ಸ್ಮಾರ್ಟ್ ಗ್ಲಾಸ್ ಮತ್ತು ಕೃತಕ ದೃಷ್ಟಿಯ ಭವಿಷ್ಯ

ಮುಖ ಗುರುತಿಸುವಿಕೆ ತಂತ್ರಜ್ಞಾನವು ಅಪಾಯಕಾರಿ ದರದಲ್ಲಿ ಅಭಿವೃದ್ಧಿ ಹೊಂದುತ್ತಿದೆ, ಮತ್ತು ಗ್ಲಾಸ್ ವಾಸ್ತವವಾಗಿ ಆಧುನಿಕ ವ್ಯವಸ್ಥೆಗಳ ಪ್ರತಿನಿಧಿಯಾಗಿದೆ ಮತ್ತು ಈ ಪ್ರಕ್ರಿಯೆಯ ಪ್ರಮುಖ ಹಂತದಲ್ಲಿದೆ.

ವಿಸ್ಕಾನ್ಸಿನ್-ಮ್ಯಾಡಿಸನ್ ವಿಶ್ವವಿದ್ಯಾನಿಲಯವು ಪ್ರಕಟಿಸಿದ ಇತ್ತೀಚಿನ ಕಾಗದವು ಈ ಕ್ಷೇತ್ರದ ಪ್ರಗತಿಯನ್ನು ಎತ್ತಿ ತೋರಿಸುತ್ತದೆ ಮತ್ತು ಅವುಗಳ “ಗುಪ್ತಚರ” ಗಾಜನ್ನು ಸಂವೇದಕಗಳು ಅಥವಾ ಶಕ್ತಿಯಿಲ್ಲದೆ ಗುರುತಿಸಬಹುದು. ” ಕ್ಯಾಮೆರಾಗಳು, ಸಂವೇದಕಗಳು ಮತ್ತು ಆಳವಾದ ನರ ಜಾಲಗಳ ಸಾಮಾನ್ಯ ಸೆಟ್ಟಿಂಗ್‌ಗಳನ್ನು ತೆಳುವಾದ ಗಾಜಿನ ತುಂಡಾಗಿ ಸಂಕುಚಿತಗೊಳಿಸಲು ನಾವು ಆಪ್ಟಿಕಲ್ ವ್ಯವಸ್ಥೆಯನ್ನು ಬಳಸುತ್ತಿದ್ದೇವೆ ”ಎಂದು ಸಂಶೋಧಕರು ವಿವರಿಸಿದರು. ಈ ಪ್ರಗತಿಯು ಮುಖ್ಯವಾಗಿದೆ ಏಕೆಂದರೆ ಇಂದಿನ AI ಸಾಕಷ್ಟು ಕಂಪ್ಯೂಟಿಂಗ್ ಶಕ್ತಿಯನ್ನು ಬಳಸುತ್ತದೆ, ಪ್ರತಿ ಬಾರಿ ನಿಮ್ಮ ಫೋನ್ ಅನ್ಲಾಕ್ ಮಾಡಲು ಮುಖದ ಗುರುತಿಸುವಿಕೆಯನ್ನು ಬಳಸುವಾಗ ಅದು ದೊಡ್ಡ ಬ್ಯಾಟರಿ ಶಕ್ತಿಯನ್ನು ಬಳಸುತ್ತದೆ. ಹೊಸ ಗ್ಲಾಸ್ ಯಾವುದೇ ಶಕ್ತಿಯಿಲ್ಲದೆ ಮುಖಗಳನ್ನು ಗುರುತಿಸುವುದಾಗಿ ಭರವಸೆ ನೀಡುತ್ತದೆ ಎಂದು ತಂಡವು ನಂಬುತ್ತದೆ.

ಪ್ರೂಫ್-ಆಫ್-ಕಾನ್ಸೆಪ್ಟ್ ಕೆಲಸವು ಕೈಬರಹದ ಸಂಖ್ಯೆಗಳನ್ನು ಗುರುತಿಸುವ ಗಾಜನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸುವುದನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ.

ಸಿಸ್ಟಮ್ ಕೆಲವು ಸಂಖ್ಯೆಗಳ ಚಿತ್ರಗಳಿಂದ ಹೊರಸೂಸುವ ಬೆಳಕಿನಿಂದ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಮತ್ತು ನಂತರ ಪ್ರತಿ ಸಂಖ್ಯೆಗೆ ಅನುಗುಣವಾದ ಇನ್ನೊಂದು ಬದಿಯಲ್ಲಿರುವ ಒಂಬತ್ತು ಬಿಂದುಗಳಲ್ಲಿ ಒಂದನ್ನು ಕೇಂದ್ರೀಕರಿಸುತ್ತದೆ.

ಸಂಖ್ಯೆಗಳು ಬದಲಾದಾಗ ಸಿಸ್ಟಮ್ ನೈಜ ಸಮಯದಲ್ಲಿ ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ, ಉದಾಹರಣೆಗೆ 3 8 ಕ್ಕೆ ಬದಲಾದಾಗ.

"ಅಂತಹ ಸರಳ ರಚನೆಯಲ್ಲಿ ಈ ಸಂಕೀರ್ಣ ನಡವಳಿಕೆಯನ್ನು ನಾವು ಪಡೆಯಲು ಸಾಧ್ಯವಾಯಿತು ಎಂಬ ಅಂಶವು ನಿಜವಾದ ಅರ್ಥವನ್ನು ನೀಡುತ್ತದೆ" ಎಂದು ತಂಡವು ವಿವರಿಸುತ್ತದೆ.

ವಾದಯೋಗ್ಯವಾಗಿ, ಇದು ಯಾವುದೇ ರೀತಿಯ ಮಾರುಕಟ್ಟೆ ಅಪ್ಲಿಕೇಶನ್ ಅನ್ನು ಆಕ್ರಮಿಸುವುದರಿಂದ ಇನ್ನೂ ಬಹಳ ದೂರದಲ್ಲಿದೆ, ಆದರೆ ತಂಡವು ಇನ್ನೂ ಆಶಾವಾದಿಯಾಗಿದ್ದು, ನಿಷ್ಕ್ರಿಯ ಕಂಪ್ಯೂಟಿಂಗ್ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ನೇರವಾಗಿ ವಸ್ತುವಾಗಿ ನಿರ್ಮಿಸಲು ಅವಕಾಶ ನೀಡುವ ಮಾರ್ಗದಲ್ಲಿ ಅವರು ಎಡವಿಬಿಟ್ಟಿದ್ದಾರೆ, ಒಂದೇ ಗಾಜಿನ ತುಂಡುಗಳನ್ನು ನೂರಾರು ಮತ್ತು ಸಾವಿರಾರು ಬಾರಿ ಬಳಸಬಹುದು. ತಂತ್ರಜ್ಞಾನದ ಕ್ಷಣಿಕ ಸ್ವರೂಪವು ಅನೇಕ ಸಂಭಾವ್ಯ ಸಂಭಾವ್ಯ ಪ್ರಕರಣಗಳನ್ನು ನೀಡುತ್ತದೆ, ಆದರೂ ವಸ್ತುಗಳನ್ನು ತ್ವರಿತವಾಗಿ ಗುರುತಿಸಲು ಅನುವು ಮಾಡಿಕೊಡಲು ಇನ್ನೂ ಸಾಕಷ್ಟು ತರಬೇತಿಯ ಅಗತ್ಯವಿರುತ್ತದೆ ಮತ್ತು ಈ ತರಬೇತಿಯು ಅಷ್ಟು ವೇಗವಾಗಿಲ್ಲ.

ಆದಾಗ್ಯೂ, ಅವರು ವಿಷಯಗಳನ್ನು ಸುಧಾರಿಸಲು ಶ್ರಮಿಸುತ್ತಿದ್ದಾರೆ ಮತ್ತು ಅಂತಿಮವಾಗಿ ಅವುಗಳನ್ನು ಮುಖ ಗುರುತಿಸುವಿಕೆಯಂತಹ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಬಳಸಲು ಬಯಸುತ್ತಾರೆ. "ಈ ತಂತ್ರಜ್ಞಾನದ ನಿಜವಾದ ಶಕ್ತಿಯು ಯಾವುದೇ ಶಕ್ತಿಯ ಬಳಕೆಯಿಲ್ಲದೆ ಹೆಚ್ಚು ಸಂಕೀರ್ಣ ವರ್ಗೀಕರಣ ಕಾರ್ಯಗಳನ್ನು ತಕ್ಷಣವೇ ಎದುರಿಸುವ ಸಾಮರ್ಥ್ಯವಾಗಿದೆ" ಎಂದು ಅವರು ವಿವರಿಸುತ್ತಾರೆ. "ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ರಚಿಸಲು ಈ ಕಾರ್ಯಗಳು ಪ್ರಮುಖ ಅಂಶವಾಗಿದೆ: ಟ್ರಾಫಿಕ್ ಸಿಗ್ನಲ್‌ಗಳನ್ನು ಗುರುತಿಸಲು ಚಾಲಕರಹಿತ ಕಾರುಗಳನ್ನು ಕಲಿಸುವುದು, ಗ್ರಾಹಕ ಸಾಧನಗಳಲ್ಲಿ ಧ್ವನಿ ನಿಯಂತ್ರಣವನ್ನು ಅನುಷ್ಠಾನಗೊಳಿಸುವುದು ಮತ್ತು ಇತರ ಅನೇಕ ಉದಾಹರಣೆಗಳು."

ಅವರು ತಮ್ಮ ಮಹತ್ವಾಕಾಂಕ್ಷೆಯ ಗುರಿಗಳನ್ನು ಸಾಧಿಸಿದ್ದಾರೆಯೇ ಎಂದು ಸಮಯವು ಹೇಳುತ್ತದೆ, ಆದರೆ ಮುಖದ ಗುರುತಿಸುವಿಕೆಯೊಂದಿಗೆ, ಇದು ಖಂಡಿತವಾಗಿಯೂ ವಿಷಯಕ್ಕೆ ಒಂದು ಪ್ರಯಾಣವಾಗಿದೆ.