Chinese police arrested a CS:GO cheat provider
https://dotesports.com/counter-strike/chinese-police-arrest-csgo-cheat-provider-17619
https://dotesports.com/counter-strike/chinese-police-arrest-csgo-cheat-provider-17619
Вестерн 21го века
Некие злоумышленники ограбили грузовик перевозивший коллекционные коробки с игрой Total War: Warhammer 2
http://www.pcgamer.com/thieves-loot-a-van-carrying-total-war-warhammer-2-collectors-editions/
Некие злоумышленники ограбили грузовик перевозивший коллекционные коробки с игрой Total War: Warhammer 2
http://www.pcgamer.com/thieves-loot-a-van-carrying-total-war-warhammer-2-collectors-editions/
pcgamer
Thieves loot a van carrying Total War: Warhammer 2 collector's editions
This won't affect pre-orders.
Forwarded from Quantum Quintum
Первая статья от Facebook. Erica Virtue рассказывает о своем опыте проектирования AI-enabled систем (надо ли напоминать, что в FB AI везде?). Эрика рассказывает об том, как они улучшали систему запроса рекомендаций (когда вы пишите новый пост в FB, там есть пункт "Ask for recommendations").
Все начинается с определения проблемы: Facebook — классный способ собрать отзывы от друзей, но обычный пост быстро теряется в ленте. Дальше начинается итеративный процесс поиска решений. Сложность в том, что для поиска рекомендаций автор поста должен явно указать, что 1) он ищет рекомендации и 2) указать локацию (например, город) — такие посты будут подсвечены в ленте. Для этого нужно какое-то интерфейсное решение. Команда пробует несколько вариантов: специальные промежуточные экраны, обучение пользователей. Но оптимальный вариант должен вызывать наименьшее сопротивление со стороны пользователя, а лучше — происходить "автомагически".
Через несколько попыток команда пришла к варианту, в котором система должна сама понять, что 1) человек запрашивает о рекомендации о местах в определенной локации или 2) дает такие рекомендации, например, в чате. Для этого как раз нужно AI-решение, анализирующее текст. Как следствие, когда кто-то из ваших друзей дает в комментарии рекомендацию некоторого места, FB умеет понять, что это за место, и подтянуть необходимую информацию в пост - рейтинги, показать на карте и т.п.
В целом, это все кажется простой и понятной идеей. Но на практике не все так просто. Чтобы превратить обычный пост в запрос рекомендаций, надо понять несколько вещей из текста: 1) вы действительно запрашиваете совет, 2) какие именно места вас интересуют и 3) где именно вы ищете. Причем все это с учетом сленга и разговорной речи. Поэтому тут поработала еще фейсбучная команда обработки естественных языков, а не только дизайнеры и разработчики.
Резюме:
1) итоговое решение минимально меняет привычный интерфейс, но добавляет в него "магию";
2) если пользователь не замечает AI, значит, вы на верном пути;
3) тестирование важно, особенно учитывая, что AI-решения улучшаются по мере накопления данных;
4) если AI провалился, решение все равно должно работать (например, при низкой достоверности распознавания);
5) нужна обратная связь, это ключевой способ улучшать AI.
https://medium.com/elegant-tools/designing-with-ai-3f7652619f4 #ai #design #ux
Все начинается с определения проблемы: Facebook — классный способ собрать отзывы от друзей, но обычный пост быстро теряется в ленте. Дальше начинается итеративный процесс поиска решений. Сложность в том, что для поиска рекомендаций автор поста должен явно указать, что 1) он ищет рекомендации и 2) указать локацию (например, город) — такие посты будут подсвечены в ленте. Для этого нужно какое-то интерфейсное решение. Команда пробует несколько вариантов: специальные промежуточные экраны, обучение пользователей. Но оптимальный вариант должен вызывать наименьшее сопротивление со стороны пользователя, а лучше — происходить "автомагически".
Через несколько попыток команда пришла к варианту, в котором система должна сама понять, что 1) человек запрашивает о рекомендации о местах в определенной локации или 2) дает такие рекомендации, например, в чате. Для этого как раз нужно AI-решение, анализирующее текст. Как следствие, когда кто-то из ваших друзей дает в комментарии рекомендацию некоторого места, FB умеет понять, что это за место, и подтянуть необходимую информацию в пост - рейтинги, показать на карте и т.п.
В целом, это все кажется простой и понятной идеей. Но на практике не все так просто. Чтобы превратить обычный пост в запрос рекомендаций, надо понять несколько вещей из текста: 1) вы действительно запрашиваете совет, 2) какие именно места вас интересуют и 3) где именно вы ищете. Причем все это с учетом сленга и разговорной речи. Поэтому тут поработала еще фейсбучная команда обработки естественных языков, а не только дизайнеры и разработчики.
Резюме:
1) итоговое решение минимально меняет привычный интерфейс, но добавляет в него "магию";
2) если пользователь не замечает AI, значит, вы на верном пути;
3) тестирование важно, особенно учитывая, что AI-решения улучшаются по мере накопления данных;
4) если AI провалился, решение все равно должно работать (например, при низкой достоверности распознавания);
5) нужна обратная связь, это ключевой способ улучшать AI.
https://medium.com/elegant-tools/designing-with-ai-3f7652619f4 #ai #design #ux
Medium
Designing with AI
What I learned from designing an artificial intelligence–enabled experience