Οι συγγραφείς επιστημονικής φαντασίας αναφέρονται εδώ και δεκαετίες σε υπολογιστές και ρομπότ με νοημοσύνη που ξεπερνά την ανθρώπινη. Βέβαια, ρεαλιστικά θα χρειαστούν χρόνια για να φτάσει η τεχνολογία σε αυτό το σημείο. Όμως, μέσα από μια σειρά πειράματα Τεχνητής Νοημοσύνης, μπορούμε να έχουμε μια πρόγευση για το μέλλον, εδώ και τώρα.
Λίγα λόγια για την Τεχνητή Νοημοσύνη
Το πεδίο της Τεχνητής Νοημοσύνης προσδιορίστηκε αρχικά από τον Άγγλο μαθηματικό Alan Turing το 1950.
Ήταν ο πρώτος που διατύπωσε την έννοια της ευφυούς υπολογιστικής μηχανής και όρισε μια δοκιμή για το κατά πόσο ένας υπολογιστής κατέχει ευφυΐα.
Η Τεχνητή Νοημοσύνη ως τομέας της Επιστήμης των Υπολογιστών, ασχολείται με τη σχεδίαση και την υλοποίηση προγραμμάτων που είναι σε θέση να μιμηθούν τις ανθρώπινες γνωστικές ικανότητες.
Έτσι, θα πρέπει να εμφανίζουν χαρακτηριστικά ανθρώπινης συμπεριφοράς, όπως η επίλυση προβλημάτων, η αντίληψη μέσω της όρασης, η εξαγωγή συμπερασμάτων, η κατανόηση φυσικής γλώσσας, η εκπαίδευση, και άλλα.
Τα τελευταία λίγα χρόνια, οι κολοσσοί της τεχνολογίας δείχνουν όλο και μεγαλύτερο ενδιαφέρον για την Τεχνητή Νοημοσύνη. Αυτή τη στιγμή θα τη βρούμε κυρίως σε ψηφιακούς "βοηθούς", όπως η Siri της Apple και η Cortana της Microsoft.
Στο μέλλον, όμως, και όσο προοδεύει η τεχνολογία, η Τεχνητή Νοημοσύνη αναμένεται να βρει θέση σε ολοένα και περισσότερες εφαρμογές.
Ένα από τα σημαντικότερα παραδείγματα είναι τα αυτόνομα αυτοκίνητα, μια τεχνολογία που επίσης έχει εκρηκτική ανάπτυξη τα τελευταία χρόνια.
Δοκιμή Turing
Ο Alan Turing πρότεινε ένα τεστ, το οποίο μπορεί να χρησιμοποιηθεί για να διαπιστώσουμε πόσο καλό είναι ένα πρόγραμμα Τεχνητής Νοημοσύνης.
Έχουμε λοιπόν τρία χωριστά δωμάτια, δύο ανθρώπους και έναν υπολογιστή. Και τώρα τι κάνουμε?
Οι άνθρωποι και ο υπολογιστής βρίσκονται σε τρία ξεχωριστά δωμάτια. Ο ένας από τους ανθρώπους έχει το ρόλο του ανακριτή, ενώ ο δεύτερος άνθρωπος και ο υπολογιστής είναι οι εξεταζόμενοι.
Απαραίτητη προϋπόθεση είναι ο ανακριτής να μην γνωρίζει σε ποιο δωμάτιο είναι το μηχάνημα και σε ποιο ο άνθρωπος.
Η διαδικασία της δοκιμής είναι σχετικά απλή. Ο ανακριτής θέτει διάφορα ερωτήματα στον άνθρωπο και στον υπολογιστή. Με βάση τις ξεχωριστές απαντήσεις που παίρνει, προσπαθεί να διακρίνει τον άνθρωπο από τη μηχανή.
Εάν ο ανακριτής δεν καταφέρει να διαχωρίσει τους δύο, τότε μπορεί να θεωρηθεί ότι ο υπολογιστής κατέχει ευφυΐα.
Μέχρι στιγμής ,το ρώσικο λογισμικό Eugene Goostman θεωρείται ότι κατάφερε να περάσει το τεστ Turing, αφού ξεπέρασε το όριο του 30% που είχε θέσει ο μαθηματικός.
Συγκεκριμένα, σε ένα πεντάλεπτο διάλογο που είχε με εθελοντές ανακριτές, μπόρεσε να τους ξεγελάσει στο 33% των περιπτώσεων, αφού τους έπεισε με επιτυχία ότι ήταν ένα 13χρονο αγόρι από την Ουκρανία.
Και αν μας φαίνεται μικρό το ποσοστό του 33%, είναι καλό να αναλογιστούμε τη πραγματική φύση ενός υπολογιστή.
Είναι αναμφισβήτητο πως κάθε υπολογιστής υπερέχει όσον αφορά μαθηματικές πράξεις, και στη μνήμη με την έννοια της αποθήκευσης πληροφοριών.
Όμως, μέχρι και τα πλέον προηγμένα υπολογιστικά συστήματα αδυνατούν να αναπαράγουν ακριβώς την διαδικασία της ανθρώπινης σκέψης, ακόμα και σε κάτι τόσο καθημερινό όσο ένας διάλογος.
Πόσο μάλλον για ακόμα πιο περίπλοκες δραστηριότητες δραστηριότητες, όπως είναι το φλέρτ,η δημιουργικότητα, ακόμα και η πονηριά.
Τι είναι τα πειράματα Τεχνητής Νοημοσύνης?
Ο προγραμματισμός ενός συστήματος Τεχνητής Νοημοσύνης είναι αρκετά διαφορετικός απ' ότι η δημιουργία συμβατικών προγραμμάτων.
Σε ένα απλό πρόγραμμα, θα πρέπει να προγραμματίσουμε όλα τα πιθανά ενδεχόμενα. Οτιδήποτε δεν προβλέψουμε, μπορεί ενδεχομένως να κάνει το πρόγραμμα να κολλήσει.
Αντίθετα, ένα σύστημα Τεχνητής Νοημοσύνης θα πρέπει να μπορεί να "κατανοεί" το υλικό που επεξεργάζεται, ακόμα και αν δεν έχει προγραμματιστεί ειδικά για αυτό.
Μία δημοφιλής μέθοδος είναι η "μηχανική μάθηση". Πρόκειται για μια αλγοριθμική διαδικασία με την οποία μία εφαρμογή Τεχνητής Νοημοσύνης επεξεργάζεται έναν μεγάλο όγκο δεδομένων, με στόχο να αναδείξει συγκεκριμένα μοτίβα.
Με αυτόν τον τρόπο η Google εκπαίδευσε ένα πρόγραμμα να αναγνωρίζει...γάτες.
Ουσιαστικά έδειξε στο λογισμικό δέκα εκατομμύρια στιγμιότυπα με γάτες από στο YouTube. Έτσι, αφού το πρόγραμμα είδε όλα τα διαφορετικά είδη σε όλες της πιθανές αποχρώσεις, ήταν πλέον σε θέση να τις αναγνωρίζει και σε άλλες εικόνες.
Εν ολίγοις, τα πειράματα Τεχνητής Νοημοσύνης στοχεύουν στη δημιουργία μηχανών ή και εφαρμογών, οι οποίες προσομοιώνουν κάποια χαρακτηριστικά της ανθρώπινης συμπεριφοράς, ώστε να φαίνεται πως επιδεικνύουν ανθρώπινη ευφυΐα και κοινή λογική.
Ένα ευφυές σύστημα θα πρέπει να είναι σε θέση να δίνει βέλτιστη λύση ή τουλάχιστον μια ικανοποιητική απάντηση.
Οπότε, μην μας παραξενέψει που κάποιες απαντήσεις που θεωρούνται "ικανοποιητικές" σε διάφορα πειράματα Τεχνητής Νοημοσύνης είναι μάλλον παράδοξες.
Τα πειράματα Τεχνητής Νοημοσύνης της Google
Είναι βέβαιο ότι στην Google αρέσουν οι πειραματισμοί και οι νέες ιδέες.
Ο κολοσσός της τεχνολογίας έγινε γνωστός από την αναζήτηση, και σχεδόν το 90% των εσόδων του προέρχεται από διαφημίσεις. Όμως, έχει ασχοληθεί εκτεταμένα με διάφορες πειραματικές τεχνολογίες. Η τεχνητή νοημοσύνη δεν θα μπορούσε να απουσιάζει.
Στη σελίδα A.I. Experiments θα βρούμε μία μεγάλη γκάμα δωρεάν εργαλείων, από όπου μπορούμε να πειραματιστούμε με την Τεχνητή Νοημοσύνη παίζοντας με εικόνες, μουσική, κείμενο, και άλλα.
Οι εφαρμογές είναι κυριολεκτικά χιλιάδες. Εμείς ξεχωρίσαμε τις πιο πρωτότυπες και διασκεδαστικές από αυτές.
Giorgio Cam
Η εφαρμογή Giorgio Cam είναι ένα από τα πιο διασκεδαστικά πειράματα Τεχνητής Νοημοσύνης που δοκιμάσαμε. Συνδυάζει την οπτική αναγνώριση εικόνων με τη μουσική υπόκρουση και ομιλία.
Χρησιμοποιεί την κάμερα του υπολογιστή ή του κινητού μας, ώστε να τραβάει φωτογραφίες και να τις επεξεργάζεται μέσα από μια βάση δεδομένων. Στη συνέχεια η εφαρμογή μας αποκαλύπτει τραγουδώντας την ταυτότητα του αντικειμένου.
Πιο αναλυτικά, οι δημιουργοί Eric Rosenbaum και Yotam Mann βασίστηκαν στο Cloud Vision API της Google, προκειμένου να γίνεται η ανίχνευση του αντικειμένου.
Έπειτα χρησιμοποίησαν το πρόγραμμα ανοιχτού κώδικα MaryTTS, που προσομοιώνει τη φωνή ενός ρομπότ. Επίσης, το τραγούδι που ακούγεται όσο δοκιμάζουμε την εφαρμογή είναι του Giorgio Moroder, από τον οποίο άλλωστε εμπνεύστηκαν και το όνομα.
Καταρχάς, για να το δοκιμάσουμε επιλέγουμε LAUNCH EXPERIMENT...
...και στη συνέχεια LET'S GO.
Είναι εξαιρετικά σημαντικό να επιτρέψουμε στην εφαρμογή να κάνει χρήση της κάμερας, γιατί διαφορετικά θα έχουμε μηνύματα του παρακάτω τύπου.
Μολονότι αυτό το πείραμα Τεχνητής Νοημοσύνης αποτελεί μια κλασσική εφαρμογή αναγνώρισης προτύπων, δεν φθάνει πάντα στον απώτερο στόχο της.
Quick, Draw!
Το Quick, Draw! αποτελεί μια ευφυέστατη εφαρμογή που μαντεύει το αντικείμενο που ζωγραφίζουμε. Πολύ απλά, εμείς κάνουμε τα σχέδια στην οθόνη - τουλάχιστον προσπαθούμε - και η εφαρμογή προσπαθεί να καταλάβει το αντικείμενο.
Επίσης, για να γίνει πιο ενδιαφέρον το παιχνίδι, υπάρχει χρονικό περιθώριο στην ολοκλήρωση της ζωγραφιάς.
Στην ουσία αποτελεί ένα πρόγραμμα που διαθέτει μια μεγάλη βάση σχεδίων. με βάση τα αποθηκευμένα σχέδια, είναι ικανό να κάνει προβλέψεις για νέα σχέδια.
Δηλαδή δεν φτάνει που είμαι μια τελείως ατάλαντη ζωγράφος, έχω και το χρονόμετρο. Αρκουδάκι μου ζήτησε...
...και ιδού το δικό μου αριστούργημα.
Το περίεργο είναι πως δεν μπόρεσε να κάνει σωστή μαντεψιά. Γιατί άραγε?
Η διαδικασία εκκίνησης της εφαρμογής είναι εξαιρετικά απλή και ίδια με των πρώτη που παρουσιάσαμε. Απλά πατάμε LAUNCH EXPERIMENT και στη συνέχεια επιλέγουμε LET'S DRAW.
The Infinite Drum Machine
Ένα από τα πιο ενδιαφέροντα πειράματα Τεχνητής Νοημοσύνης είναι το The Infinite Drum Machine, με το οποίο δημιουργούμε μίξεις από καθημερινούς ήχους.
Η εφαρμογή διαθέτει μια βιβλιοθήκη από απλούς καθημερινούς ήχους και τους έχει ομαδοποιήσει με βάση την ομοιότητα του ήχου.
Για να δοκιμάσουμε την εφαρμογή, πατάμε LAUNCH EXPERIMENT...
...και START PLAYING.
Η ομαδοποίηση των ήχων γίνεται με χρωματικό κριτήριο, οπότε αν θέλουμε ο ήχος να έχει κάποια ομοιομορφία, κινούμαστε στην ίδια απόχρωση.
Επίσης, υπάρχει μια αρκετά πλούσια βάση δεδομένων από ομάδες ήχων για να επιλέξουμε όποια μας αρέσει.
Πατώντας το πλήκτρο της έναρξης, αρχίζουν να παίζουν τα όργανα.
Thing Translator
Με το Thing Translator μαθαίνουμε πώς λέγονται τα αντικείμενα που βγάλαμε φωτογραφία, σε άλλες γλώσσες. Εννοείται βέβαια ότι μεταξύ των επιλογών είναι τα Αγγλικά και... οι άλλες γλώσσες.
Το Thing Translator δημιουργήθηκε με τη βοήθεια του Google Vision API προκειμένου να αναγνωρίζονται οι εικόνες από το σύστημα, και με το Translate API γίνεται η μετάφραση των εικόνων.
Για να το δοκιμάσουμε, επιτρέπουμε την εφαρμογή να χρησιμοποιήσει την κάμερα του υπολογιστή...
...και στη συνέχεια τραβάμε τη φωτογραφία και ακούμε πώς προφέρεται το αντικείμενο που "διάβασε" η εφαρμογή σε άλλες γλώσσες.
Παρόλο που επίτηδες η κάμερα που χρησιμοποιήθηκε κατά τη δοκιμή δεν είχε καλή ανάλυση, το Thing Translate κατάφερε να κάνει σωστή αναγνώριση.
Εν ολίγοις, είναι ένα από τα πιο χρήσιμα πειράματα Τεχνητής Νοημοσύνης και συνίσταται σε ανθρώπους με ενδιαφέρον στις ξένες γλώσσες.
Bird Sounds
Το Bird Sounds ανήκει στην κατηγορία με τα πειράματα Τεχνητής Νοημοσύνης που ομαδοποιούν αντικείμενα, ανάλογα με το οριζόμενο κριτήριο.
Πιο συγκεκριμένα, του δίνονται διάφοροι ήχοι πουλιών, και το ευφυές σύστημα δημιουργεί ομάδες από παραπλήσιους ήχους. Τα ονόματα των πουλιών αποδίδονται αυτόματα από το πρόγραμμα.
Μάλιστα έγινε εξαιρετική δουλειά, διότι πράγματι το σύστημα μπόρεσε να μιμηθεί την ικανότητα του ανθρώπου να εντάσσει στοιχεία σε ομάδες με κοινά χαρακτηριστικά.
Αν δοκιμάσουμε το Bird Sounds, καταλαβαίνουμε αμέσως ότι θα ακούσουμε πολλά πουλάκια, και συγκεκριμένα 14.482 διαφορετικούς ήχους πουλιών.
Με το φίλτρο μπορούμε να ορίσουμε το είδος του πουλιού που θέλουμε να ακούσουμε και πατώντας πάνω στα χρωματισμένα τετράγωνα, διαβάζουμε πώς ονομάζεται το είδος που ακούμε.
A.I. Duet
Το A.I. Duet είναι ένα από τα πειράματα Τεχνητής Νοημοσύνης που δεν θα δοκιμάσουμε, διότι είναι ακόμη στο στάδιο της ανάπτυξης.
Αυτή τη στιγμή που γράφεται ο οδηγός, ο κώδικας του προγράμματος διατίθεται ως ελεύθερο λογισμικό, προκειμένου να χρησιμοποιηθεί και να αναπτυχθεί και από άλλους.
Ωστόσο, μέχρι να ολοκληρώσει το ευφυές σύστημα ο προγραμματιστής, θεωρούμε ότι είναι καλό να ξέρουμε τι να περιμένουμε.
Σε αυτήν τη περίπτωση έχουμε έναν έξυπνο υπολογιστή που του δίνουμε κάποιες νότες από τα πλήκτρα. Και προς αποφυγήν παρεξηγήσεων, όταν λέμε πλήκτρα δεν εννοούμε το πληκτρολόγιο του υπολογιστή ή του laptop, αλλά του μουσικού οργάνου.
Έτσι, θα πατάμε κάποιες νότες και ο υπολογιστής θα δημιουργεί ήχους με βάση τις νότες που επιλέξαμε. Δηλαδή το μηχάνημα βρίσκει τον καλύτερο συνδυασμό από αυτές τις νότες και τον αναπαράγει.
Βέβαια, με ποια κριτήρια γίνεται η επιλογή της βέλτιστης λύσης δεν μπορούμε να το ξέρουμε, γιατί έγκειται στην κρίση του προγραμματιστή.
Visualizing High-Dimensional Space
Με το Visualizing High-Dinensional Space γίνεται οπτική απεικόνιση του τρόπου λειτουργίας της μηχανικής μάθησης. Αλλά επειδή είναι μια πολύπλοκη διαδικασία, θα την εξηγήσουμε αναλυτικά.
Ξεκινάμε με την πολλαπλή διάσταση που έχουν τα δεδομένα. Για παράδειγμα, αν δώσουμε σε πέντε διαφορετικούς ανθρώπους το όνομα του αρχισυντάκτη μας, Άγγελου Κυρίτση, και τους ζητήσουμε να μας πουν την πρώτη λέξη που θα σκεφτούν, δεν θα πάρουμε την ίδια απάντηση από όλους.
Μεταξύ των απαντήσεων μπορεί να είναι οι προφανείς λέξεις αρχισυντάκτης, pcsteps, άρθρα, αλλά και οι μη προφανείς, Αθήνα (που γεννήθηκε), Γαλλία (που κατοικεί).
Όλες αυτές οι διαφορετικές έννοιες προσδίδουν μια πολυδιάστατη προσέγγιση στα δεδομένα, τα οποία με τη μηχανική μάθηση ομαδοποιούνται.
Αυτό μας δείχνει στην πραγματικότητα το Visualizing High-Dinensional Space, που απεικονίζει χιλιάδες κουκκίδες από δεδομένα. Αν έχουν κάποια συνάφεια, τότε βρίσκονται σε κοντινή απόσταση.
Επομένως, αν δούμε την πολυδιάστατη ερμηνεία της λέξης months, παρατηρούμε την ομαδοποίηση που έκανε ο υπολογιστής.
Πιο κοντά βρίσκονται οι πιο προφανείς λέξεις, που σχετίζονται άμεσα με την έννοια του μήνα. Όχι όμως όλες οι προφανείς, γιατί η λέξη "February" βρίσκεται πιο μακριά από τη λέξη "days".
Οπότε, δεν χρειάζεται να παίρνουμε στα σοβαρά την κάθε απάντηση του συστήματος, διότι όπως έχουμε πει, όλα αυτά είναι πειράματα Τεχνητής Νοημοσύνης.
What Neural Networks See
Το What Neural Networks See αποτελεί άλλη μια περίπτωση πειράματος που βρίσκεται στο στάδιο της ανάπτυξης, οπότε ακόμη δεν μπορούμε να το δοκιμάσουμε.
Ωστόσο, αν έχουμε κάποιες προγραμματιστικές ανησυχίες, μπορούμε να χρησιμοποιήσουμε των ήδη γραμμένο κώδικα και να δημιουργήσουμε κάποιο δικό μας πείραμα Τεχνητής Νοημοσύνης.
Ο σκοπός αυτής της εφαρμογής είναι να μας δείξει τον τρόπο λειτουργίας ενός "σκεπτόμενου" συστήματος. Πιο συγκεκριμένα, το πρόγραμμα θα χρησιμοποιεί την κάμερα του υπολογιστή, ώστε να καταγράφει εικόνες ή αντικείμενα.
Στη συνέχεια το λογισμικό θα αναγνωρίζει αυτές τις εικόνες, ανάλογα με τα φίλτρα που έχουμε ορίσει.
Για παράδειγμα ο προγραμματιστής και δημιουργός του What Neural Networks See, τοποθέτησε ένα μπουκάλι εμφιαλωμένου νερού μπροστά στην κάμερα και έλαβε την παρακάτω απάντηση.
Πράγματι, το ευφυές υπολογιστικό σύστημα αναγνώρισε σωστά το αντικείμενο και το τοποθέτησε πρώτο στη λίστα με τις πιθανές περιπτώσεις. Έτσι, μας ενημερώνει ότι θα μπορούσε να είναι ένα σπρέι χτενίσματος ή ακόμη και ένα γλειφιτζούρι.
Μάλιστα είναι απόλυτα λογική η όποια λάθος αναγνώριση από το λογισμικό, ειδικά στις περιπτώσεις που τα καταγεγραμμένα στοιχεία μοιάζουν ως προς το σχήμα και το μέγεθος.
Handwriting with a Neural Net
Άλλο ένα πείραμα που μας βάζει στον κόσμο της Τεχνητής Νοημοσύνης είναι το Handwriting with a Neural Net. Σε αυτήν την περίπτωση το υπολογιστικό σύστημα προσομοιώνει τον τύπο γραφής μας και προβλέπει τις επόμενες μολυβιές.
Με το κουμπί Play/Pause θέτουμε σε λειτουργία το σύστημα και ξεκινάμε να γράφουμε. Εδώ ξεκινήσαμε με το γράμμα Μ, και το λογισμικό μας έδωσε διάφορες επιλογές γραμμάτων και στυλ.
Στην αρχή ίσως να μην καταφέρουμε να καταλάβουμε τον τρόπο σκέψης του συστήματος. Ωστόσο, όσο παίζουμε με αυτό και πειραματιζόμαστε, θα καταφέρουμε να αντιληφθούμε ακριβώς πώς εμφανίζει τα επόμενα γράμματα.
Chrome Experiments
Στην καρτέλα Chrome Experimets θα βρούμε 1253 πειράματα της Google, τα οποία δεν σχετίζονται όλα με την Τεχνητή Νοημοσύνη.
Αν και κάποια από αυτά παρουσιάζουν αρκετό ενδιαφέρον, δεν θα τα παρουσιάσουμε γιατί ξεφεύγουν από το θέμα του σημερινού οδηγού.
Για τις ανάγκες αυτού του οδηγού, ψάξαμε όλα τα Chrome Experiments και ξεχωρίσαμε τέσσερα πειράματα Τεχνητής Νοημοσύνης.
Alice
Αυτή τη φορά η Αλίκη δεν ήταν στη Χώρα των Θαυμάτων, αλλά στη χώρα του Google. Το πείραμα Alice διαβάζει τη διάθεση του προσώπου που ζωγραφίζουμε στην οθόνη.
Σε αυτήν την περίπτωση μιλάμε για ένα είδος μηχανικής μάθησης, που η απόδοση του συστήματος βελτιώνεται μετά την παρουσίαση πολλών δειγμάτων σχεδίων.
Δηλαδή εμείς εκπαιδεύουμε την Alice να αναγνωρίζει τα αισθήματα κάθε σχεδίου και να βελτιώνεται κάθε φορά που σχεδιάζουμε ένα νέο πρόσωπο.
Για να τα δούμε όλα αυτά στην πράξη, πληκτρολογούμε Alice στην μπάρα αναζήτησης...
...και στη συνέχεια επιλέγουμε Launch Experiment για να το δοκιμάσουμε.
Αν και προσωπικά δεν αντέχω άλλο να ζωγραφίζω και να γελοιοποιούμαι, θα προσπαθήσω να κάνω ένα ευτυχισμένο σκίτσο. Ομολογουμένως η Alice κατάφερε να διαβάσει το σχέδιο.
Η Alice είναι ένα από τα πιο ευχάριστα πειράματα Τεχνητής Νοημοσύνης. Είναι ιδανικό για παιδιά, και φυσικά για όσους νιώθουν παιδιά.
APEXvj
Το APEXvj μετατρέπει τα ηχητικά κύματα από απλούς ήχους και τραγούδια σε pixel. Στην ουσία κάνει οπτικοποίηση των ήχων σε τρισδιάστατες εικόνες, οι οποίες εναρμονίζονται με τον ρυθμό της μελωδίας.
Το βρίσκουμε με τον τρόπο που περιγράψαμε στο προηγούμενο πείραμα.
Αφού φορτώσουμε την εφαρμογή, εμφανίζεται η παρακάτω οθόνη. Σε αυτό το σημείο έχουμε τρεις επιλογές μελωδίας.
Πρώτον, μπορούμε να φορτώσουμε ένα αγαπημένο μας τραγούδι με copy-paste του URL συνδέσμου από το YouTube.
Δεύτερον, να βολευτούμε με τα τραγούδια που βρίσκονται στη βιβλιοθήκη του APEXvj.
Τρίτον, να εισάγουμε τους δικούς μας μοναδικούς ήχους από το μικρόφωνο.
Για τη δοκιμή επιλέξαμε τυχαία ένα τραγούδι και αρχικά κάναμε τις απαραίτητες ρυθμίσεις έντασης του ήχου.
Κατόπιν, επιλέξαμε Initialize everything and begin και απολαύσαμε την οπτική απεικόνιση του ήχου.
Αν θέλουμε να δημιουργήσουμε τη δική μας playlist, έχουμε τη δυνατότητα να κάνουμε εγγραφή στην εφαρμογή συμπληρώνοντας το email και έναν κωδικό.
Για να δημιουργήσουμε τη λίστα με τα αγαπημένα μας τραγούδια, κάνουμε κλικ στο Create και από εκεί και πέρα όλα γίνονται εξαιρετικά εύκολα.
Deja vu
Το Deja vu είναι ένα εκκεντρικό πείραμα που βασίζεται στο ομώνυμο βίντεο κλιπ των Kamra. Στην ουσία χρησιμοποιεί την εικόνα κάποιου προσώπου, ακόμα και του δικού μας προσώπου αν θέλουμε, στη μουσική του τραγουδιού.
Για να ανεβάσουμε κάποια φωτογραφία, πατάμε Photo.
Εφόσον γίνει αποδεκτή απ' το πρόγραμμα, πατάμε ΟΚ και ξεκινάει η αναπαραγωγή του video.
Κάναμε τη δοκιμή ανεβάζοντας μια φωτογραφία στην εφαρμογή, και ομολογουμένως παιδευτήκαμε αρκετά για να πληρεί τις προδιαγραφές. Θα πρέπει η φωτογραφία να δείχνει μόνο ένα πρόσωπο, χωρίς να φαίνεται καθόλου το background.
Επίσης, όσο παρακολουθούμε το video μας αφήνει μια έντονη γεύση ψυχεδέλειας. Αυτό το χαρακτηριστικό κατατάσσει το Deja vu στα πιο "παραισθησιογόνα" πειράματα Τεχνητής Νοημοσύνης που έχουμε συναντήσει μέχρι τώρα.
Land Lines
Με το Land Lines θα γνωρίσουμε διάφορα μέρη του κόσμου, ζωγραφίζοντας γραμμές. μπορεί να φαίνεται περίεργο αλλά δουλεύει μια χαρά.
Είναι άλλο ένα πείραμα που εκπαιδεύει ένα ευφυές σύστημα να αναγνωρίζει γραμμές, στους δορυφορικούς χάρτες της Google.
Για άλλη μια φορά, επιλέγουμε Launch Experiment για να το δοκιμάσουμε...
...και για άλλη μια φορά πρέπει να ζωγραφίσουμε. Ευτυχώς δεν χρειάζονται κανονικά σκίτσα, αλλά μόνο γραμμές.
Έπειτα, το σύστημα ψάχνει στον χάρτη και μας δείχνει σε ποιο μέρος του κόσμου υπάρχει μια παρόμοια γραμμή.
με την επιλογή Drag πλοηγούμαστε ταυτόχρονα σε πολλά μέρη του κόσμου, απλά κάνοντας γραμμές στην οθόνη του υπολογιστή μας.
Η επιστήμη της Τεχνητής Νοημοσύνης κερδίζει καθημερινά έδαφος και ολοένα και περισσότερες εταιρείες ανάπτυξης λογισμικών επενδύουν σε τέτοιου είδους εφαρμογές.
Ωστόσο, δεν λείπουν και οι σκεπτικιστές που εκφράζουν μια έντονη ανησυχία ως προς την εξέλιξη της Τεχνητής Νοημοσύνης.
Χαρακτηριστικό παράδειγμα είναι η δήλωση του γνωστού Steven Hawking, που δήλωσε ότι η πλήρης ανάπτυξη της Τεχνητής Νοημοσύνης μπορεί να σημάνει το τέλος του ανθρώπινου είδους.
Λέτε να έρθει η μέρα που θα ζήσουμε την εξέγερση των μηχανών και οι ταινίες επιστημονικής φαντασίας θα γίνουν πραγματικότητα?
Το σίγουρο είναι ότι οι ανησυχίες του Steven Hawking δεν αναφερόταν στα πειράματα Τεχνητής Νοημοσύνης που παρουσιάσαμε. Όλα αυτά τα πειράματα προορίζονται για ψυχαγωγικούς και εκπαιδευτικούς σκοπούς.
Η ΑΠΟΚΑΛΥΨΗ ΤΟΥ ΕΝΑΤΟΥ ΚΥΜΑΤΟΣ
Δεν υπάρχουν σχόλια:
Δημοσίευση σχολίου
Επειδη Η Ανθρωπινη Ιστορια Δεν Εχει Ειπωθει Ποτε.....Ειπαμε κι εμεις να βαλουμε το χερακι μας!
Σημείωση: Μόνο ένα μέλος αυτού του ιστολογίου μπορεί να αναρτήσει σχόλιο.