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

Blaise Aguera y Arcas Photosynth bemutatója

Filmed:
5,831,957 views

Blaise Aguera y Arcas káprázatos bemutatót tart a Photosynth szoftverről, ami képes lehet megváltoztatni azt, ahogyan a digitális képekre tekintünk. A világhálóról összegyűjtött fotók segítségével a Photosynth lélegzetelállító látványt épít fel, ami lehetővé teszi, hogy navigálni tudjunk közöttük.
- 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 showelőadás you first, as quicklygyorsan as I can,
0
0
2000
Amit most megpróbálok minél gyorsabban bemutatni önöknek
00:27
is some foundationalalapítványi work, some newúj technologytechnológia
1
2000
4000
az egy alapítványi munka, egy új technológia
00:31
that we broughthozott to MicrosoftA Microsoft as partrész of an acquisitionmegszerzése
2
6000
3000
ami egy vásárlás útján került a Microsoft birtokába
00:34
almostmajdnem exactlypontosan a yearév agoezelőtt. This is SeadragonSeadragon,
3
9000
3000
majdnem pontosan egy évvel ezelőtt. Ez a Seadragon.
00:37
and it's an environmentkörnyezet in whichmelyik you can eitherbármelyik locallyhelyileg or remotelytávolról
4
12000
3000
Ez egy olyan környezet, amiben akár helyben, akár távolról
00:40
interactegymásra hat with vasthatalmas amountsösszegek of visualvizuális dataadat.
5
15000
3000
hatalmas mennyiségű vizuális adatot kezelhetünk.
00:43
We're looking at manysok, manysok gigabytesgigabájt of digitaldigitális photosfotók here
6
18000
3000
Itt most éppen nagyon-nagyon sok gigabájtnyi digitális fotót láthatnak
00:46
and kindkedves of seamlesslyzökkenőmentesen and continuouslyfolyamatosan zoomingkicsinyítés/nagyítás in,
7
21000
3000
zökkenőmentesen és folyamatosan tudunk nagyítani
00:50
panningaranymosás throughkeresztül the thing, rearrangingátrendezése it in any way we want.
8
25000
2000
mozogni a tartalomban, vagy tetszésünk szerint átrendezni
00:52
And it doesn't matterügy how much informationinformáció we're looking at,
9
27000
4000
Egyáltalán nem számít, hogy mennyi információt is nézünk,
00:56
how bignagy these collectionsgyűjtemények are or how bignagy the imagesképek are.
10
31000
3000
hogy mekkorák ezek a gyűjtemények, vagy az egyes képek.
00:59
MostA legtöbb of them are ordinaryrendes digitaldigitális camerakamera photosfotók,
11
34000
2000
Ezek legtöbbje általános digitális fotó,
01:01
but this one, for examplepélda, is a scanletapogatás from the LibraryKönyvtár of CongressKongresszus,
12
36000
3000
de ez az egy például a Kongresszusi Könyvtár scannelt anyaga,
01:05
and it's in the 300 megapixelmegapixel rangehatótávolság.
13
40000
2000
és nagyjából 300 megapixel felbontású.
01:08
It doesn't make any differencekülönbség
14
43000
1000
De ez sem jelent semmi különbséget
01:09
because the only thing that oughtkellene to limithatár the performanceteljesítmény
15
44000
3000
mert az egyetlen dolog, ami a rendszer teljesítményét befolyásolja
01:12
of a systemrendszer like this one is the numberszám of pixelspixel on your screenképernyő
16
47000
3000
az a képernyőn éppen látható képpontok száma
01:15
at any givenadott momentpillanat. It's alsois very flexiblerugalmas architectureépítészet.
17
50000
3000
bármelyik időpillanatban. Ez a megoldás nagyon rugalmas.
01:18
This is an entireteljes bookkönyv, so this is an examplepélda of non-image-kép dataadat.
18
53000
3000
Ez itt egy teljes könyv, példa a nem képi adatokra.
01:22
This is "BleakSivár HouseHáz" by DickensDickens. EveryMinden columnoszlop is a chapterfejezet.
19
57000
5000
Dickens Puszta Ház című könyve. Minden oszlop egy fejezet.
01:27
To provebizonyít to you that it's really textszöveg, and not an imagekép,
20
62000
4000
Hogy bizonyítsuk, hogy ez tényleg szöveg, és nem kép,
01:31
we can do something like so, to really showelőadás
21
66000
2000
csinálhatunk például így, hogy megmutassuk
01:33
that this is a realigazi representationreprezentáció of the textszöveg; it's not a picturekép.
22
68000
3000
hogy ez tényleg szöveges tartalom; nem egy kép.
01:37
Maybe this is a kindkedves of an artificialmesterséges way to readolvas an e-booke-book.
23
72000
2000
Talán ez is egy lehetséges mód az e-könyv olvasásra.
01:39
I wouldn'tnem recommendajánl it.
24
74000
1000
Én nem ajánlanám.
01:40
This is a more realisticreális caseügy. This is an issueprobléma of The GuardianA Guardian.
25
75000
3000
Ez egy sokkal élethűbb alkalmazás. A Guardian egyik száma.
01:43
EveryMinden largenagy imagekép is the beginningkezdet of a sectionszakasz.
26
78000
2000
Mindegyik nagy kép egy rovat kezdete.
01:45
And this really givesad you the joyöröm and the good experiencetapasztalat
27
80000
3000
Ez pedig az igazi élmény és szórakozás a dologban
01:48
of readingolvasás the realigazi paperpapír versionváltozat of a magazinemagazin or a newspaperújság,
28
83000
5000
egy újság vagy magazin igazi nyomtatott változatát olvasni,
01:54
whichmelyik is an inherentlyeredendően multi-scaletöbb szinten kindkedves of mediumközepes.
29
89000
1000
amiben jellemzően mindennek más lehet a mérete.
01:56
We'veMost már alsois doneKész a little something
30
91000
1000
Egy kicsit módosítottuk ezt a sarkát
01:57
with the cornersarok of this particularkülönös issueprobléma of The GuardianA Guardian.
31
92000
3000
a Guardian egyik nyomtatott számának.
02:00
We'veMost már madekészült up a fakehamisítvány adhirdetés that's very highmagas resolutionfelbontás --
32
95000
3000
Lecseréltük ezt a hirdetést egy nagyon nagy felbontásúra --
02:03
much highermagasabb than you'djobb lenne, ha be ableképes to get in an ordinaryrendes adhirdetés --
33
98000
2000
sokkal nagyobb felbontásúra, mint amit ki lehetne nyomtatni --
02:05
and we'vevoltunk embeddedbeágyazott extrakülön- contenttartalom.
34
100000
2000
és bele helyeztünk némi extra tartalmat.
02:07
If you want to see the featuresjellemzők of this carautó, you can see it here.
35
102000
2000
Ha látni szeretnék a kocsi paramétereit, itt megnézhetik.
02:10
Or other modelsmodellek, or even technicalműszaki specificationsműszaki adatok.
36
105000
4000
Vagy más modelleket, esetleg a műszaki adatait is.
02:15
And this really getsjelentkeznek at some of these ideasötletek
37
110000
2000
És így kezdenek ezzel a módszerrel
02:18
about really doing away with those limitshatárok on screenképernyő realigazi estatebirtok.
38
113000
4000
megszűnni a képernyő méretek által szabott korlátok.
02:22
We hoperemény that this meanseszközök no more pop-upspukkanás-felemel
39
117000
2000
Reméljük, hogy ezzel eltűnnek majd a felugró hirdetések
02:24
and other kindkedves of rubbishszemét like that -- shouldn'tne be necessaryszükséges.
40
119000
2000
és minden hasonló zavaró megoldás -- nem lesz rájuk szükség.
02:27
Of coursetanfolyam, mappingtérképészet is one of those really obviousnyilvánvaló applicationsalkalmazások
41
122000
2000
Persze a térképészet az egyik legkézenfekvőbb terület
02:29
for a technologytechnológia like this.
42
124000
2000
egy ilyen technológia alkalmazására.
02:31
And this one I really won'tszokás spendtölt any time on,
43
126000
2000
Erre igazán nem is akarok sok időt pazarolni,
02:33
exceptkivéve to say that we have things to contributehozzájárul to this fieldmező as well.
44
128000
2000
csak hogy ezen a területen is fel tudunk mutatni pár dolgot.
02:37
But those are all the roadsutak in the U.S.
45
132000
2000
Ez itt az USA teljes úthálózata
02:39
superimposedegymáson on topfelső of a NASANASA geospatialtérinformatikai imagekép.
46
134000
4000
ráhelyezve a NASA egyik föld képére.
02:44
So let's pullHúzni up, now, something elsemás.
47
139000
2000
Hagyjuk most ezt, jöjjön valami más.
02:46
This is actuallytulajdonképpen liveélő on the WebWeb now; you can go checkjelölje be it out.
48
141000
3000
Ez már mind elérhető a világhálón; próbálják csak ki.
02:49
This is a projectprogram calledhívott PhotosynthFotoszintézis,
49
144000
1000
Ennek a projektnek a neve Photosynth,
02:51
whichmelyik really marriesfeleségül two differentkülönböző technologiestechnológiák.
50
146000
1000
két különböző technológia remek házassága.
02:52
One of them is SeadragonSeadragon
51
147000
1000
Az egyik közülük a Seadragon
02:54
and the other is some very beautifulszép computerszámítógép visionlátomás researchkutatás
52
149000
2000
a másik pedig egy nagyon látványos kutatás
02:57
doneKész by NoahNoé SnavelySnavely, a graduateérettségizni studentdiák at the UniversityEgyetem of WashingtonWashington,
53
152000
2000
amit a Washingtoni Egyetemen az egyik végzős diák, Noah Snavely végzett,
03:00
co-advisedegyütt tanácsos by SteveSteve SeitzSeitz at U.W.
54
155000
2000
Steve Seitz irányítása alatt
03:02
and RickRick SzeliskiSzeliskivel at MicrosoftA Microsoft ResearchKutatási. A very niceszép collaborationegyüttműködés.
55
157000
4000
a Microsoft kutatói közül pedig Rick Szeliskivel. Nagyon szép együttműködés.
03:07
And so this is liveélő on the WebWeb. It's poweredhajtású by SeadragonSeadragon.
56
162000
2000
És ez is fent van az Interneten. Ezt is a Seadragon működteti.
03:09
You can see that when we kindkedves of do these sortsfajta of viewsnézetek,
57
164000
2000
Láthatják, hogy mi jelenik meg ezekben a nézetekben,
03:12
where we can divezuhanás throughkeresztül imagesképek
58
167000
1000
vessük magunkat a képek közé
03:14
and have this kindkedves of multi-resolutionfelbontás experiencetapasztalat.
59
169000
1000
ez a többszörös felbontás különleges élménye.
03:16
But the spatialtérbeli arrangementelrendezése of the imagesképek here is actuallytulajdonképpen meaningfuljelentőségteljes.
60
171000
4000
Viszont itt a képek térbeli elrendezése lényeges igazán.
03:20
The computerszámítógép visionlátomás algorithmsalgoritmusok have registeredregisztrált these imagesképek togetheregyütt
61
175000
3000
A képeket a számítógépes látvány-algoritmusok rendezték el,
03:23
so that they correspondfelel meg to the realigazi spacehely in whichmelyik these shotsfelvételek --
62
178000
4000
olyan módon, ahogyan a valós térben is elhelyezkednek --
03:27
all takentett nearközel GrassiGrassi LakesTavak in the CanadianKanadai RockiesRockies --
63
182000
2000
mind a Grassi Tónál készült a kanadai Sziklás hegységben.
03:31
all these shotsfelvételek were takentett. So you see elementselemek here
64
186000
2000
Ezek itt fotó részletek egy összetett
03:33
of stabilizedstabilizált slide-showDiavetítés or panoramicpanorámás imagingImaging,
65
188000
4000
diavetítésben, vagy egy panoráma képben.
03:40
and these things have all been relatedösszefüggő spatiallyterületileg.
66
195000
2000
és mind térbeli kapcsolatban állnak egymással.
03:42
I'm not sure if I have time to showelőadás you any other environmentskörnyezetek.
67
197000
3000
Nem vagyok benne biztos, hogy az idő elég más helyeket mutatni.
03:45
There are some that are much more spatialtérbeli.
68
200000
1000
Vannak, amik ennél sokkal térbelibbek.
03:47
I would like to jumpugrás straightegyenes to one of Noah'sNoé originaleredeti data-setskészletek --
69
202000
3000
Rögtön át is ugrok Noah egyik eredeti adat halmazára --
03:50
and this is from an earlykorai prototypeprototípus of PhotosynthFotoszintézis
70
205000
2000
és ez még egy korai Photosynth prototípusból való
03:52
that we first got workingdolgozó in the summernyár --
71
207000
2000
amivel a nyáron dolgoztunk először --
03:54
to showelőadás you what I think
72
209000
1000
megmutatom, mit tartok én
03:55
is really the punchpuncs linevonal behindmögött this technologytechnológia,
73
210000
3000
ennek a technológiának a valós értelmének,
03:59
the PhotosynthFotoszintézis technologytechnológia. And it's not necessarilyszükségszerűen so apparentlátszólagos
74
214000
2000
a Photosynth értelme. Talán nem látja mindenki rögtön
04:01
from looking at the environmentskörnyezetek that we'vevoltunk put up on the websiteweboldal.
75
216000
3000
azokon a helyszíneken, amiket feltettünk a weboldalra.
04:04
We had to worryaggodalom about the lawyersügyvédek and so on.
76
219000
2000
Tartottunk az ügyvedektől és a perektől.
04:07
This is a reconstructionújjáépítés of NotreNotre DameDame CathedralSzékesegyház
77
222000
1000
Ez a Notre Dame katedrális modellje
04:09
that was doneKész entirelyteljesen computationallyszámítástechnikai
78
224000
2000
amit teljes egészében számítógép generált
04:11
from imagesképek scrapedkapart from FlickrFlickr. You just typetípus NotreNotre DameDame into FlickrFlickr,
79
226000
3000
a Flickrről letöltött képekből. Csak beírják a Flickren, hogy Notre Dame,
04:14
and you get some picturesképek of guys in t-shirtspólók, and of the campusegyetem
80
229000
3000
és felhoz néhány képet pólós srácokról, és a környékről
04:17
and so on. And eachminden egyes of these orangenarancs coneskúp representsjelentése an imagekép
81
232000
4000
és így tovább. Mindegyik narancssárga kúp egy képet jelez
04:22
that was discoveredfelfedezett to belongtartoznak to this modelmodell.
82
237000
2000
ami ehhez a modellhez tartozik.
04:26
And so these are all FlickrFlickr imagesképek,
83
241000
2000
Nos ezek itt a képek a Flickr-ről,
04:28
and they'veők már all been relatedösszefüggő spatiallyterületileg in this way.
84
243000
3000
és így viszonyulnak egymáshoz a térben.
04:31
And we can just navigatehajózik in this very simpleegyszerű way.
85
246000
2000
Ennyire egyszerűen tudunk köztük navigálni.
04:35
(ApplauseTaps)
86
250000
9000
(Taps)
04:44
You know, I never thought that I'd endvég up workingdolgozó at MicrosoftA Microsoft.
87
259000
2000
Tudják, én sosem hittem, hogy a Microsoftnál fogok egyszer dolgozni.
04:46
It's very gratifyingörömteli to have this kindkedves of receptionrecepció here.
88
261000
4000
Örülök, hogy ilyen remek fogadtatásban részesül.
04:50
(LaughterNevetés)
89
265000
3000
(Nevetés)
04:53
I guessTaláld ki you can see
90
268000
3000
Gondolom mind látják
04:56
this is lots of differentkülönböző typestípusok of cameraskamerák:
91
271000
2000
ezek mind más fényképezőgéppel készültek:
04:58
it's everything from cellsejt phonetelefon cameraskamerák to professionalszakmai SLRsTükörreflexes,
92
273000
3000
van köztük mindenféle, mobiltelefontól profi fényképezőgépig.
05:02
quiteegészen a largenagy numberszám of them, stitchedvarrott
93
277000
1000
elég sok féle, összeillesztve
05:03
togetheregyütt in this environmentkörnyezet.
94
278000
1000
egymás mellé ebben a térben.
05:04
And if I can, I'll find some of the sortfajta of weirdfurcsa onesazok.
95
279000
2000
És talán megtalálok párat a furcsábbak közül is.
05:08
So manysok of them are occludedelzárt by facesarcok, and so on.
96
283000
3000
Egy csomó képbe belógnak arcok, és ilyesmi.
05:13
SomewhereValahol in here there are actuallytulajdonképpen
97
288000
1000
Van itt valahol egy olyan sorozat is
05:15
a seriessorozat of photographsfényképeket -- here we go.
98
290000
1000
néhány képpel -- itt is van.
05:17
This is actuallytulajdonképpen a posterposzter of NotreNotre DameDame that registeredregisztrált correctlyhelyesen.
99
292000
3000
Ez egy poszter a Notre Dame-ról, ami tökéletesen illeszkedik a modellre.
05:21
We can divezuhanás in from the posterposzter
100
296000
2000
Át tudunk váltani más képekre a poszterről is
05:24
to a physicalfizikai viewKilátás of this environmentkörnyezet.
101
299000
3000
egy másik, fizikai nézetre ebben a térben.
05:31
What the pointpont here really is is that we can do things
102
306000
3000
A lényeg itt az, hogy rendkívüli dolgokat tehetünk
05:34
with the socialtársadalmi environmentkörnyezet. This is now takingbevétel dataadat from everybodymindenki --
103
309000
5000
a társadalmi közegben. Mindenkitől szerezhetünk információkat --
05:39
from the entireteljes collectivekollektív memorymemória
104
314000
1000
az egész össz-közösségi emléktárból
05:40
of, visuallyvizuálisan, of what the EarthFöld looksúgy néz ki, like --
105
315000
2000
vizuálisan felépítve, ahogy a Föld kinéz --
05:43
and linklink all of that togetheregyütt.
106
318000
1000
és mindezt összekapcsolhatjuk.
05:44
All of those photosfotók becomeválik linkedösszekapcsolt togetheregyütt,
107
319000
2000
Az összes fotót összekapcsolja,
05:46
and they make something emergentkialakulóban lévő
108
321000
1000
és valami rendkívülit eredményez
05:47
that's greaternagyobb than the sumösszeg of the partsalkatrészek.
109
322000
2000
ami sokkal nagyobb az alkotóelemei összességénél.
05:49
You have a modelmodell that emergeskiemelkedik of the entireteljes EarthFöld.
110
324000
2000
Van egy modell, ami magába foglalja a teljes Földet.
05:51
Think of this as the long tailfarok to StephenIstván Lawler'sLawyer VirtualVirtuális EarthFöld work.
111
326000
5000
Gondoljanak rá úgy, mint Stephen Lawyer Virtuális Föld munkája.
05:56
And this is something that growsnövekszik in complexitybonyolultság
112
331000
2000
És ez valami olyan, ami folyamatosan növekszik
05:58
as people use it, and whoseakinek benefitselőnyök becomeválik greaternagyobb
113
333000
3000
ahogy az emberek használják, és egyre hasznosabbá válik
06:01
to the usersfelhasználók as they use it.
114
336000
2000
a felhasználói számára.
06:03
TheirA ownsaját photosfotók are gettingszerzés taggedTagged with meta-datameta-adatok
115
338000
2000
Mindenki fotói meta-adatokkal gazdagodnak
06:05
that somebodyvalaki elsemás enteredlépett.
116
340000
1000
amiket mások adnak hozzájuk.
06:07
If somebodyvalaki botheredzavarta to tagcímke all of these saintsszentek
117
342000
3000
Ha valaki mindegyik szentet beazonosítaná
06:10
and say who they all are, then my photofénykép of NotreNotre DameDame CathedralSzékesegyház
118
345000
3000
és megmondaná, hogy kicsodák, akkor a fotóm a Notre Dame katedrálisról
06:13
suddenlyhirtelen getsjelentkeznek enricheddúsított with all of that dataadat,
119
348000
2000
hirtelen gazdagodna mindezzel az információval,
06:15
and I can use it as an entrybelépés pointpont to divezuhanás into that spacehely,
120
350000
3000
és használhatom kiindulópontként, hogy belépjek ebbe a térbe,
06:18
into that meta-versemeta-vers, usinghasználva everybodymindenki else'smásét photosfotók,
121
353000
2000
ebbe a meta-verzumba, ami mindenki más fotójából építkezik,
06:21
and do a kindkedves of a cross-modalmódok közti
122
356000
2000
ezzel egy módok közti
06:25
and cross-userkereszt-felhasználó socialtársadalmi experiencetapasztalat that way.
123
360000
3000
és felhasználók közti közösségi élményt hoz létre.
06:28
And of coursetanfolyam, a by-productmelléktermék of all of that
124
363000
1000
És persze mindezek melléktermékei
06:30
is immenselynagyon richgazdag virtualtényleges modelsmodellek
125
365000
2000
rendkívül gazdag látvány modellek
06:32
of everyminden interestingérdekes partrész of the EarthFöld, collectedösszegyűjtött
126
367000
2000
a Föld minden érdekes területéről, ami
06:35
not just from overheadrezsi flightsjáratok and from satelliteműhold imagesképek
127
370000
3000
nem csak légifelvételekből és műhold képekből áll
06:38
and so on, but from the collectivekollektív memorymemória.
128
373000
2000
hanem a kollektív emlékezetből épül fel.
06:40
Thank you so much.
129
375000
2000
Nagyon szépen köszönöm.
06:42
(ApplauseTaps)
130
377000
11000
(Taps)
06:53
ChrisChris AndersonAnderson: Do I understandmegért this right? That what your softwareszoftver is going to allowlehetővé teszi,
131
388000
4000
Chris Anderson: Jól értem? A szoftveretek lehetővé teszi,
06:58
is that at some pointpont, really withinbelül the nextkövetkező fewkevés yearsévek,
132
393000
2000
valamikor a következő pár éven belül, hogy
07:01
all the picturesképek that are sharedmegosztott by anyonebárki acrossát the worldvilág
133
396000
4000
minden az emberek által megosztott kép a világon
07:05
are going to basicallyalapvetően linklink togetheregyütt?
134
400000
2000
lényegében összekapcsolódjon egymással?
07:07
BAABAA: Yes. What this is really doing is discoveringfelfedezése.
135
402000
2000
BAA: Igen. Amit ez igazából jelent, az a felfedezés.
07:09
It's creatinglétrehozása hyperlinkshivatkozások, if you will, betweenközött imagesképek.
136
404000
3000
Ha úgy tetszik, hiperhivatkozások jönnek létre, a képek között.
07:12
And it's doing that
137
407000
1000
És pontosan ezt csinálja
07:13
basedszékhelyű on the contenttartalom insidebelül the imagesképek.
138
408000
1000
a képek tartalma közötti kapcsolat alapján.
07:14
And that getsjelentkeznek really excitingizgalmas when you think about the richnessgazdagság
139
409000
3000
Ez akkor válik igazán izgalmassá, ha a tartalmi információ
07:17
of the semanticszemantikus informationinformáció that a lot of those imagesképek have.
140
412000
2000
gazdagságára gondolnak, ami ezekben a képekben rejlik.
07:19
Like when you do a webháló searchKeresés for imagesképek,
141
414000
2000
Például amikor a weben képeket keres,
07:22
you typetípus in phrasesmondatok, and the textszöveg on the webháló pageoldal
142
417000
2000
begépel egy kifejezést, és a honlapokon levő szöveg
07:24
is carryingszállítás a lot of informationinformáció about what that picturekép is of.
143
419000
3000
hordoz egy csomó információt arról, hogy milyen kép is az.
07:27
Now, what if that picturekép linkslinkek to all of your picturesképek?
144
422000
2000
Mi lenne, ha maguk a képpek hivatkoznának egymásra?
07:29
Then the amountösszeg of semanticszemantikus interconnectionösszekapcsolása
145
424000
2000
Akkor a tartalmi összefüggések mértéke
07:31
and the amountösszeg of richnessgazdagság that comesjön out of that
146
426000
1000
és a vele együtt járó gazdagság mértéke
07:32
is really hugehatalmas. It's a classicklasszikus networkhálózat effecthatás.
147
427000
3000
igazán hatalmas lenne. Ez a klasszikus hálózati hatás.
07:35
CACA: BlaiseBlaise, that is trulyvalóban incrediblehihetetlen. CongratulationsGratulálok.
148
430000
2000
CA: Blaise, ez igazán bámulatos. Gratulálok.
07:37
BAABAA: Thankskösz so much.
149
432000
1000
BAA: Köszönöm szépen.
Translated by Attila Volgyi
Reviewed by Júlia Martonosi

▲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