ABOUT THE SPEAKER
Blaise Agüera y Arcas - Software architect
Blaise Agüera y Arcas works on machine learning at Google. Previously a Distinguished Engineer at Microsoft, he has worked on augmented reality, mapping, wearable computing and natural user interfaces.

Why you should listen

Blaise Agüera y Arcas is principal scientist at Google, where he leads a team working on machine intelligence for mobile devices. His group works extensively with deep neural nets for machine perception and distributed learning, and it also investigates so-called "connectomics" research, assessing maps of connections within the brain.

Agüera y Arcas' background is as multidimensional as the visions he helps create. In the 1990s, he authored patents on both video compression and 3D visualization techniques, and in 2001, he made an influential computational discovery that cast doubt on Gutenberg's role as the father of movable type.

He also created Seadragon (acquired by Microsoft in 2006), the visualization technology that gives Photosynth its amazingly smooth digital rendering and zoom capabilities. Photosynth itself is a vastly powerful piece of software capable of taking a wide variety of images, analyzing them for similarities, and grafting them together into an interactive three-dimensional space. This seamless patchwork of images can be viewed via multiple angles and magnifications, allowing us to look around corners or “fly” in for a (much) closer look. Simply put, it could utterly transform the way we experience digital images.

He joined Microsoft when Seadragon was acquired by Live Labs in 2006. Shortly after the acquisition of Seadragon, Agüera y Arcas directed his team in a collaboration with Microsoft Research and the University of Washington, leading to the first public previews of Photosynth several months later. His TED Talk on Seadragon and Photosynth in 2007 is rated one of TED's "most jaw-dropping." He returned to TED in 2010 to demo Bing’s augmented reality maps.

Fun fact: According to the author, Agüera y Arcas is the inspiration for the character Elgin in the 2012 best-selling novel Where'd You Go, Bernadette?

More profile about the speaker
Blaise Agüera y Arcas | Speaker | TED.com
TED2007

Blaise Agüera y Arcas: How PhotoSynth can connect the world's images

Блез Агуэра-и-Аркас: Как Photosynth связывает фотографии

Filmed:
5,831,957 views

Блез Агуэра-и-Аркас проводит блестящую демонстрацию Photosynth, программы, способной изменить наш взгляд на цифровые изображения. С помощью фотографий, взятых из Интернета, Photosynth создает волшебные, захватывающие дух фантазии, позволяя нам перемещаться среди них.
- Software architect
Blaise Agüera y Arcas works on machine learning at Google. Previously a Distinguished Engineer at Microsoft, he has worked on augmented reality, mapping, wearable computing and natural user interfaces. Full bio

Double-click the English transcript below to play the video.

00:25
What I'm going to showпоказать you first, as quicklyбыстро as I can,
0
0
2000
Прежде всего, как можно скорее,
я хочу представить вам
00:27
is some foundationalосновополагающий work, some newновый technologyтехнологии
1
2000
4000
одну серьезную работу,
новую технологию,
00:31
that we broughtпривел to MicrosoftMicrosoft as partчасть of an acquisitionполучение
2
6000
3000
которую мы предоставили Microsoft
как часть её приобретения
00:34
almostпочти exactlyв точку a yearгод agoтому назад. This is SeadragonМорской дракон,
3
9000
3000
почти год назад.
Это Seadragon («Морской дракон»).
00:37
and it's an environmentОкружающая среда in whichкоторый you can eitherили locallyв местном масштабе or remotelyудаленно
4
12000
3000
В этом режиме можно работать
00:40
interactвзаимодействовать with vastогромный amountsсуммы of visualвизуальный dataданные.
5
15000
3000
с огромным количеством видеоинформации,
локально или удаленно.
00:43
We're looking at manyмногие, manyмногие gigabytesгигабайты of digitalцифровой photosфото here
6
18000
3000
Перед нашими глазами проходят
мириады гигабайт цифровых фотографий,
00:46
and kindсвоего рода of seamlesslyбесшовно and continuouslyнепрерывно zoomingмасштабирование in,
7
21000
3000
и мы можем незаметно
и непрерывно увеличивать изображение,
00:50
panningпанорамирование throughчерез the thing, rearrangingпереставляя it in any way we want.
8
25000
2000
горизонтально его прокручивать,
перестраивать его, как хотим.
00:52
And it doesn't matterдело how much informationИнформация we're looking at,
9
27000
4000
Не имеет значения, сколько информации
проходит у нас перед глазами,
00:56
how bigбольшой these collectionsколлекции are or how bigбольшой the imagesизображений are.
10
31000
3000
насколько велики эти коллекции
или сами изображения.
00:59
MostНаиболее of them are ordinaryобычный digitalцифровой cameraкамера photosфото,
11
34000
2000
Большинство из них — это снимки,
сделанные обычным цифровым фотоаппаратом,
01:01
but this one, for exampleпример, is a scanсканирование from the LibraryБиблиотека of Congressконгресс,
12
36000
3000
но вот эта, например, отсканирована
в Библиотеке Конгресса,
01:05
and it's in the 300 megapixelмегапиксельную rangeассортимент.
13
40000
2000
она выполнена с разрешением
в 300 мегапикселей.
01:08
It doesn't make any differenceразница
14
43000
1000
Но это не имеет никакого значения,
01:09
because the only thing that oughtдолжен to limitпредел the performanceпредставление
15
44000
3000
потому что единственное,
что ограничивает эффективность
01:12
of a systemсистема like this one is the numberномер of pixelsпикселей on your screenэкран
16
47000
3000
подобной системы — это количество
пикселей на вашем экране
01:15
at any givenданный momentмомент. It's alsoтакже very flexibleгибкий architectureархитектура.
17
50000
3000
в данный момент.
Это очень гибкая архитектура.
01:18
This is an entireвсе bookкнига, so this is an exampleпример of non-imageбез изображения dataданные.
18
53000
3000
Вот целая книга, пример
данных без изображения.
01:22
This is "BleakМрачный Houseдом" by Dickensчерт. Everyкаждый columnколонка is a chapterглава.
19
57000
5000
Это «Холодный дом» Диккенса.
Каждый столбец — это глава.
01:27
To proveдоказывать to you that it's really textтекст, and not an imageобраз,
20
62000
4000
Чтобы доказать вам, что это
на самом деле текст, а не изображение,
01:31
we can do something like so, to really showпоказать
21
66000
2000
мы можем сделать вот что,
чтобы действительно показать,
01:33
that this is a realреальный representationпредставление of the textтекст; it's not a pictureкартина.
22
68000
3000
что это настоящее представление текста;
это не рисунок.
01:37
Maybe this is a kindсвоего рода of an artificialискусственный way to readчитать an e-bookэлектронная книга.
23
72000
2000
Может быть, читать электронную книгу
таким образом не совсем привычно.
01:39
I wouldn'tне будет recommendрекомендовать it.
24
74000
1000
Я бы не советовал читать ее так.
01:40
This is a more realisticреалистический caseдело. This is an issueвопрос of The Guardianблюститель.
25
75000
3000
А это более удачный пример.
Это выпуск газеты Guardian.
01:43
Everyкаждый largeбольшой imageобраз is the beginningначало of a sectionраздел.
26
78000
2000
Каждое большое изображение —
это начало раздела.
01:45
And this really givesдает you the joyрадость and the good experienceопыт
27
80000
3000
И так вы действительно почувствуете
радость и ощущение того,
01:48
of readingчтение the realреальный paperбумага versionверсия of a magazineжурнал or a newspaperгазета,
28
83000
5000
что читаете настоящую печатную
версию журнала или газеты,
01:54
whichкоторый is an inherentlyпо существу multi-scaleмногомасштабный kindсвоего рода of mediumсредний.
29
89000
1000
которая, по сути, является носителем
информации с разными масштабами.
01:56
We'veУ нас alsoтакже doneсделанный a little something
30
91000
1000
Мы кое-что сделали здесь, в уголке
01:57
with the cornerугол of this particularконкретный issueвопрос of The Guardianблюститель.
31
92000
3000
этого выпуска Guardian.
02:00
We'veУ нас madeсделал up a fakeне настоящие adобъявление that's very highвысокая resolutionразрешающая способность --
32
95000
3000
Мы составили фиктивную рекламу
очень высокого разрешения,
02:03
much higherвыше than you'dвы бы be ableв состоянии to get in an ordinaryобычный adобъявление --
33
98000
2000
намного выше, чем в обычной рекламе,
02:05
and we'veмы в embeddedвстроенный extraдополнительный contentсодержание.
34
100000
2000
и вставили дополнительное содержание.
02:07
If you want to see the featuresфункции of this carавтомобиль, you can see it here.
35
102000
2000
Если вы хотите увидеть характеристики
этой машины, они находятся вот здесь.
02:10
Or other modelsмодели, or even technicalтехнический specificationsтехнические характеристики.
36
105000
4000
Или другие модели
или даже техническое описание.
02:15
And this really getsполучает at some of these ideasидеи
37
110000
2000
Здесь мы приблизились к тому, чтобы
02:18
about really doing away with those limitsпределы on screenэкран realреальный estateимущество.
38
113000
4000
покончить со всякими ограничениями
реального объема экрана.
02:22
We hopeнадежда that this meansозначает no more pop-upsвсплывающие окна
39
117000
2000
Мы надеемся, нам больше
не понадобятся всплывающие окна
02:24
and other kindсвоего рода of rubbishмусор like that -- shouldn'tне должен be necessaryнеобходимо.
40
119000
2000
и всякая подобная ерунда.
02:27
Of courseкурс, mappingотображение is one of those really obviousочевидный applicationsПриложения
41
122000
2000
Конечно, один из способов
применения подобной технологии, что сразу
02:29
for a technologyтехнологии like this.
42
124000
2000
приходит на ум, — это составление карт.
02:31
And this one I really won'tне будет spendпроводить any time on,
43
126000
2000
Я не буду на этом останавливаться,
02:33
exceptКроме to say that we have things to contributeделать вклад to this fieldполе as well.
44
128000
2000
просто скажу, что мы можем кое-что
привнести и в данную отрасль.
02:37
But those are all the roadsдороги in the U.S.
45
132000
2000
Это все дороги США,
02:39
superimposedналоженный on topВверх of a NASAНАСА geospatialгеопространственная imageобраз.
46
134000
4000
нанесенные поверх
геопространственного изображения NASA.
02:44
So let's pullвытащить up, now, something elseеще.
47
139000
2000
А сейчас давайте остановимся на другом.
02:46
This is actuallyна самом деле liveжить on the WebWeb now; you can go checkпроверить it out.
48
141000
3000
Вот это сейчас размещено в сети в режиме
реального времени, вы можете сами посмотреть.
02:49
This is a projectпроект calledназывается PhotosynthPhotosynth,
49
144000
1000
Этот проект называется
Photosynth («Фотосинтез»),
02:51
whichкоторый really marriesженит two differentдругой technologiesтехнологии.
50
146000
1000
он объединяет в себе
две различные технологии.
02:52
One of them is SeadragonМорской дракон
51
147000
1000
Одна из них — это Seadragon,
02:54
and the other is some very beautifulкрасивая computerкомпьютер visionвидение researchисследование
52
149000
2000
а вторая — прекрасное
исследование машинного зрения,
02:57
doneсделанный by NoahНой SnavelyСнейвли, a graduateвыпускник studentстудент at the UniversityУниверситет of WashingtonВашингтон,
53
152000
2000
выполненное Ноа Снейвли,
аспирантом университета Вашингтона,
03:00
co-advisedсовместно советовали by SteveСтив SeitzSeitz at U.W.
54
155000
2000
его консультировали Стив Зейтц
из университета Вашингтона
03:02
and Rickстог SzeliskiSzeliski at MicrosoftMicrosoft ResearchИсследование. A very niceхороший collaborationсотрудничество.
55
157000
4000
и Рик Силински из Microsoft Research.
Просто прекрасная команда.
03:07
And so this is liveжить on the WebWeb. It's poweredпитание by SeadragonМорской дракон.
56
162000
2000
Этот проект размещен в сети.
Поддерживается с помощью Seadragon.
03:09
You can see that when we kindсвоего рода of do these sortsвиды of viewsПросмотры,
57
164000
2000
Вы видите, что когда мы
используем эти режимы просмотра,
03:12
where we can diveпогружение throughчерез imagesизображений
58
167000
1000
мы можем проникать через изображения
03:14
and have this kindсвоего рода of multi-resolutionмульти-разрешение experienceопыт.
59
169000
1000
и получаем эффект переменной
разрешающей способности.
03:16
But the spatialпространственный arrangementдоговоренность of the imagesизображений here is actuallyна самом деле meaningfulзначимым.
60
171000
4000
Но пространственное расположение
изображений имеет определенный смысл.
03:20
The computerкомпьютер visionвидение algorithmsалгоритмы have registeredзарегистрированный these imagesизображений togetherвместе
61
175000
3000
Алгоритмы машинного зрения
зарегистрировали эти изображения
03:23
so that they correspondвести переписку to the realреальный spaceпространство in whichкоторый these shotsвыстрелы --
62
178000
4000
таким образом, что они соответствуют
реальному пространству —
03:27
all takenвзятый nearвозле GrassiГрасси LakesОзера in the Canadianканадец RockiesСкалистые Горы --
63
182000
2000
это было снято в районе озер Грасси
в канадских горах —
03:31
all these shotsвыстрелы were takenвзятый. So you see elementsэлементы here
64
186000
2000
где эти снимки были сделаны.
Вы видите элементы
03:33
of stabilizedстабилизированный slide-showслайд-шоу or panoramicпанорамный imagingизображений,
65
188000
4000
устойчивой покадровой
или панорамной визуализации,
03:40
and these things have all been relatedСвязанный spatiallyпространственно.
66
195000
2000
и всё это было связано в пространстве.
03:42
I'm not sure if I have time to showпоказать you any other environmentsокружающая среда.
67
197000
3000
Я не уверен, есть ли у меня время
показать вам другие режимы просмотра.
03:45
There are some that are much more spatialпространственный.
68
200000
1000
Существуют режимы, которые
ещё лучше передают пространство.
03:47
I would like to jumpПрыгать straightПрямо to one of Noah'sНоа originalоригинал data-setsнаборы данных --
69
202000
3000
Я хотел бы перейти к одному
из оригинальных наборов данных Ноа,
03:50
and this is from an earlyрано prototypeопытный образец of PhotosynthPhotosynth
70
205000
2000
они взяты из раннего прототипа Photosynth,
03:52
that we first got workingза работой in the summerлето --
71
207000
2000
с которым мы впервые начали работать летом,
03:54
to showпоказать you what I think
72
209000
1000
чтобы продемонстрировать вам
то, что я считаю
03:55
is really the punchперфоратор lineлиния behindза this technologyтехнологии,
73
210000
3000
действительно кульминационным
моментом в этой технологии,
03:59
the PhotosynthPhotosynth technologyтехнологии. And it's not necessarilyобязательно so apparentочевидный
74
214000
2000
технологии Photosynth.
Когда смотришь на режимы просмотра,
04:01
from looking at the environmentsокружающая среда that we'veмы в put up on the websiteВеб-сайт.
75
216000
3000
предложенные нами на веб-сайте,
это не так заметно.
04:04
We had to worryбеспокоиться about the lawyersадвокаты and so on.
76
219000
2000
Мы тогда переживали
по поводу юристов и так далее.
04:07
This is a reconstructionреконструкция of NotreNotre Dameдама Cathedralкафедральный собор
77
222000
1000
Это реконструкция
собора Парижской Богоматери,
04:09
that was doneсделанный entirelyполностью computationallyвычислительно
78
224000
2000
полностью выполненная с помощью
компьютера на основе изображений,
04:11
from imagesизображений scrapedЦарапины from FlickrFlickr. You just typeтип NotreNotre Dameдама into FlickrFlickr,
79
226000
3000
собранных на сервисе Flickr. Вы просто
печатаете «Нотр-Дам» во Flickr’е,
04:14
and you get some picturesкартинки of guys in t-shirtsфутболки, and of the campusкампус
80
229000
3000
и получаете изображения ребят в футболках,
изображения студенческого городка
04:17
and so on. And eachкаждый of these orangeоранжевый conesконусы representsпредставляет an imageобраз
81
232000
4000
и так далее. А каждый из этих оранжевых
конусов представляет изображение,
04:22
that was discoveredобнаруженный to belongпринадлежать to this modelмодель.
82
237000
2000
относящееся к этой модели.
04:26
And so these are all FlickrFlickr imagesизображений,
83
241000
2000
Это все изображения из Flickr’а,
04:28
and they'veони имеют all been relatedСвязанный spatiallyпространственно in this way.
84
243000
3000
таким образом, они все
были соединены пространственно.
04:31
And we can just navigateпроводить in this very simpleпросто way.
85
246000
2000
И навигация здесь очень проста.
04:35
(ApplauseАплодисменты)
86
250000
9000
(Аплодисменты).
04:44
You know, I never thought that I'd endконец up workingза работой at MicrosoftMicrosoft.
87
259000
2000
Вы знаете, я никогда не думал,
что буду работать в Microsoft.
04:46
It's very gratifyingотрадно to have this kindсвоего рода of receptionприем here.
88
261000
4000
Такой прием — это просто огромное
удовольствие для меня.
04:50
(LaughterСмех)
89
265000
3000
(Смех)
04:53
I guessУгадай you can see
90
268000
3000
Думаю, вы видите,
04:56
this is lots of differentдругой typesтипы of camerasкамеры:
91
271000
2000
все это многообразие различных
видов фотоаппаратов:
04:58
it's everything from cellклетка phoneТелефон camerasкамеры to professionalпрофессиональный SLRsSLRs,
92
273000
3000
от камеры в мобильном телефоне
до профессиональных зеркальных фотоаппаратов,
05:02
quiteдовольно a largeбольшой numberномер of them, stitchedсшитые
93
277000
1000
их много, и они соединены в этом
05:03
togetherвместе in this environmentОкружающая среда.
94
278000
1000
режиме просмотра.
05:04
And if I can, I'll find some of the sortСортировать of weirdстранный onesте,.
95
279000
2000
Если получится,
я найду что-нибудь необычное.
05:08
So manyмногие of them are occludedзакупоренный by facesлица, and so on.
96
283000
3000
Многие изображения перекрываются.
05:13
SomewhereГде-то in here there are actuallyна самом деле
97
288000
1000
Тут где-то есть серия
05:15
a seriesсерии of photographsфотографии -- here we go.
98
290000
1000
фотографий, а, вот они.
05:17
This is actuallyна самом деле a posterплакат of NotreNotre Dameдама that registeredзарегистрированный correctlyправильно.
99
292000
3000
Это плакат собора Парижской Богоматери,
правильно зарегистрированный.
05:21
We can diveпогружение in from the posterплакат
100
296000
2000
Из этого плаката мы можем перейти
05:24
to a physicalфизическое viewПосмотреть of this environmentОкружающая среда.
101
299000
3000
в физический ракурс этой среды.
05:31
What the pointточка here really is is that we can do things
102
306000
3000
Дело в том, что мы можем
взаимодействовать с социальной средой.
05:34
with the socialСоциальное environmentОкружающая среда. This is now takingпринятие dataданные from everybodyвсе --
103
309000
5000
Брать данные у любого человека,
05:39
from the entireвсе collectiveколлектив memoryПамять
104
314000
1000
из общей коллективной памяти,
05:40
of, visuallyвизуально, of what the EarthЗемля looksвыглядит like --
105
315000
2000
чтобы видеть, как выглядит Земля,
05:43
and linkссылка all of that togetherвместе.
106
318000
1000
и связывать всё это вместе.
05:44
All of those photosфото becomeстали linkedсвязанный togetherвместе,
107
319000
2000
Все эти фотографии связаны вместе,
05:46
and they make something emergentвыходящий
108
321000
1000
и из них возникает нечто большее,
05:47
that's greaterбольшая than the sumсумма of the partsчасти.
109
322000
2000
чем просто сумма составляющих.
05:49
You have a modelмодель that emergesвозникает of the entireвсе EarthЗемля.
110
324000
2000
Вы постепенно получаете
модель целой планеты.
05:51
Think of this as the long tailхвост to StephenСтивен Lawler'sЛоулер-х Virtualвиртуальный EarthЗемля work.
111
326000
5000
Считайте, что это продолжение работы
Стивена Лоулера «Виртуальная Земля».
05:56
And this is something that growsрастет in complexityсложность
112
331000
2000
Когда ее начинают использовать,
она становится всё сложнее,
05:58
as people use it, and whoseчья benefitsвыгоды becomeстали greaterбольшая
113
333000
3000
в процессе её использования
06:01
to the usersпользователи as they use it.
114
336000
2000
увеличиваются её преимущества.
06:03
TheirИх ownсвоя photosфото are gettingполучение taggedпомеченный with meta-dataмета-данные
115
338000
2000
Фотографии пользователей
связываются с метаданными,
06:05
that somebodyкто-то elseеще enteredвошел.
116
340000
1000
которые ввел кто-то другой.
06:07
If somebodyкто-то botheredбеспокоили to tagтег all of these saintsсвятые
117
342000
3000
Если кто-то ввел информацию
обо всех этих святых,
06:10
and say who they all are, then my photoФото of NotreNotre Dameдама Cathedralкафедральный собор
118
345000
3000
указал, кто они такие, тогда моя фотография
собора Парижской Богоматери
06:13
suddenlyвдруг, внезапно getsполучает enrichedобогащенный with all of that dataданные,
119
348000
2000
внезапно обогащается всеми этими данными,
06:15
and I can use it as an entryзапись pointточка to diveпогружение into that spaceпространство,
120
350000
3000
и я могу ее использовать как точку входа
для погружения в это пространство,
06:18
into that meta-verseмета-стих, usingс помощью everybodyвсе else'sлибо еще, photosфото,
121
353000
2000
в эту метавселенную,
используя фотографии других людей
06:21
and do a kindсвоего рода of a cross-modalкросс-модальный
122
356000
2000
и, таким образом,
приобретя перекрестно-модальный
06:25
and cross-userкросс-пользователь socialСоциальное experienceопыт that way.
123
360000
3000
и перекрестно-пользовательский
социальный опыт.
06:28
And of courseкурс, a by-productпобочный продукт of all of that
124
363000
1000
И, конечно, побочный
результат всего этого —
06:30
is immenselyочень richбогатые virtualвиртуальный modelsмодели
125
365000
2000
это виртуальные модели
любой интересующей части Земли
06:32
of everyкаждый interestingинтересно partчасть of the EarthЗемля, collectedсобранный
126
367000
2000
с чрезвычайно богатым содержанием,
собранные не только
06:35
not just from overheadнакладные расходы flightsрейсы and from satelliteспутник imagesизображений
127
370000
3000
со съемок местности
и изображений со спутника
06:38
and so on, but from the collectiveколлектив memoryПамять.
128
373000
2000
и из всего такого прочего,
но и из коллективной памяти.
06:40
Thank you so much.
129
375000
2000
Большое спасибо.
06:42
(ApplauseАплодисменты)
130
377000
11000
(Аплодисменты)
06:53
ChrisКрис AndersonАндерсон: Do I understandПонимаю this right? That what your softwareпрограммного обеспечения is going to allowпозволять,
131
388000
4000
Крис Андерсон: Я правильно понимаю?
Ваше программное обеспечение позволит
06:58
is that at some pointточка, really withinв the nextследующий fewмало yearsлет,
132
393000
2000
когда-нибудь, уже в ближайшие несколько лет,
07:01
all the picturesкартинки that are sharedобщий by anyoneкто угодно acrossчерез the worldМир
133
396000
4000
по существу, связать воедино
все изображения,
07:05
are going to basicallyв основном linkссылка togetherвместе?
134
400000
2000
которые кто-либо размещал
в сети во всем мире?
07:07
BAABAA: Yes. What this is really doing is discoveringобнаружение.
135
402000
2000
БАА: Да. Программа их находит.
07:09
It's creatingсоздание hyperlinksгиперссылок, if you will, betweenмежду imagesизображений.
136
404000
3000
То есть создает гиперссылки,
если угодно, между изображениями.
07:12
And it's doing that
137
407000
1000
Программа делает это,
07:13
basedисходя из on the contentсодержание insideвнутри the imagesизображений.
138
408000
1000
основываясь на содержимом изображений.
07:14
And that getsполучает really excitingзахватывающе when you think about the richnessбогатство
139
409000
3000
Это просто потрясающе,
если вы подумаете о богатстве
07:17
of the semanticсемантический informationИнформация that a lot of those imagesизображений have.
140
412000
2000
семантической информации, которой
обладают большинство из этих изображений.
07:19
Like when you do a webWeb searchпоиск for imagesизображений,
141
414000
2000
Например, когда вы
ищете изображения в сети,
07:22
you typeтип in phrasesфразы, and the textтекст on the webWeb pageстраница
142
417000
2000
вы набираете фразы,
а текст на веб-странице
07:24
is carryingпроведение a lot of informationИнформация about what that pictureкартина is of.
143
419000
3000
содержит большое количество
информации об этом изображении.
07:27
Now, what if that pictureкартина linksсвязи to all of your picturesкартинки?
144
422000
2000
А что если это изображение связано
со всеми вашими изображениями?
07:29
Then the amountколичество of semanticсемантический interconnectionвзаимосвязь
145
424000
2000
Тогда количество семантических взаимосвязей
07:31
and the amountколичество of richnessбогатство that comesвыходит out of that
146
426000
1000
и весь тот объем информации,
который вы получите,
07:32
is really hugeогромный. It's a classicклассический networkсеть effectэффект.
147
427000
3000
становится просто огромным.
Это классический сетевой эффект.
07:35
CAКалифорния: BlaiseБлез, that is trulyдействительно incredibleнеимоверный. CongratulationsПоздравления.
148
430000
2000
КА: Блейз, это просто невероятно.
Я вас поздравляю.
07:37
BAABAA: Thanksблагодаря so much.
149
432000
1000
БАА: Огромное спасибо.

▲Back to top

ABOUT THE SPEAKER
Blaise Agüera y Arcas - Software architect
Blaise Agüera y Arcas works on machine learning at Google. Previously a Distinguished Engineer at Microsoft, he has worked on augmented reality, mapping, wearable computing and natural user interfaces.

Why you should listen

Blaise Agüera y Arcas is principal scientist at Google, where he leads a team working on machine intelligence for mobile devices. His group works extensively with deep neural nets for machine perception and distributed learning, and it also investigates so-called "connectomics" research, assessing maps of connections within the brain.

Agüera y Arcas' background is as multidimensional as the visions he helps create. In the 1990s, he authored patents on both video compression and 3D visualization techniques, and in 2001, he made an influential computational discovery that cast doubt on Gutenberg's role as the father of movable type.

He also created Seadragon (acquired by Microsoft in 2006), the visualization technology that gives Photosynth its amazingly smooth digital rendering and zoom capabilities. Photosynth itself is a vastly powerful piece of software capable of taking a wide variety of images, analyzing them for similarities, and grafting them together into an interactive three-dimensional space. This seamless patchwork of images can be viewed via multiple angles and magnifications, allowing us to look around corners or “fly” in for a (much) closer look. Simply put, it could utterly transform the way we experience digital images.

He joined Microsoft when Seadragon was acquired by Live Labs in 2006. Shortly after the acquisition of Seadragon, Agüera y Arcas directed his team in a collaboration with Microsoft Research and the University of Washington, leading to the first public previews of Photosynth several months later. His TED Talk on Seadragon and Photosynth in 2007 is rated one of TED's "most jaw-dropping." He returned to TED in 2010 to demo Bing’s augmented reality maps.

Fun fact: According to the author, Agüera y Arcas is the inspiration for the character Elgin in the 2012 best-selling novel Where'd You Go, Bernadette?

More profile about the speaker
Blaise Agüera y Arcas | Speaker | TED.com