The future of news? Virtual reality(2015年5月发布于TED)

原视频链接link

什么是新闻?新闻,是指通过报纸、电台、广播、电视台、互联网等媒体途径所传播信息的一种称谓。新闻概念有广义与狭义之分。就其广义而言,除了发表于报刊、广播、互联网、电视上的评论与专文外的常用文本都属于新闻之列,包括消息、通讯、特写、速写(有的将速写纳入特写之列)等等,狭义的新闻则专指消息,消息是用概括的叙述方式,以较简明扼要的文字,迅速及时地报道国内外新近发生的、有价值的事实,让别人了解(来自百度百科)。News is packaged information about current events happening somewhere else. News moves through many different media, based on word of mouth, printing, postal systems, broadcasting, and electronic communication.

Common topics for news reports include war, politics, and business, as well as athletic events, quirky or unusual events, and the doings of celebrities. Government proclamations, concerning royal ceremonies, laws, taxes, public health, and criminals, have been dubbed news since ancient times(来自维基百科).

以下摘录自作者部分原文
去写一些故事,可以做出一些改变, 也许可以激发人们的同情心。 我在报社工作过,我制作过纪录片。 也曾在广播公司供职。 但是,当我接触到虚拟现实的时候, 我才真正开始看到人们那些强烈的 真实的反应, 从根本上改变了我的看法。 那么在虚拟现实中, 我可以把你放在一个故事的 某个场景中。 戴上追踪你视野的眼镜, 你的全身感官都会有种

身临其境的感觉。 就在五年前,我真正开始 把虚拟现实和记者的工作结合起来。 我想做一个关于饥饿的作品。 美国的家庭正在遭受饥饿, 食品供给处人满为患, 人们经常吃不饱饭。 我知道我不能让人们真正感受到饥饿, 但也许我可以找到一个方法, 让他们在生理上感受到些什么。 于是——重申一下,这是五年前—— 把记者的工作和虚拟现实结合在一起 是一个全新的想法,前途未卜, 而且我没有任何基金支持。 相信我,有很多同事都嘲笑我。 但是,我有一个很好的实习生, 她叫米歇尔马克。 我们一起去了食品供给处, 开始进行录音和拍照。 直到有一天,她来到我的办公室, 痛哭不止,泪流满面。 她看到了一条排队领取事物的长队,
那里有一个管理队伍的女人情绪崩溃了, 她在尖叫,”人太多了! 人太多了!” 然后有一个得了糖尿病的男人 没有及时得到食物, 他的血糖降得太低了,昏了过去。

重申一下,我们没有什么基金资助, 所以我想要重现这些场景,就必须 找到一些志愿者, 请求他们帮忙制造出各种模型, 把场景做得尽可能真实。 之后我们试着尽量真实地 展现出那天到底发生了什么。 (视频)声音:有太多人了!有太多人了! 声音:看起来他的癫痫发作了。 声音:我们需要一辆救护车。 诺尼德拉皮娜(NP): 画面右边的那个男人, 他正在那个身体旁边走动。

对于他来说, 他和那个身体同在一个房间里。 好像那个倒下的男人就在他的脚旁。 即使如此,通过外围的视角, 他仍然可以看见他是在这个实验室里, 他应该能看见自己并不是真正在街上, 但他会感觉他正和那些人 一起经历这一切。 他小心地避免踩到那个人身上

这就是我们所看到的观众的反应, 一次又一次同样的反应: 人们跪在地上试图安慰 病情发作的患者, 试图在他耳边低语, 或者提供一些帮助, 即使他们完全帮不上。 很多人从这个作品中走出来后都说, “哦,天哪,我太沮丧了, 我帮不了那个人。” 并把这种感受带回到 他们自己的生活中。 在这个作品完成之后, 南加利福尼亚大学的电影系的院长, 带来了世界经济论坛主席, 来观看这部“饥饿”, 他摘下了眼镜

这些作品已经造成了一定影响。 有些美国人告诉我他们已经直接将自己 银行账户中的一部分钱 捐献给了叙利亚儿童难民。 另外,“洛杉矶饥荒” 开创了一种新的做新闻的形式, 我认为这种形式在未来将会和 其他任何普通平台融合。 谢谢。

近几年来,VR的发展十分迅速,也取得了令人惊叹的进展,就我所知,目前已经推出商业化的VR游戏设备,并且索尼等各大厂商也都在抓紧投资,希望尽快取得商业化的进展。从这一个角度来说,将来VR应用于新闻产业并不会有太大的技术问题。另一方面,随着4G的普及,网络状况越来越好,即使VR形式的新闻内容量较大,但客户端任然能够以较快的速度接收到。就以上两点而言,未来VR应用于新闻是不存在问题的。
然而就目前来看,可能有一下几个问题需要解决:
1、新闻追求时效性,而文中传达的信息是VR形式的新闻材料需要后期的制作,从这一点来讲,除非能够有专业的快速VR转换工具来满足新闻时效性的特点,否则VR形式的新闻将不具备被广泛应用的可能;
2、如作者所说,大家平时在外不可能随时带着一个VR眼镜,那么目前需要解决的一个问题就是没有眼镜的同时如何带来同样震撼真实的效果
3、目前的市场以及用户持有的设备是否支持VR?尽管大多数手机只需要下载VR的APP就可以支持VR了,但是VR对于手机的CPU、GPU等的要求较高,不一定所有手机都可以支持。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值