扎克伯格开发笔记：打造Jarvis的日子，我庆幸自己从未停止过编程

为了做到这一点，我在门口装了好几个摄像头，确保各个角度都能够捕获图像。AI系统目前还不能识别后脑勺，因此多装几个摄像头可以确保我们可以看到那个人的脸。我设置了一个简单的服务器，可以持续检查摄像头的传回的图像，并执行以下两个程序：

• 首先，通过面部检测，来查看是否有人出现在摄像头的视野之中，如果它发现人脸出现在画面之中，就会执行面部识别程序来确定这个人是谁。

• 一旦确定这个人是谁，就会检查一个列表来确定他是不是我正在等的人。如果是，就会让他进来并通知我，客人已经到了。

这种类型的视觉AI系统在很多地方都非常有用：比如知道Max什么时候醒，这样就可以开始播放音乐或者普通话课程;知道我们在哪个房间里，这样就可以在不提供位置的情况下，正确地执行没有上下文的类似开灯这样的指令。和AI其他的方面一样，当把视觉提供的信息与其他能力结合起来时就能发挥最大的功效。比如知道哪些是你的朋友，以及如何在他们到你家的时候给他们开门。当AI系统拥有的信息量越多，它就会变得越聪明。

Messenger Bot

虽然我在电脑上编写Jarvis，但为了让它更有用，我希望不管在任何地方都能和它对话。这意味着我必须通过我的手机，而不是放在家里的某个设备来和它进行通信。

我开始建立一个Messenger Bot来和Jarvis对话，这比开发一个单独的App要容易地多。Messenger为开发自动程序提供了一个简易的框架，它可以自动帮你完成很多事情，比如可以跨平台(iOS和Android)工作，支持文字、图像和语音内容，推送通知，管理不同人的身份和权限等等。

我可以通过Messenger Bot发送任何的文本信息，发送的文本会被立即传送到Jarvis服务器上并被处理。我也可以发送语音片段，服务器会将语音准换成文本，然后执行指令。如果在我不在家的时候有人到访，Jarvis会给我发送一张图片，然后告诉我是谁来了。

有一点我没想到的是，虽然我既可以通过语音也可以通过文字来和Jarvis对话，但是我使用文字的几率比我预想的多得多。大多数情况下，打字不会干扰到我身边的人。如果我做的事涉及所有人，比如为大家播放音乐，那么我会选择语音，但是大多数时候用打字更合适。同样的，当Jarvis和我沟通的时候，我更希望收到文本信息而不是语音。因为声音有时候会突然打扰到你，而文本则让你可以在想看的时候再看。就算是我对着Jarvis发布语音指令，但是如过我正在使用手机，我会更喜欢它通过文本信息来回应。

这种选择文字而不是语音交流方式的偏好，其实跟Messenger和WhatsApp上文字消息比语音消息更收欢迎这一现象是吻合的。这表明，未来的AI产品不能只专注语音交互，私人消息界面也应该是标配。如果你想让AI能够通过文本沟通，那么选用像Messenger这样的平台比你从零开始开发一个App要容易的多。我一直以来都对AI机器人持乐观态度，当我开发了Jarvis之后，这种交互的体验让我更相信智能家庭的未来应该是像Jarvis这样的。

（编辑：云计算网_泰州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!