HTCinside
Υπάρχουν πολλές φορές που βλέπουμε τη «μελλοντική τεχνολογία» που μας φαίνεται τόσο παράταιρη. Το λέμε τέχνασμα μάρκετινγκ και προχωράμε. Ωστόσο, ένας YouTuber μας έδειξε ότι δεν είναι όλα εξωπραγματικά. Υπάρχουν ορισμένες τεχνολογικές εξελίξεις που απαιτούν τη χρήση του ρητού «τόσο καλό για να είναι αληθινό».
Ένας YouTuber, ο Denis Shiryaev, χρησιμοποίησε τις διαθέσιμες τεχνολογικές εξελίξεις και μετέτρεψε μια ασπρόμαυρη ταινία από το έτος 1896 σε ταινία με κρυστάλλινη διαύγεια 4k, με ταχύτητα 60 καρέ ανά δευτερόλεπτο.
Είμαστε όλοι τόσο μουδιασμένοι στο τεχνολογικό τσιτάτο της Τεχνητής Νοημοσύνης, που ισχυρίζεται ότι χρησιμοποιείται από κάθε εταιρεία τεχνολογίας εκεί έξω. Η τεχνητή νοημοσύνη έχει μακρά ιστορία με τους ανθρώπους και την ανάπτυξη λογισμικού.
Η ιδέα ξεκίνησε με στόχο την κατανόηση και τη μίμηση του τρόπου με τον οποίο μαθαίνει ένας ανθρώπινος εγκέφαλος. Μαζί με αυτό είναι οι έννοιες της μηχανικής μάθησης, της βαθιάς μάθησης, της νευρωνικής δικτύωσης, κ.λπ. Αν και όλες πιθανώς ακούγονται σαν ένα τέχνασμα, απλώς λέξεις χωρίς νόημα, δεν είναι έτσι. Υπάρχει πραγματική επιστημονική τεχνολογία πίσω από αυτό.
Αυτοί οι όροι υποδεικνύουν τις ιδέες που χρησιμοποιούνται από μια υπηρεσία για την παράδοση στον τελικό καταναλωτή ενός έξυπνου προϊόντος με τη μορφή ηλεκτρονικών ειδών ευρείας κατανάλωσης. Είναι επίσης πολύ αλήθεια ότι η τεχνητή νοημοσύνη χρησιμοποιείται σχεδόν παντού όπου υπάρχουν gadgets. Μπορείτε να δείτε τα παραδείγματα του τρόπου με τον οποίο το Instagram το χρησιμοποιεί για να εντοπίσει και να καταπολεμήσει την κατάχρηση στην πλατφόρμα του, στο πώς το YouTube σας προτείνει βίντεο.
Μάλιστα, έχει ήδη ενσωματωθεί τόσο στη ζωή μας που δεν το παρατηρούμε πια. Το νευρωνικό δίκτυο είναι λίγο πιο περίπλοκο, όπου στρώματα διασυνδεδεμένων κόμβων εκπαιδεύονται να αναγνωρίζουν μοτίβα παρέχοντας στο δίκτυο μεγάλη ποσότητα δεδομένων και στη συνέχεια φιλτράροντας τις παραμέτρους.
Το αρχικό βίντεο του κλιπ που χρησιμοποίησε ήταν μόνο ανάλυση 640 επί 480 και 20 καρέ ανά δευτερόλεπτο. Αυτό δεν σημαίνει πολλά σήμερα, αλλά ήταν συνηθισμένο στην εποχή μας. Ο Denis, για να αυξήσει την ποιότητα και τον ρυθμό καρέ, χρησιμοποίησε ένα μείγμα νευρωνικών δικτύων από ένα προϊόν που ονομάζεται Gigapixel AI και μια τεχνική που ονομάζεται παρεμβολή καρέ βίντεο με επίγνωση βάθους. Αυτό που κάνει αυτό δεν είναι μόνο αναβαθμίζει την ανάλυση του βίντεο (σε αυτήν την περίπτωση σε 4k), αλλά βοηθά και στον καλύτερο ρυθμό καρέ.
Το Gigapixel AI είναι μια διαδικασία αναβάθμισης που αναπτύχθηκε από την Topaz Labs για να χρησιμοποιηθεί για την αύξηση της ανάλυσης των μέσων. Η τεχνητή νοημοσύνη το κάνει συμπληρώνοντας τις πληροφορίες στο δεδομένο μέσο χρησιμοποιώντας μοτίβα και δομές από μια μεγάλη δεξαμενή εικόνων πηγής που είναι μειωμένη κλίμακα έτσι ώστε η εικόνα να μπορεί να συγκρίνεται με τις πρωτότυπες.
Η τεχνητή νοημοσύνη εδώ δεν βασίζεται στην παρεμβολή όπως οι τυπικές τεχνικές κατά την προσθήκη εικονοστοιχείων. Ωστόσο, η ίδια η Topaz Labs έχει πει ότι η διαδικασία είναι πολύ πιο αργή από τις τυπικές τεχνικές των bi-cubic, Lanczos, spline, κλπ και μπορεί επίσης να εισάγει λανθασμένες λεπτομέρειες.
Ανάγνωση -Το Facebook κατασκεύασε κρυφά μια εφαρμογή αναγνώρισης προσώπου που επιτρέπει στους υπαλλήλους να αναγνωρίζουν άτομα στρέφοντάς τους ένα τηλέφωνο
Αλλά εκτός από όλα αυτά, το μεγαλύτερο πλεονέκτημα είναι ότι τα νευρωνικά δίκτυα μπορούν να εκπαιδευτούν για να κάνουν μια ποικιλία εργασιών, συμπεριλαμβανομένου του χρωματισμού εικόνων και της προσθήκης υφών ή μοτίβων που λείπουν. Στην πραγματικότητα, έχουμε δει τις δυνατότητες των νευρωνικών δικτύων όταν χρησιμοποιήθηκε για την αναθεώρηση του βιντεοπαιχνιδιού Doom για να του δώσει υψηλότερη ποιότητα και στους χαρακτήρες του πιο πειστικά κινούμενα σχέδια. Είναι ένα εργαλείο τεράστιων δυνατοτήτων και σίγουρα θα αλλάξει τον τρόπο που χρησιμοποιούμε την τεχνολογία στο εγγύς μέλλον.