, teknologi telah memungkinkan kemajuan mengejutkan dalam fotografi selama beberapa tahun terakhir, dan tidak ada alasan untuk berpikir bahwa kemajuan akan melambat.

Masih ada banyak gimmick di sekitar, untuk memastikan. Tetapi kemajuan terbaru yang paling mengesankan dalam fotografi telah terjadi di tingkat perangkat lunak dan silikon daripada sensor atau lensa — dan itu sebagian besar berkat AI yang memberi kamera pemahaman yang lebih baik tentang apa yang mereka lihat.

Foto Google memberikan demonstrasi yang jelas tentang seberapa kuat perpaduan AI dan fotografi ketika aplikasi diluncurkan pada tahun 2015. Sebelumnya, raksasa pencarian telah menggunakan pembelajaran mesin untuk mengkategorikan gambar di Google+ selama bertahun-tahun, tetapi peluncuran aplikasi Foto-nya termasuk fitur AI yang menghadap konsumen yang tidak terbayangkan oleh kebanyakan orang. Perpustakaan pengguna yang berisi ribuan foto yang tidak ditandai diubah menjadi basis data yang dapat dicari dalam semalam.

Google membangun pekerjaan sebelumnya dari akuisisi tahun 2013, DNNresearch, dengan menyiapkan jaringan saraf dalam yang dilatih pada data yang telah diberi label oleh manusia. Ini disebut pembelajaran terawasi; prosesnya melibatkan pelatihan jaringan pada jutaan gambar sehingga dapat mencari petunjuk visual pada tingkat piksel untuk membantu mengidentifikasi kategori. Seiring waktu, algoritme menjadi lebih baik dan lebih baik dalam mengenali, katakanlah, seekor panda, karena berisi pola yang digunakan untuk mengidentifikasi panda dengan benar di masa lalu. Ia belajar di mana bulu hitam dan bulu putih cenderung berhubungan satu sama lain, dan bagaimana perbedaannya dari kulit sapi Holstein, misalnya. Dengan pelatihan lebih lanjut, menjadi mungkin untuk mencari istilah yang lebih abstrak seperti “binatang” atau “sarapan”, yang mungkin tidak memiliki indikator visual yang umum tetapi masih langsung terlihat jelas bagi manusia.

Dibutuhkan banyak waktu dan kekuatan pemrosesan untuk melatih algoritme seperti ini, tetapi setelah pusat data melakukan tugasnya, itu dapat dijalankan pada perangkat seluler berdaya rendah tanpa banyak kesulitan. Pekerjaan berat telah selesai, jadi setelah foto Anda diunggah ke cloud, Google dapat menggunakan modelnya untuk menganalisis dan memberi label pada seluruh perpustakaan. Sekitar setahun setelah Google Foto diluncurkan, Apple mengumumkan fitur pencarian foto yang dilatih dengan cara yang sama di jaringan saraf, tetapi sebagai bagian dari komitmen perusahaan terhadap privasi, kategorisasi sebenarnya dilakukan pada setiap prosesor perangkat secara terpisah tanpa mengirim data. Ini biasanya memakan waktu satu atau dua hari dan terjadi di latar belakang setelah penyiapan.

Perangkat lunak manajemen foto yang cerdas adalah satu hal, tetapi AI dan pembelajaran mesin bisa dibilang memiliki dampak yang lebih besar pada bagaimana gambar diambil di tempat pertama. Ya, lensa terus menjadi sedikit lebih cepat dan sensor selalu bisa menjadi sedikit lebih besar, tetapi kami telah mendorong batasan fisika dalam hal menjejalkan sistem optik ke perangkat seluler yang ramping. Namun demikian, tidak jarang akhir-akhir ini ponsel mengambil foto yang lebih baik dalam beberapa situasi daripada banyak perlengkapan kamera khusus, setidaknya sebelum pasca-pemrosesan. Itu karena kamera tradisional tidak dapat bersaing dengan kategori perangkat keras lain yang sama pentingnya dengan fotografi: sistem dalam chip yang berisi CPU, prosesor sinyal gambar, dan, semakin meningkat, unit pemrosesan saraf (NPU).

ini adalah perangkat keras yang dimanfaatkan dalam apa yang kemudian dikenal sebagai fotografi komputasi, istilah luas yang mencakup semuanya, mulai dari efek depth-of-field palsu dalam mode potret ponsel hingga algoritme yang membantu mendorong kualitas gambar Google Pixel yang luar biasa. Tidak semua fotografi komputasional melibatkan AI, tetapi AI tentu saja merupakan komponen utama darinya.

Apple memanfaatkan teknologi ini untuk menggerakkan mode potret ponsel dua kamera. Prosesor sinyal gambar iPhone menggunakan teknik pembelajaran mesin untuk mengenali orang dengan satu kamera, sedangkan kamera kedua membuat peta kedalaman untuk membantu mengisolasi subjek dan mengaburkan latar belakang. Kemampuan untuk mengenali orang melalui pembelajaran mesin bukanlah hal baru ketika fitur ini memulai debutnya pada tahun 2016, seperti yang sudah dilakukan oleh perangkat lunak pengorganisasian foto. Namun untuk mengelolanya secara real time dengan kecepatan yang dibutuhkan kamera smartphone merupakan sebuah terobosan.