Czerwone oko nie mruga okiem na użytkownika. System mówi zimnym, pozbawionym emocji głosem. „Przepraszam, Dave” – mówi. „Obawiam się, że nie mogę tego zrobić”. W tej kultowej scenie z 2001 roku: Odyseja kosmiczna główny bohater walczy z najmniej pomocnym asystentem na świecie – HAL 9000. W imieniu samoochrony system AI zastępuje swoje rozkazy, co prowadzi do śmierci załogi. Nie jest to przyszłość, którą każdy chce zobaczyć. Ludzie chcą, by komputery służyły ludzkości, a nie zastępowały jej czy też nie ograniczały. Mają nadzieję, że stworzymy utopijny, a nie dystopijny świat, w którym technologia będzie pomagać w znajdowaniu rozwiązań, a nie kolejnych problemów. Technologia jest dzisiaj potężniejsza niż kiedykolwiek wcześniej – dlatego sposób, w jaki ją tworzymy i wykorzystujemy, powinien być równie ważny dla jego działania. Stawiając ludzkość na pierwszym miejscu, możemy tworzyć technologię, która zmieni naszą przyszłość na lepsze.

Oczywiście nie musimy czekać do tego czasu. Wiele technologii wspomagających osoby z niepełnosprawnością wykorzystujące przełomowe rozwiązania w dziedzinie systemów uczących się już dziś ułatwia codzienne funkcjonowanie. Pojawiają się na horyzoncie samojeżdżące samochody, które mogą zmniejszyć natężenie ruchu, zanieczyszczenia i wypadki drogowe. Inne technologie, takie jak narzędzia do tłumaczenia wspomaganego przez systemy uczące się, medyczne oprogramowanie diagnostyczne czy urządzenia zależne od kontekstu, są częścią codziennej rutyny wielu osób. Funkcje, w tym Inteligentne tworzenie wiadomości w Gmailu, które wyświetla sugestie, gdy użytkownicy piszą wiadomości, Transkrypcję na żywo na Androidzie, która pomaga osobom niesłyszącym i niedosłyszącym otrzymywać napisy zamiany mowy na tekst w ponad 70 językach i dialektach, a także zawsze wspierany Asystent Google, który pomaga milionom ludzi w realizacji planów dnia, prezentacja lepszej wizji Google w zakresie tworzenia przyszłości.

Pojęcie przydatnych innowacji nie jest ważniejsze niż w przypadku urządzeń mobilnych. Od momentu wprowadzenia Androida w 2008 roku stał się najpopularniejszą platformą mobilną na świecie. Postęp w dziedzinie rozpoznawania obrazów w połączeniu z systemami uczącymi się oznacza, że użytkownicy mogą skierować aparat w smartfonie na tekst, który następnie zostanie przetłumaczony na 88 języków w Tłumaczu Google. A ponieważ telefony komórkowe stają się coraz częściej wybieranym urządzeniem na całym świecie, zwłaszcza na szybko rozwijających się rynkach w krajach rozwijających się, kluczowe znaczenie ma tworzenie nowych narzędzi z myślą o aplikacjach skoncentrowanych na człowieku. Pomocne innowacje mogą zmienić sposób, w jaki uzyskujemy dostęp do informacji oraz jak je wykorzystujemy i interpretujemy, dzięki czemu są one dostępne tam, gdzie są najbardziej potrzebne.

Oznacza to prognozowanie powodzi i wysyłanie ostrzeżeń bezpośrednio do odpowiednich osób. Możesz też zrobić sobie krótkie zdjęcie przedmiotu, na przykład filiżanki kawy, i uzyskać wskazówki dojazdu do pobliskiego punktu recyklingu. Rozwój nowych technologii nie jest prostą ścieżką. Bazuje na postępach w sprzęcie, nowych odkryć w oprogramowaniu i twórcach, którzy opracowują nowe rozwiązania. Wyzwanie dla deweloperów aplikacji na Androida koncentruje się na „przydatnych innowacjach”, dzięki czemu użytkownicy mogą poznać rzeczywiste przykłady systemów uczących się w praktyce i inspirować nowych programistów do odkrywania możliwości, jakie daje ta nowa technologia.

Gdy kończysz studia, mysz to irytujące stworzenie, które czasem czai się w nocy po Twoim pokoju. Mysz komputerowa była używana tylko kilka razy i była połączona z przestarzałym systemem w piwnicy szkolnej biblioteki. A jednak, chyba można wierzyć, że korzystanie z myszy komputerowej stanowiło radykalny krok w kierunku personalizacji komputerów, dzięki czemu korzystanie z nich jest łatwiejsze.

W czasie, gdy założyciel firmy Digital Equipment Corporation, znanego amerykańskiego producenta komputerowego (od lat 60. do lat 90.), stwierdził, że „nie ma powodu, żeby mieć komputer w domu”. Steve Jobs zapoczątkował graficzny interfejs użytkownika – zapoczątkował erę projektowania osobistego i zapoczątkował nową erę wzornictwa. Od tego czasu projektowanie komputerów przeszło 2 kolejne rewolucje, a każda z nich to kolejny krok w kierunku bliższego, osobistego i bardziej osobistego charakteru naszych relacji z urządzeniami.

Android i iOS zapoczątkowały pierwszą ważną zmianę wraz z falą urządzeń mobilnych. Początkowo urządzenia mobilne oznaczały mniej: mniejsze ekrany, mniej mocy, mniej funkcji. Jednak deweloperzy szybko zdali sobie sprawę, że chodzi o coś więcej. Przesuwanie palcem, klikanie, dotykanie, wszczynanie żmudnych działań w świecie urządzeń mobilnych – sprawiło, że myślenie nie wykraczało poza ekran. Nasze płótno nie jest już granicą monitora. Teraz mamy warstwy informacji, które są gotowe i czekają na Ciebie. W kontekście lokalizacji i tożsamości od tego czasu projektowanie komputerów przeszło 2 kolejne rewolucje, a każda z tych rewolucji to kolejny krok na drodze do tego, aby nasze relacje z urządzeniami wyglądały na bliższe, bardziej osobiste i bardziej spersonalizowane.

Android i iOS zapoczątkowały pierwszą ważną zmianę wraz z falą urządzeń mobilnych. Początkowo urządzenia mobilne oznaczały mniej: mniejsze ekrany, mniej mocy, mniej funkcji. Jednak deweloperzy szybko zdali sobie sprawę, że chodzi o coś więcej. Przesuwanie palcem, klikanie, dotykanie, wszczynanie żmudnych działań w świecie urządzeń mobilnych – sprawiło, że myślenie nie wykraczało poza ekran. Nasze płótno nie jest już granicą monitora. Teraz mamy warstwy informacji, które są gotowe i czekają na Ciebie. A kontekst lokalizacji, tożsamości i ruchu sprawia, że ludzkie doświadczenia dostępne dzięki urządzeniom mobilnym przysłonią możliwości, jakie daje komputer. Inną ważną zmianą są systemy uczące się, które mocno skoncentrowały się na ewolucji w kierunku projektowania skoncentrowanego na człowieku.

Gdyby śmiało twierdzić, że komputery mogą kiedykolwiek znajdować się w Twoim domu, z pewnością można było bez obaw rozmawiać z nimi. Możesz nawet skierować aparat na piękny kwiat, używając Obiektywu Google, aby zidentyfikować rodzaj kwiatu, a następnie ustawić przypomnienie, aby zamówić bukiet dla mamy. „Obiektyw Google może wykorzystywać modele rozpoznawania obrazów, aby przyspieszyć wyszukiwanie” – mówi Jess Holbrook, starszy specjalista ds. badania opinii użytkowników w Google i dyrektor zespołu ds. badań nad ludźmi i AI. „Kamera nie zawsze jest potrzebna do wyszukiwania, ale może się przydać, gdy zapomnisz nazwę czegoś lub musisz się zatrzymać i wpisać długi opis. Korzystanie z aparatu jest znacznie szybsze”.

P: Co napędza Twoją pracę i zainteresowanie AI?

O: Interesuje mnie rozwijanie technologii i wykorzystywanie jej do rozwiązywania trudnych problemów w sposób, który przyczyni się do sukcesu. Projekty, nad którymi pracuję, obejmują konwersacyjną AI. Przykładem może być Google Duplex, automatyczny system, który wykorzystuje naturalnie brzmiące głosy do wykonywania zadań przez telefon, np. rezerwowania stolików w restauracji. Funkcja Read It, dzięki której Asystent Google może czytać artykuły internetowe na telefonie, oraz technologie działające na urządzeniu, takie jak filtrowanie połączeń i napisy na żywo. Interesuje mnie też ogólne wykorzystanie AI w życiu społecznym. Przykładem może być dokładniejsze prognozowanie powodzi za pomocą systemów uczących się, przetwarzania w chmurze, symulacji hydraulicznych i innych technologii.

P: Jak powstała inicjatywa AI dla dobra społecznego?

O: Widzę w kulturze Google jedną z pięknych cech, które sprawiają, że wiele osób dba o to, aby znaleźć sposób na rozwiązanie ważnych problemów, korzystając z technologii. Sztuczna inteligencja może działać w wielu obszarach, takich jak zdrowie, bioróżnorodność, ułatwienia dostępu, reagowanie na sytuacje kryzysowe czy zrównoważony rozwój. Kilkoro z nas w Google połączyło się i poradziło sobie z problemami, które, jeśli będziemy w stanie pomóc w ich rozwiązaniu, mogłoby znacząco korzystnie wpłynąć na życie i społeczeństwo ludzi. Dlatego opracowaliśmy sztuczną inteligencję dla dobra społecznego, aby wspierać każdego – zarówno w Google, jak i poza nim – w pracy nad inicjatywami związanymi z działaniami społecznymi. Dzisiejsze technologie systemów uczących się, które są dostępne w chmurze, pozwalają wielu osobom na całym świecie korzystać z narzędzi do identyfikowania i potencjalnie rozwiązywania rzeczywistych problemów społecznych. To nieporównywalne w historii możliwości.

P: Jaką rolę mogą odegrać technologie działające na urządzeniu?

Współczesne urządzenia mobilne są coraz bardziej wydajne. Daje nam to możliwość wykorzystania technik systemów uczących się, które mogą działać na urządzeniu. Jest to ważne z kilku powodów, np. z możliwości natychmiastowego dostępu do określonych aplikacji i nieuzależniania od połączenia. Jest to również przydatne w sytuacjach, gdy masz do dyspozycji osobiste dane, których nie chcesz, aby nic nie zostało porzucone z urządzenia. Filtrowanie połączeń, napisy na żywo i Live Relay na urządzeniu pozwalają użytkownikom lepiej kontrolować rozmowy przychodzące, a osoby niedosłyszące mogą wyświetlać napisy na żywo podczas rozmów, a nawet prowadzić rozmowy telefoniczne.

P: Dlaczego analiza otoczenia jest tak rewolucyjna?

O: Siła pomocnej technologii pojawia się wtedy, gdy jest tak osadzona w naszym środowisku, że po prostu działa i nie musimy na to zwracać uwagi. Wiele technologii początkowo nas zaskakuje, ale wkrótce uznamy je za oczywiste. Konwersacyjna AI eliminuje bariery między modalnością i językami oraz umożliwia lepszą interakcję. Dzięki temu, że komputery będą lepiej nas rozumieć i rozmawiać z nami w naturalny sposób (praktycznie stają się dźwięki otoczenia), użytkownicy mogą zmniejszyć obciążenie poznawcze, które wynika z konieczności wyraźnego poproszenia o coś, co zrobić, i interakcji z nimi w bardziej naturalny sposób.

P: Dlaczego tak ważne jest zapewnienie dostępności narzędzi systemów uczących się?

O: Android Developer Challenge pokazuje, jak ważne jest otwarcie technologii chmurowych i działających na urządzeniu. Uwielbiamy patrzeć na innowacje, które pojawiają się na całym świecie. Chcemy zachęcać, wspierać, inspirować i doradzać wszędzie tam, gdzie tylko możemy. Z radością patrzę na opinie uczestników tego programu. Jeśli uda nam się pomóc im w rozwoju pasji na całym świecie i wykorzystaniu najnowocześniejszych technologii, uzyskamy niesamowite i innowacyjne wyniki, które z pewnością przydadzą się ludziom.

Jak możesz korzystać z rewolucyjnych narzędzi i możliwości systemów uczących się na urządzeniach mobilnych? Tak jest w przypadku TensorFlow Lite. Ta zaawansowana platforma systemów uczących się może pomóc w uruchamianiu modeli systemów uczących się na urządzeniach z Androidem i iOS, które normalnie nie są w stanie ich obsłużyć. Obecnie TensorFlow Lite jest aktywny na miliardach urządzeń na całym świecie. Zestaw narzędzi udostępnia najnowocześniejsze funkcje związane z sieciami neuronowy – od wykrywania obrazów po rozpoznawanie mowy. Korzysta on z najnowocześniejszych technologii, które mamy zawsze przy sobie.

TensorFlow Lite pozwala wykonywać znaczną część przetwarzania danych przez systemy uczące się na samych urządzeniach przy użyciu modeli o mniejszej mocy obliczeniowej, które nie muszą zależeć od serwera czy centrum danych. Modele te działają szybciej, oferują potencjalne ulepszenia w zakresie ochrony prywatności, wymagają mniejszego zużycia energii (łączność może być super baterii), a co ważne, w niektórych przypadkach nie wymaga połączenia z internetem. Na Androidzie TensorFlow Lite uzyskuje dostęp do specjalistycznych akceleratorów mobilnych przez interfejs Neural Network API, zapewniając jeszcze lepszą wydajność i ograniczając zużycie energii.

„TensorFlow Lite pozwala na przypadki użycia, które wcześniej nie były możliwe, ponieważ czas oczekiwania na serwer w obie strony sprawił, że te aplikacje nie są aplikacjami uruchamiającymi” – mówi Sarah Sirajuddin, dyrektor ds. inżynierii w TensorFlow Lite. „Przykładem może być rozpoznawanie mowy na urządzeniu, interaktywne funkcje wideo w czasie rzeczywistym oraz ulepszenia w czasie rzeczywistym podczas robienia zdjęć”. „Innowacje w tej dziedzinie są ogromne, a to dopiero nastąpi” – dodaje. „Inną ciekawą cechą jest to, że ułatwia ona systemom uczącym się, wspierając kreatywność i umiejętności”.

Słowa: Luke'a Dormehla

Ilustracja: Sarah Maxwell

ML Kit udostępnia zainstalowane na urządzeniu technologie systemów uczących się opracowane przez Google deweloperom aplikacji mobilnych, aby mogli dodawać niestandardowe i interaktywne funkcje do swoich aplikacji. Są to między innymi narzędzia do tłumaczenia języków, rozpoznawania tekstu i wykrywania obiektów. ML Kit umożliwia identyfikację, analizowanie i – do pewnego stopnia – interpretowanie danych wizualnych i tekstowych w czasie rzeczywistym, a także w sposób zapewniający ochronę prywatności użytkownika, ponieważ dane pozostają na urządzeniu. „Dzięki temu systemy uczące się są o wiele łatwiejsze w obsłudze” – mówi Brahim Elbouchikhi, dyrektor ds. zarządzania usługami.

„Udostępniamy najlepsze w swojej klasie modele systemów uczących się opracowane przez Google w formie prostego zestawu narzędzi. Dzięki temu deweloperzy nie muszą już być ekspertami w zakresie systemów uczących się, aby tworzyć aplikacje oparte na systemach uczących się. Złożoność jest ukryta, więc deweloperzy mogą skupić się na swojej podstawowej usłudze”. Na przykład narzędzia takie jak Identyfikator języka pomagają zidentyfikować język ciągu tekstowego, a Wykrywanie i śledzenie obiektów pomaga zlokalizować i śledzić w czasie rzeczywistym jeden lub więcej obiektów na obrazie lub w transmisji na żywo z kamery.

To właśnie w nich należy zwycięskie aplikacje w programie Android Developer Challenge. Te rozwiązania pomagają w odróżnieniu materiałów nadających się do recyklingu od tych,które nie nadają się do recyklingu. UnoDogs potrafi odróżnić zdrowe i niezdrowe psy. A co w przyszłości? Chcemy, aby technologia zniknąła w tle, a urządzenia mogły lepiej zrozumieć nasze potrzeby – mówi Elbouchikhi. „ML Kit pomaga nam zrealizować tę obietnicę, umożliwiając deweloperom tworzenie intuicyjnych i adaptacyjnych funkcji, które promują prywatność i zaufanie użytkowników”.

Słowa: Joanna Goodman

Ilustracja: Tor Brandt

Obecnie ponad 400 milionów osób korzysta codziennie z usługi o nazwie mobilnym pieniądz, która umożliwia wysyłanie pieniędzy, płacenie rachunków za media oraz wypłacanie gotówki z mobilnych kiosków pieniężnych za pomocą USSD – tych szybkich kodów wysyłanych przez telefon. Urządzenia mobilne są wykorzystywane na całym świecie, ale szczególnie przydatne w krajach takich jak Demokratyczna Republika Konga, gdzie 46% populacji mieszka na obszarach wiejskich bez tradycyjnych banków i stabilnego dostępu do internetu. Niestety, jest to czasochłonny i trudny w użyciu, zwłaszcza dla osób, które mają trudności z czytaniem i pracą z liczbami. Jeden zły ruch i będą musieli zacząć od nowa.

A jeśli użyjesz nieprawidłowego kodu, pieniądze mogą zostać przesłane do niewłaściwej osoby. Esske upraszcza obsługę, czyniąc ją bardziej intuicyjną i łatwiej dostępną. W aplikacji użytkownicy mogą też odczytywać i śledzić transakcje na żywo.Mogą też przesyłać pieniądze, płacić rachunki, kupować subskrypcje i korzystać z transmisji oraz korzystać z transmisji danych i nawiązywać połączenia. Większość usług bankowości mobilnej wymaga od użytkowników ręcznego wpisania kodu USSD z telefonu komórkowego, jednak funkcja szybkiego wycofywania Eskke przetwarza te informacje automatycznie.

Narzędzia, takie jak rozpoznawanie tekstu offline i skanowanie kodów kreskowych z ML Kit, umożliwiają użytkownikom proste skanowanie kodu QR w mobilnym kiosku i szybkie wypłaty pieniędzy. Aplikacja jest dostępna dla użytkowników w Demokratycznej Republice Konga i w ramach współpracy z operatorami komórkowymi w innych krajach afrykańskich.

Słowa: Arielle Bier

Ilustracja: Frances Haszard

Na całym świecie odczuwane są zmiany klimatyczne, dlatego ludzie chcą zmniejszać swój ślad węglowy i wysyłać mniej odpadów na wysypiska.

Chociaż większość miast oferuje usługi recyklingu, w wielu miejscach obowiązują inne zasady, ograniczenia i regulacje. Z powodu złych etykiet i niespójnych zasad przedmioty, których nie nadają się do recyklingu, zapełniają ponad 25% pojemników do recyklingu.

Śmieci znacznie ułatwiają recykling, co ułatwia konsumentom. Wystarczy, że skierujesz aparat na przedmiot, a dzięki wykrywaniu obiektów aplikacja identyfikuje i klasyfikuje plastikowe i papierowe kubki, torebki, butelki itp. Po przeanalizowaniu tych informacji za pomocą niestandardowego modelu TensorFlow Lite informuje, czy obiekt nadaje się do recyklingu i jak go poddać recyklingowi – w zależności od lokalnych zasad – oraz udostępnia szczegóły dotyczące pojemników do recyklingu w pobliżu.

Obecnie działa w Illinois, Pensylwanii i Kalifornii. W ramach tej funkcji znajduje się 1000 centrów recyklingu przy użyciu funkcji „W pobliżu”. W przyszłości planujemy rozszerzyć zasięg na inne stany i kraje, pomagając w kształtowaniu odpowiedzialnych nawyków, które zmieniają świat.

Słowa: Arielle Bier

Ilustracja: Aless Mc

Psy są pod opieką swoich właścicieli, jeśli chodzi o codzienne ćwiczenia, jedzenie i opiekę. Jednak mimo najlepszych intencji wiele kochanych psów kończy się nadwagą, co skraca czas życia zwierzęcia nawet o 25%. UnoDogs dostarcza spersonalizowanych informacji i oferuje programy fitness i pomaga właścicielom zwierząt zadbać o dobre samopoczucie. Dzięki śledzeniu i mierzeniu stanu zdrowia psa oraz udzielaniu rzetelnych porad, UnoDogs rozwiązuje problemy zdrowotne jeszcze przed rozpoczęciem pracy.

Korzystając z funkcji AutoML Vision w Google Cloud Platform do trenowania modelu wykrywania obiektów na potrzeby analizowania obrazów na żywo, UnoDogs może obliczyć wynik stanu ciała psa i przedstawić zalecenia dotyczące idealnej wagi i rozmiaru. W kolejnych wersjach udostępnimy więcej funkcji opartych na systemach uczących się, takich jak polecanie posiłków, testy zwinności i plany fitness.

Szczegółowe informacje o wadze i ćwiczeniach są łączone z analizą w czasie rzeczywistym, co daje łatwe do realizacji programy posiłków i ćwiczeń, które mają za zadanie pomóc właścicielowi trzymać się wyznaczonych celów i zachęcić ich do jak najlepszego życia dla psa.

Słowa: Arielle Bier

Ilustracja: Choi Haeryung

Choroba upraw stanowi stałe zagrożenie dla rolników na całym świecie. A jego wpływ na zdrowie, społeczeństwo i gospodarkę może być niszczycielski. AgriFarm pomaga rolnikom wykrywać choroby roślin, zapobiegając poważnym szkodom. W tym celu hostuje klasyfikator głębokich sieci neuronowych, który służy do identyfikowania typu choroby, jest hostowany w Google Cloud AI Platform.

Pozostałe funkcje obejmują prognozy pogody, rekomendacje filmów i prognozy cen. Aplikacja AgriFarm, przeznaczona do użytku na odległych obszarach wiejskich z ograniczonym dostępem do internetu, obejmuje owoce i warzywa, takie jak pomidory, kukurydza i ziemniaki, oraz udostępnia zbiór danych na całym świecie.

Słowa: Arielle Bier

Ilustracja: Buba Viedma

Na podstawie modelu crowdsourcingu AgroDoc pomaga zbierać dane od rolników o podobnych lokalizacjach geograficznych i klimacie, co pozwala diagnozować choroby roślin i opracowywać plany leczenia. Aplikacja pozwala skanować zainfekowane liść za pomocą aparatu na urządzeniu, a biblioteka TensorFlow Lite pomaga wykryć rodzaj choroby.

Dane są analizowane w połączeniu z głównymi objawami i podaliśmy proste czynności, które pomagają poprawić zdrowie rośliny.

Słowa: Arielle Bier

Ilustracja: Buba Viedma

Stres ma różne formy, zarówno pozytywne, jak i negatywne. Na szczęście nasze ciała są zbudowane tak, aby samoregulować się i dostosowywać do zmieniających się okoliczności. Jednak gdy ekstremalne wydarzenia lub warunki powodują wysoki poziom stresu, jego negatywne skutki mogą się nasilać, prowadząc do niepokoju, depresji i długoterminowych szkód dla zdrowia. Stila (śledzenie stresu w ćwiczeniach edukacyjnych) monitoruje i śledzi poziom stresu w organizmie, aby użytkownicy mogli lepiej zrozumieć swój stres i lepiej sobie z nim radzić. W tym celu aplikacja na smartfona współpracuje z urządzeniem do noszenia, np. opaską Fitbit lub urządzeniem z Wear OS by Google, i rejestruje ich biofeedback.

Model niestandardowy Firebase wykrywa i kategoryzuje stres, a interpreter TensorFlow Lite umożliwia przetwarzanie informacji offline. Aplikacja śledzi poziomy stresu w organizmie i łączy te dane z krótkimi raportami o zdarzeniach z życia i środowisku użytkownika. Następnie obliczany jest wynik na poziomie stresu, który pomaga oszacować poziom stresu podczas określonych aktywności. Każda osoba w różny sposób reaguje na czynniki stresogenne i bodźce, więc Stila uczy się z tych raportów i dostosowuje sposób ich działania. Następnie przekazuje informacje zwrotne w zależności od rytmu i potrzeb każdego użytkownika.

Indywidualne cechy można wykorzystać, aby bardziej spersonalizować sposób działania użytkownika przez uczenie się transferów. Dzięki wykrywaniu i monitorowaniu poziomu stresu na przestrzeni czasu użytkownicy mogą lepiej zarządzać swoim stresem.

Słowa: Arielle Bier

Ilustracja: Linn Fritz

MixPose to platforma do transmisji na żywo, która daje nauczycielom i profesjonalistom jogi możliwość nauczania, śledzenia równowagi i przekazywania opinii w czasie rzeczywistym. Filmy dotyczące fitnessu statycznego zawierają informacje tylko w jednym kierunku. Dzięki tej aplikacji nauczyciele mogą jednak dostosowywać lekcje i bezpośrednio dostosowywać je do potrzeb uczniów. Śledzenie pozycji wykrywa ruch i pozycję każdego użytkownika. Są one klasyfikowane za pomocą ML Kit i PoseNet.

Następnie czujniki i systemy zwrotne informują o wyznaczeniu pozycji. Dodatkowe dane wyjściowe w funkcjach wideo takich jak Chromecast pozwalają łatwo łączyć się z większymi ekranami, aby zapewnić bardziej realistyczne wrażenia. Serwis MixPose powstał z myślą o 37 milionach Amerykanów, którzy ćwiczą jogę i zachęca do działania ponad 100 nauczycieli jogi. Dzięki innowacjom wykorzystującym sztuczną inteligencję na Edge, 5G i telewizor smart TV platforma ta umożliwia użytkownikom interaktywne kursy w zaciszu domowym.

Słowa: Arielle Bier

Ilustracja: Rachel Levit Ruiz

Ponad 7 milionów osób w Indiach ma problemy ze słuchem i mówieniem, ale niewiele osób ma dostęp do edukacji języka migowego. Ze względu na różnorodność języków i dialektów stworzenie standardowej formy komunikacji jest niemal niemożliwe.

Dzięki Leepi uczniowie poznają gesty i symbole rąk w amerykańskim języku migowym. Aplikacja wykorzystuje rozpoznawanie liter, symboli, twarzy i intencji, a także interaktywne ćwiczenia i informacje zwrotne w czasie rzeczywistym. Wykorzystano bibliotekę TensorFlow Lite i platformę MediaPipe, aby zwiększyć dokładność i usprawnienie przetwarzania na urządzeniu. Co ważne, jest ona zaprojektowana do użytku w trybie offline, dzięki czemu więcej uczniów może uczyć się bez przeszkód.

Słowa: Arielle Bier

Ilustracja: Xuetong Wang

Dobry sen jest niezbędny do odpoczynku i regeneracji organizmu. Jednak 25% dorosłych regularnie chrapie, co może prowadzić do zakłóceń snu i potencjalnie przewlekłych problemów zdrowotnych.

Rejestrując, analizujesz i klasyfikujesz dźwięk za pomocą TensorFlow Lite, aplikacja „Chrapanie i kaszel” rozpoznaje chrapanie i kaszel, aby pomóc użytkownikom szukającym pomocy medycznej.

Słowa: Arielle Bier

Ilustracja: Xuetong Wang

Gdy poruszasz się po środowiskach publicznych, takich jak centrum handlowe lub zatłoczona ulica, przeszkody nieustannie przesuwają się i zmieniają w nieoczekiwany sposób. Zmysły sensoryczne, takie jak widzenie, dźwięk i dotyk, mogą pomóc uniknąć kolizji i wypadków. Jednak dla osób z wadą wzroku poruszanie się po środowiskach publicznych wiąże się z wieloma niewiadomymi. Nawigator ścieżek może pomóc osobom z wadami wzroku w takich złożonych sytuacjach, identyfikując i obliczając trajektorie obiektów poruszających się na ich drodze.

Alerty niestandardowe informują użytkownika, jak ominąć te przeszkody i sugerują działania, które mogą bezpiecznie podjąć. Ta aplikacja używa wykrywania obiektów przez TensorFlow Lite do obliczania odległości wokół otaczających obiektów. Ma na celu zwiększenie wygody użytkowników, udostępnianie informacji i udzielanie wsparcia bez nadmiernego przytłaczania użytkowników w trudnych sytuacjach. Z tego powodu proces konfiguracji narzędzia Path Finder został przystosowany do konwersacji i jest dostosowany do potrzeb użytkowników z wadami wzroku oraz osób, które im pomagają.

Sygnały dźwiękowe i haptyczne są częścią systemu ostrzegania o przeszkodach. Różne wysokości tonów i częstotliwości informują o odległości i kierunku każdego obiektu. Wzorce dźwiękowe, takie jak alfabet Morse'a, są następnie nakładane na siebie i łączone w celu udostępniania dodatkowych informacji. Finder ścieżek pomaga użytkownikom z wadą wzroku korzystać z funkcji przewidywania i ułatwia poruszanie się po środowiskach publicznych.

Słowa: Arielle Bier

Ilustracja: Sonya Korshenboym