پرش به محتوای اصلی
پرش به محتوای مقاله

«شناسایی از پشت سر»؛ قابلیت جدید دوربین‌های هوشمند گوگل

·۳ تیر ۱۴۰۵۱ دقیقه مطالعه
بهبود تشخیص صدای کاربران در Google Home
بهبود تشخیص صدای کاربران در Google Home
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

جایگزینی/مکمل‌سازی داده‌های بیومتریک (چهره) با سیگنال‌های گذرا مانند رنگ لباس و فرم بدن برای شناسایی هویت در نقاط کور.

تصور کنید دوربین‌های امنیتی خانه‌ی شما، حتی وقتی اعضای خانواده پشت به لنز هستند، بدانند چه کسی وارد اتاق شده است. گوگل با حذف «نقطه‌ی کور» دوربین‌ها، شناسایی افراد را از حالت وابستگی صرف به چهره خارج کرد.

از ۲۳ ژوئن ۲۰۲۶، گوگل هوم (Google Home) قابلیت‌های خود را به‌گونه‌ای گسترش می‌دهد که کاربران برچسب‌گذاری شده را حتی بدون دیدن چهره شناسایی کند. این تغییر از استنتاج (Inference) — که مانند لحظه‌ی آشپزی واقعی است و نه دوره‌ی آموزش آشپز — برای تحلیل داده‌های محیطی استفاده می‌کند. این پیشرفت در شناسایی هوشمند، در کنار عرضه‌ی سخت‌افزارهای جدید برای اجرای Gemini Home، نشان‌دهنده‌ی تلاش گوگل برای تبدیل خانه به یک محیط کاملاً آگاه است.

طبق گزارش ورژ (The Verge)، این سیستم برای حفظ دقت، «سیگنال‌های غیربیومتریک» شامل اندازه بدن و رنگ لباس را تحلیل می‌کند. به این معنا که اگر فرزند شما پیراهنی قرمز بپوشد، مدل می‌تواند او را تنها با تحلیل رنگ و فرم بدن شناسایی کند. همان‌طور که در پوشش پیشین ما از چالش‌های حریم خصوصی در سخت‌افزارهای هوشمند اشاره کردیم، این سطح از ردیابی رفتاری، مرز میان کاربردی بودن و نظارت شدید را کمرنگ می‌کند.

بر اساس مستندات گوگل، این به‌روزرسانی مستقیماً با کتابخانه «چهره‌های آشنا» (Familiar Faces) یکپارچه شده است. ویژگی‌های کلیدی این تغییر عبارتند از:

  • به‌روزرسانی خودکار تصاویر ساکنان برای جلوگیری از تکیه بر عکس‌های قدیمی.
  • کاهش شدید اعلان‌های اشتباه (False Notifications) روی گوشی کاربران.
  • تحلیل هم‌زمان چندین متغیر محیطی برای تطبیق با پروفایل کاربر.

برای شما به عنوان کاربر، این یعنی خانه‌ای «نامرئی» و هوشمندتر. دیگر نیازی نیست دائم اعلان‌های خطا را رد کنید؛ سیستم می‌داند چه کسی در آشپزخانه است، فارغ از اینکه به کدام سمت نگاه می‌کند. این رویکرد تکمیلی با هدف گوگل برای ایجاد گفتگوهای طبیعی از طریق ادغام Gemini در بلندگوهای هوشمند است تا تجربه تعاملی کاربر با محیط خانه یکپارچه شود.

با توجه به سوابق گوگل در برخورد با کارکنانش (مانند اخراج مهندسی که ابزار Workspace CLI را منتشر کرد)، این حرکت به سمت ردیابی تهاجمی‌تر در محیط خانه، نشان‌دهنده استراتژی جدید این شرکت در جمع‌آوری داده‌های رفتاری است.

گام بعدی شما

  • تنظیمات دوربین‌های خود را بررسی کنید تا کتابخانه «چهره‌های آشنا» به‌روز باشد.
  • در تنظیمات حریم خصوصی جست‌وجو کنید تا ببینید آیا گزینه‌ای برای غیرفعال کردن ردیابی غیربیومتریک وجود دارد یا خیر.
  • دقت اعلان‌ها را پس از به‌روزرسانی ۲۳ ژوئن مقایسه کنید.

اما تأثیر این مدل‌های بینایی بر مصرف باتری و پهنای باند در لبه شبکه موضوع دیگری است — به تحلیل ما درباره‌ی رایانش لبه مراجعه کنید.

چرا این موضوع مهم است؟

این به‌روزرسانی با تکیه بر اعتبار مهندسی گوگل در پردازش تصویر، استاندارد شناسایی در محیط‌های کنترل‌شده را تغییر می‌دهد. کاربرد این تکنیک در محیط‌های تجاری می‌تواند سیستم‌های نظارتی را بدون نیاز به مواجهه مستقیم چهره، بسیار دقیق‌تر کند.

تأثیر برای ایران

به‌دلیل محدودیت‌های دسترسی به اکوسیستم گوگل هوم در ایران، این قابلیت اثر مستقیمی بر کاربران داخلی ندارد و بیشتر برای بررسی مسیر تکامل مدل‌های بینایی-زبانی اهمیت دارد.

·نگاه ما
تحریریه دات‌هوش

این تغییر نشان می‌دهد گوگل در حال گذار از «تشخیص چهره» به «تحلیل رفتار و فرم» است تا وابستگی به داده‌های حساس بیومتریک را در لایه‌های اولیه کاهش دهد. احتمالاً این رویکرد برای دور زدن برخی قوانین سخت‌گیرانه حریم خصوصی در اروپا طراحی شده است، چرا که رنگ لباس لزوماً یک داده بیومتریک دائمی محسوب نمی‌شود.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.