స్మార్ట్ గ్లాస్ మరియు కృత్రిమ దృష్టి యొక్క భవిష్యత్తు

ఫేషియల్ రికగ్నిషన్ టెక్నాలజీ భయంకరమైన రేటుతో అభివృద్ధి చెందుతోంది, మరియు గ్లాస్ వాస్తవానికి ఆధునిక వ్యవస్థల ప్రతినిధి మరియు ఈ ప్రక్రియ యొక్క ప్రధాన దశలో ఉంది.

విస్కాన్సిన్-మాడిసన్ విశ్వవిద్యాలయం ప్రచురించిన ఇటీవలి కాగితం ఈ రంగంలో పురోగతిని హైలైట్ చేస్తుంది మరియు వారి “ఇంటెలిజెన్స్” గాజును సెన్సార్లు లేదా శక్తి లేకుండా గుర్తించవచ్చు. ” కెమెరాలు, సెన్సార్లు మరియు లోతైన నాడీ నెట్‌వర్క్‌ల యొక్క సాధారణ సెట్టింగులను సన్నని గాజు ముక్కగా కుదించడానికి మేము ఆప్టికల్ సిస్టమ్‌ను ఉపయోగిస్తున్నాము ”అని పరిశోధకులు వివరించారు. ఈ పురోగతి ముఖ్యం ఎందుకంటే నేటి AI చాలా కంప్యూటింగ్ శక్తిని వినియోగిస్తుంది, ప్రతిసారీ మీరు మీ ఫోన్‌ను అన్‌లాక్ చేయడానికి ముఖ గుర్తింపును ఉపయోగించినప్పుడు పెద్ద బ్యాటరీ శక్తిని వినియోగిస్తుంది. కొత్త గాజు ఎటువంటి శక్తి లేకుండా ముఖాలను గుర్తిస్తుందని వాగ్దానం చేసినట్లు బృందం అభిప్రాయపడింది.

ప్రూఫ్-ఆఫ్-కాన్సెప్ట్ పనిలో చేతితో రాసిన సంఖ్యలను గుర్తించే గాజు రూపకల్పన ఉంటుంది.

సిస్టమ్ కొన్ని సంఖ్యల చిత్రాల నుండి వెలువడే కాంతి ద్వారా పనిచేస్తుంది మరియు తరువాత ప్రతి సంఖ్యకు అనుగుణంగా మరొక వైపు ఉన్న తొమ్మిది పాయింట్లలో ఒకదానిపై దృష్టి పెడుతుంది.

సంఖ్యలు మారినప్పుడు సిస్టమ్ నిజ సమయంలో పర్యవేక్షించగలదు, ఉదాహరణకు 3 8 కి మారినప్పుడు.

"మేము ఈ సంక్లిష్ట ప్రవర్తనను అటువంటి సరళమైన నిర్మాణంలో పొందగలిగాము అనే వాస్తవం నిజమైన అర్ధమే" అని బృందం వివరిస్తుంది.

నిస్సందేహంగా, ఇది ఏ రకమైన మార్కెట్ అనువర్తనాన్ని ఆక్రమించటానికి ఇప్పటికీ చాలా దూరం ఉంది, కాని బృందం ఇప్పటికీ ఆశాజనకంగా ఉంది, వారు ఇప్పటికీ పదార్థంలో నేరుగా నిర్మించిన నిష్క్రియాత్మక కంప్యూటింగ్ సామర్థ్యాలను అనుమతించే మార్గంలో పొరపాటు పడ్డారు, వీటిని వందల మరియు వేల సార్లు ఉపయోగించవచ్చు. సాంకేతిక పరిజ్ఞానం యొక్క క్షణిక స్వభావం అనేక సంభావ్య కేసులను అందిస్తుంది, అయినప్పటికీ పదార్థాలను త్వరగా గుర్తించటానికి ఇంకా చాలా శిక్షణ అవసరం, మరియు ఈ శిక్షణ అంత వేగంగా లేదు.

అయినప్పటికీ, వారు విషయాలను మెరుగుపరచడానికి తీవ్రంగా కృషి చేస్తున్నారు మరియు చివరికి వాటిని ముఖ గుర్తింపు వంటి రంగాలలో ఉపయోగించాలనుకుంటున్నారు. "ఈ సాంకేతిక పరిజ్ఞానం యొక్క నిజమైన శక్తి శక్తి వినియోగం లేకుండా వెంటనే మరింత సంక్లిష్టమైన వర్గీకరణ పనులను ఎదుర్కోగల సామర్థ్యం" అని వారు వివరించారు. "ఈ పనులు కృత్రిమ మేధస్సును సృష్టించడానికి కీలకమైన అంశం: ట్రాఫిక్ సంకేతాలను గుర్తించడానికి డ్రైవర్‌లెస్ కార్లను బోధించడం, వినియోగదారు పరికరాల్లో వాయిస్ కంట్రోల్‌ను అమలు చేయడం మరియు అనేక ఇతర ఉదాహరణలు."

వారు తమ ప్రతిష్టాత్మక లక్ష్యాలను సాధించారా అని సమయం తెలియజేస్తుంది, కానీ ముఖ గుర్తింపుతో, ఇది ఖచ్చితంగా దాని గురించి ఒక ప్రయాణం.