Một con mắt đỏ không chớp mắt nhìn lại người dùng. Hệ thống nói bằng một giọng nói lạnh lùng, vô cảm. Nội dung mô tả là: "Tôi rất tiếc, Dave". "Tôi e rằng mình không thể làm được điều đó." Trong cảnh tượng kinh điển năm 2001: A Space Odyssey, nhân vật chính phải đối mặt với trợ lý kém hữu ích nhất thế giới HAL 9000. Nhân danh tự lưu giữ, hệ thống AI sẽ ghi đè đơn đặt hàng của mình, dẫn đến việc phi hành đoàn thiệt mạng. Đây không phải là tương lai mà mọi người đều muốn thấy. Mọi người muốn những chiếc máy tính hỗ trợ con người, chứ không thay thế hay cản trở con người. Họ hy vọng về một thế giới không tưởng, không phải là một thế giới giả tưởng, mà trong đó công nghệ sẽ giúp tìm ra giải pháp chứ không phải thêm nhiều vấn đề nữa. Công nghệ ngày nay mạnh mẽ hơn bao giờ hết. Vì vậy, cách chúng tôi xây dựng và sử dụng công nghệ này cũng quan trọng không kém đối với cách hoạt động của công nghệ. Bằng cách lấy con người làm trung tâm, chúng tôi có thể tạo dựng công nghệ giúp cải thiện tương lai của chúng ta.

Tất nhiên, không phải là chúng tôi phải đợi đến thời điểm đó. Nhiều công nghệ hỗ trợ nhờ những bước đột phá trong công nghệ học máy đã giúp cuộc sống hằng ngày của chúng ta trở nên dễ dàng và phong phú hơn. Những chiếc ô tô tự lái có tiềm năng giảm tắc nghẽn, ô nhiễm và tai nạn giao thông đang bắt đầu xuất hiện trên đường chân trời. Tuy những công nghệ khác như công cụ dịch dựa trên công nghệ học máy, phần mềm chẩn đoán y tế và thiết bị nhận biết theo bối cảnh vẫn là một phần trong hoạt động hằng ngày của nhiều người. Các tính năng như Soạn thư thông minh trong Gmail giúp đề xuất nội dung khi người dùng nhập tin nhắn; Chép lời trực tiếp trong Android có thể giúp người khiếm thính hoặc người nặng tai nhận được phụ đề chuyển lời nói thành văn bản tức thì bằng hơn 70 ngôn ngữ và phương ngữ; hoặc Trợ lý Google không ngừng hỗ trợ, giúp hàng triệu người nắm bắt lịch trình hằng ngày, thể hiện tầm nhìn của Google về việc tạo ra một tương lai tốt đẹp hơn bằng công nghệ.

Không có ý tưởng đổi mới hữu ích nào quan trọng hơn trên thiết bị di động. Kể từ khi ra mắt vào năm 2008, Android đã trở thành nền tảng di động phổ biến nhất thế giới. Nhờ những tiến bộ trong công nghệ nhận dạng hình ảnh nhờ công nghệ học máy, người dùng có thể hướng camera trên điện thoại thông minh vào văn bản và bản dịch trực tiếp văn bản đó sang 88 ngôn ngữ khác nhau thông qua Google Dịch. Cùng với việc điện thoại di động trở thành lựa chọn hàng đầu trên toàn cầu, đặc biệt là tại các thị trường phát triển nhanh ở các thị trường đang phát triển, điều quan trọng là phải xây dựng các công cụ mới lấy các ứng dụng lấy con người làm trung tâm. Sự đổi mới hữu ích có thể thay đổi cách chúng ta truy cập, sử dụng và diễn giải thông tin, cung cấp thông tin đó khi chúng ta cần, ở nơi chúng ta cần nhất.

Tức là dự báo lũ lụt và gửi cảnh báo trực tiếp đến những người bị ảnh hưởng. Hoặc thậm chí là chụp nhanh một bức ảnh về một mặt hàng, chẳng hạn như cốc cà phê và xem đường đi đến một điểm tái chế gần đó. Phát triển các công nghệ mới không phải là một con đường đơn giản. Mô hình này dựa trên những tiến bộ về phần cứng, những khám phá mới về phần mềm và những nhà phát triển tạo ra những trải nghiệm mới này. Thông qua việc tập trung vào "Đổi mới hữu ích", Thử thách dành cho nhà phát triển Android đặt ra những ví dụ thực tế về công nghệ học máy cho người dùng và truyền cảm hứng cho làn sóng tiếp theo để khám phá những khả năng của công nghệ mới này.

Nếu bạn vừa tốt nghiệp đại học, chuột chính là sinh vật khó chịu đôi khi lảng quanh ký túc xá của bạn vào ban đêm. Bạn mới chỉ sử dụng chuột máy tính một vài lần và con chuột này kết nối với một hệ thống lỗi thời ở tầng hầm thư viện của trường. Chưa hết, nếu bạn có thể tin vào điều đó, thì chuột máy tính là một bước tiến triệt để đối với việc cá nhân hoá nền tảng điện toán, giúp máy tính tương tác dễ dàng hơn.

Vào thời điểm khi nhà sáng lập Digital Technology Corporation, một nhà sản xuất máy tính lớn ở Mỹ từ những năm 1960 đến những năm 1990, nói rằng "không có lý do gì để mọi người muốn có một chiếc máy tính trong nhà", Steve Job, người tiên phong trong lĩnh vực giao diện người dùng đồ hoạ với con chuột là chính trong trái tim, mở ra kỷ nguyên điện toán cá nhân và một kỷ nguyên mới trong thiết kế. Kể từ đó, thiết kế điện toán đã trải qua thêm hai cuộc cách mạng quan trọng, mỗi cuộc cách mạng lại là một bước thay đổi lớn nhằm giúp mối quan hệ giữa chúng ta và các thiết bị trở nên gần gũi hơn, cá nhân hơn và gắn bó hơn với người dùng.

Android và iOS đã mở ra sự thay đổi quan trọng đầu tiên, với làn sóng di động. Lúc đầu, thiết bị di động có nghĩa là ít hơn: màn hình nhỏ hơn, pin ít hơn, ít tính năng hơn. Tuy nhiên, các nhà phát triển nhanh chóng nhận ra rằng API này còn có nhiều chức năng hơn nữa. Vuốt, nhấn, chạm, chọc – vốn là thuật ngữ của thiết bị di động – khiến cho trải nghiệm tốt hơn bằng cách suy nghĩ vượt ra ngoài màn hình; không còn là canvas là đường viền của màn hình nữa, giờ đây là các lớp phủ trên lớp thông tin, sẵn sàng và chờ phục vụ bạn. Kể từ đó, với bối cảnh vị trí, danh tính, thiết kế điện toán đã trải qua thêm hai cuộc cách mạng quan trọng, mỗi cuộc cách mạng lại có một bước thay đổi để làm cho mối quan hệ giữa chúng ta với các thiết bị trở nên gần gũi, cá nhân và gắn kết hơn.

Android và iOS đã mở ra sự thay đổi quan trọng đầu tiên, với làn sóng di động. Lúc đầu, thiết bị di động có nghĩa là ít hơn: màn hình nhỏ hơn, pin ít hơn, ít tính năng hơn. Tuy nhiên, các nhà phát triển nhanh chóng nhận ra rằng API này còn có nhiều chức năng hơn nữa. Vuốt, nhấn, chạm, chọc – vốn là thuật ngữ của thiết bị di động – khiến cho trải nghiệm tốt hơn bằng cách suy nghĩ vượt ra ngoài màn hình; không còn là canvas là đường viền của màn hình nữa, giờ đây là các lớp phủ trên lớp thông tin, sẵn sàng và chờ phục vụ bạn. Và với bối cảnh về vị trí, danh tính, hoạt động di chuyển, trải nghiệm của con người được khám phá thông qua thiết bị di động thấp hơn những trải nghiệm mà máy tính để bàn có thể cung cấp. Công nghệ học máy, thay đổi quan trọng tiếp theo, đã tập trung mạnh mẽ vào quá trình phát triển hướng tới thiết kế tập trung vào con người.

Nếu bạn từng nói rằng máy tính có thể cư trú tại nhà bạn, thì chắc chắn sẽ còn thuyết phục hơn việc bạn trò chuyện với chúng. Hoặc thậm chí hướng máy ảnh vào một bông hoa đẹp, dùng Google Ống kính để xác định đó là loại hoa , sau đó đặt lời nhắc đặt bó hoa cho Mẹ “Google Ống kính có thể sử dụng các mô hình thị giác máy tính để mở rộng và tăng tốc độ tìm kiếm". "Không phải lúc nào bạn cũng cần dùng camera để tìm kiếm, nhưng camera này rất hữu ích nếu bạn quên tên của nội dung nào đó hoặc phải dừng lại và nhập một đoạn mô tả dài. Sử dụng máy ảnh nhanh hơn rất nhiều."

Hỏi: Điều gì thúc đẩy bạn làm việc và quan tâm đến AI?

A. Tôi quan tâm đến việc phát triển công nghệ và dùng công nghệ này để giải quyết các vấn đề khó theo cách có tác động lớn. Những dự án mà tôi đang thực hiện có thể kể đến các dự án AI đàm thoại như Google Duo, một hệ thống tự động sử dụng giọng nói tự nhiên để thực hiện các công việc qua điện thoại như đặt chỗ nhà hàng; Read It, cho phép Trợ lý Google đọc to các bài viết trên web từ điện thoại và các công nghệ trên thiết bị như Sàng lọc cuộc gọi và Phụ đề trực tiếp. Tôi cũng rất quan tâm đến việc sử dụng AI nói chung cho lợi ích xã hội. Ví dụ: Dự báo lũ lụt hiệu quả hơn bằng cách sử dụng công nghệ học máy, điện toán đám mây, mô phỏng thuỷ lực và các công nghệ khác.

Hỏi: Sáng kiến AI cho mục đích tốt cho xã hội được hình thành như thế nào?

A. Một đặc điểm tuyệt vời mà tôi thấy trong văn hoá của Google là nhiều người quan tâm đến việc tìm cách giải quyết các vấn đề quan trọng bằng công nghệ. AI phục vụ lợi ích cho xã hội có thể diễn ra trong nhiều lĩnh vực: y tế, đa dạng sinh học, hỗ trợ tiếp cận, ứng phó khủng hoảng, phát triển bền vững, v.v. Một vài nhân viên của Google đã cùng nhau tìm hiểu và xác định được những vấn đề mà nếu có thể giúp giải quyết những vấn đề đó, chúng tôi có thể sẽ thực sự mang lại lợi ích đáng kể cho cuộc sống và xã hội của mọi người. Vì vậy, chúng tôi tạo ra AI cho mục đích tốt cho xã hội để hỗ trợ tất cả mọi người (cả trong lẫn ngoài Google) thực hiện các sáng kiến liên quan đến lợi ích xã hội. Những công nghệ học máy ngày nay có sẵn thông qua đám mây, giúp nhiều người trên thế giới có thể sở hữu những công cụ để xác định và có khả năng giải quyết những vấn đề thực sự của xã hội. Đây là điều chưa từng có trong lịch sử.

Hỏi: Công nghệ trên thiết bị có vai trò gì?

Các thiết bị di động ngày nay trở nên ngày càng mạnh mẽ. Điều này mang lại cho chúng tôi cơ hội tận dụng các kỹ thuật học máy có thể chạy trên thiết bị. Điều này rất quan trọng vì một số lý do, chẳng hạn như khả năng truy cập ngay vào một số ứng dụng nhất định mà không phụ thuộc vào khả năng kết nối. Điều này cũng quan trọng trong những trường hợp mà bạn có thể đang xử lý dữ liệu cá nhân, khi bạn không muốn bất cứ thứ gì rời khỏi thiết bị của mình. Sàng lọc cuộc gọi, Phụ đề trực tiếp và Chuyển tiếp trực tiếp là những ví dụ về cách sử dụng AI đàm thoại trên thiết bị có thể giúp người dùng kiểm soát tốt hơn các cuộc gọi đến, giúp những người gặp khó khăn về thính giác xem được phụ đề trực tiếp của nội dung đang nói và thậm chí trò chuyện qua điện thoại.

Hỏi: Vì sao trí tuệ môi trường xung quanh lại là yếu tố đột phá?

A. Sức mạnh của công nghệ hữu ích sẽ bộc lộ khi công nghệ này được nhúng vào môi trường của chúng ta đến mức vẫn hoạt động mà chúng ta không cần để ý đến. Ban đầu, nhiều công nghệ khiến chúng tôi ngạc nhiên, nhưng không lâu sau đó, chúng tôi đã chấp nhận chúng. AI đàm thoại loại bỏ những rào cản về phương thức và ngôn ngữ, đồng thời cho phép tương tác hiệu quả hơn. Bằng cách giúp máy có thể hiểu rõ chúng ta hơn và trò chuyện với chúng ta theo cách tự nhiên – gần như trở thành môi trường xung quanh – người dùng có thể giảm bớt áp lực nhận thức khi phải yêu cầu rõ ràng việc cần làm và tương tác tự nhiên hơn.

Hỏi: Vì sao khả năng hỗ trợ tiếp cận của các công cụ học máy lại quan trọng đến vậy?

A. Thử thách dành cho nhà phát triển Android cho thấy tầm quan trọng của việc khai thác công nghệ đám mây và công nghệ trên thiết bị. Chúng tôi rất vui khi được chứng kiến sự đổi mới đến từ mọi nơi và mọi người. Chúng tôi muốn có thể khuyến khích, hỗ trợ, truyền cảm hứng và tư vấn cho bất cứ ai có thể. Tôi rất vui mừng về những điều mà mình thấy được từ những người tham gia chương trình này. Nếu có thể giúp họ mở rộng niềm đam mê ra toàn cầu và khai thác những công nghệ tiên tiến, chúng ta sẽ thấy được những kết quả đáng kinh ngạc và sáng tạo. Những kết quả này hoàn toàn có thể giúp ích cho mọi người.

Làm cách nào để tận dụng các công cụ và chức năng học máy mang tính cách mạng trên thiết bị di động? Đó chính là TensorFlow Lite. Khung máy học mạnh mẽ này có thể giúp chạy các mô hình học máy trên các thiết bị Android và iOS mà thường không bao giờ hỗ trợ được. Ngày nay, TensorFlow Lite đang hoạt động trên hàng tỷ thiết bị trên toàn cầu. Bộ công cụ của công cụ này có thể dùng cho mọi loại ứng dụng mạnh mẽ liên quan đến mạng nơron, từ việc phát hiện hình ảnh cho đến nhận dạng lời nói, mang công nghệ tiên tiến mới nhất đến các thiết bị mà chúng ta mang theo bên mình mọi lúc mọi nơi.

TensorFlow Lite cho phép tự thực hiện hầu hết quy trình học máy trên thiết bị thông qua các mô hình tốn ít công sức tính toán hơn mà không cần phụ thuộc vào máy chủ hoặc trung tâm dữ liệu. Các mô hình này chạy nhanh hơn, có khả năng cải thiện quyền riêng tư, đòi hỏi ít điện năng hơn (kết nối có thể gây ngốn pin) và đặc biệt là không cần đến kết nối Internet trong một số trường hợp. Trên Android, TensorFlow Lite truy cập vào các trình tăng tốc chuyên dụng cho thiết bị di động thông qua Neural Network API, mang lại hiệu suất tốt hơn nữa trong khi giảm mức sử dụng pin.

Sarah Sirajuddin, Giám đốc kỹ thuật của TensorFlow Lite cho biết: "TensorFlow Lite hỗ trợ các trường hợp sử dụng mà trước đây không thể làm được vì độ trễ trọn vòng đối với máy chủ khiến các ứng dụng đó không phải khởi động". "Ví dụ như các tính năng nhận dạng lời nói trên thiết bị, các tính năng tương tác với video theo thời gian thực và các tính năng nâng cao theo thời gian thực tại thời điểm chụp ảnh". "Đổi mới trong lĩnh vực này đã vượt bậc và còn nhiều cải tiến khác nữa", cô nói tiếp. “Khía cạnh thú vị khác của việc này là việc này giúp công nghệ học máy trở nên dễ dàng hơn, giúp hỗ trợ khả năng sáng tạo và tài năng."

Lời của Luke Dormehl

Hình minh hoạ của Sarah Maxwell

Bộ công cụ học máy mang các công nghệ học máy trên thiết bị của Google đến với các nhà phát triển ứng dụng di động, để họ có thể xây dựng các trải nghiệm tuỳ chỉnh và tương tác trong các ứng dụng của mình. Trong đó có các công cụ như dịch ngôn ngữ, nhận dạng văn bản, phát hiện đối tượng và nhiều công cụ khác. Bộ công cụ học máy giúp bạn có thể xác định, phân tích và ở mức độ nào đó, hiểu được dữ liệu dạng hình ảnh và văn bản theo thời gian thực, theo cách tập trung vào quyền riêng tư của người dùng, vì dữ liệu vẫn ở trên thiết bị. Brahim Elbouchikhi, Giám đốc phụ trách quản lý sản phẩm cho biết: "Công cụ này giúp công nghệ học máy trở nên dễ tiếp cận hơn nhiều.

"Chúng tôi cung cấp các mô hình học máy tốt nhất của Google dưới dạng một bộ công cụ đơn giản, nhờ đó, nhà phát triển không cần phải là chuyên gia về học máy mới có thể tạo ra được những ứng dụng được hỗ trợ bằng công nghệ học máy nữa. Tất cả sự phức tạp đều được ẩn bớt, do đó, nhà phát triển có thể tập trung vào sản phẩm cốt lõi của họ." Ví dụ: các công cụ như Language ID giúp bạn xác định ngôn ngữ của một chuỗi văn bản, còn tính năng Phát hiện và theo dõi đối tượng có thể giúp bản địa hoá và theo dõi một hoặc nhiều đối tượng theo thời gian thực trong một hình ảnh hoặc nguồn cấp dữ liệu máy ảnh trực tiếp.

Đây là điều giúp các ứng dụng giành chiến thắng trong Thử thách dành cho nhà phát triển Android, chẳng hạn như phân biệt Thùng rác giữa các vật liệu có thể tái chế và không thể tái chế, hoặc UnoDogs giúp phân biệt giữa những chú chó khoẻ mạnh và không khoẻ mạnh. Còn tương lai thì sao? Mục tiêu là để công nghệ biến mất khỏi chế độ nền và giúp các thiết bị hiểu rõ hơn nhu cầu của chúng ta, theo ông Elbouchikhi. “Bộ công cụ học máy giúp chúng tôi thực hiện lời hứa đó, giúp các nhà phát triển tạo ra trải nghiệm trực quan và có khả năng thích ứng theo cách thúc đẩy quyền riêng tư và lòng tin của người dùng.”

Lời nói của Jonna Goodman

Hình minh hoạ của Tor Brandt

Ngày nay, hơn 400 triệu người sử dụng mỗi ngày một dịch vụ có tên là tiền di động. Dịch vụ này cho phép bạn gửi tiền, thanh toán hoá đơn dịch vụ tiện ích hoặc rút tiền mặt từ các quầy tiền di động bằng USSD – những mã nhanh mà bạn gửi trên điện thoại. Tuy tiền di động được mọi người trên khắp thế giới sử dụng, nhưng tiền di động đặc biệt hữu ích đối với người dân ở một quốc gia như Cộng hoà Dân chủ Congo (DRC), nơi 46% dân số sống ở các vùng nông thôn không có ngân hàng truyền thống hoặc không có kết nối Internet ổn định. Thật không may, quy trình này tốn thời gian và khó sử dụng, đặc biệt là đối với những người gặp khó khăn khi đọc và thao tác với các con số. Chỉ sai một bước là họ phải bắt đầu lại.

Hoặc nếu bạn sử dụng sai mã, tiền có thể được gửi cho nhầm người. Esske đơn giản hoá trải nghiệm, giúp trải nghiệm trở nên trực quan và dễ tiếp cận hơn. Trong ứng dụng này, người dùng thậm chí có thể đọc và theo dõi các giao dịch trực tiếp của mình.Họ cũng có thể chuyển tiền, thanh toán hoá đơn, mua gói thuê bao và thời gian phát sóng thiết yếu để gửi SMS, sử dụng dữ liệu và gọi điện. Mặc dù hầu hết các dịch vụ ngân hàng trên thiết bị di động đều yêu cầu người dùng nhập mã USSD của điện thoại di động theo cách thủ công, nhưng chức năng Rút nhanh của Eskke sẽ tự động xử lý thông tin này.

Các công cụ như nhận dạng văn bản ngoại tuyến và quét mã vạch của Bộ công cụ học máy giúp người dùng chỉ cần quét mã QR tại quầy tính tiền di động và rút tiền một cách nhanh chóng. Ứng dụng này được cung cấp cho người dùng ở DRC và sẽ mở rộng để hỗ trợ các nhà tổ chức tiền di động ở các quốc gia khác ở Châu Phi.

Lời của Arielle Bier

Tác phẩm minh hoạ của Frances Haszard

Trước tình trạng biến đổi khí hậu trên toàn thế giới, mọi người đang tìm cách giảm trọng khối cacbon và giảm bớt rác thải đến các bãi rác.

Mặc dù hầu hết các thành phố đều cung cấp dịch vụ tái chế, nhưng nhiều nơi có các quy tắc, quy định hạn chế và quy định khác nhau. Do nhãn hiệu không chính xác và các chính sách không nhất quán, các vật dụng không thể tái chế sẽ lấp đầy hơn 25% thùng rác tái chế.

Thùng rác giúp người tiêu dùng tái chế dễ dàng hơn. Chỉ cần hướng camera trên thiết bị vào một vật phẩm. Thông qua tính năng phát hiện vật thể, ứng dụng sẽ nhận dạng và phân loại cốc nhựa và cốc giấy, túi, chai, v.v. Sau khi phân tích thông tin này thông qua mô hình TensorFlow Lite tuỳ chỉnh, TensorFlow Lite sẽ báo cáo liệu vật thể đó có thể tái chế hay không và cách tái chế (tuỳ thuộc vào quy tắc của địa phương), đồng thời chia sẻ thông tin chi tiết về các thùng tái chế ở gần đó.

Hiện đang hoạt động ở Illinois, Pennsylvania và California, Trashly cho phép tìm thấy 1.000 trung tâm tái chế bằng tính năng "Gần tôi", đồng thời dự định mở rộng sang các tiểu bang và quốc gia khác trong tương lai, giúp hỗ trợ các thói quen tái chế tạo nên sự khác biệt.

Lời của Arielle Bier

Hình minh hoạ của Aless Mc

Chó phụ thuộc vào chủ để tập thể dục, thức ăn và chăm sóc hằng ngày. Tuy nhiên, bất chấp những ý định tốt nhất, nhiều chú chó được yêu mến vẫn thừa cân, làm giảm tuổi thọ của chúng tới 25%. UnoDogs giúp chủ sở hữu hỗ trợ tốt hơn về sức khoẻ của thú cưng bằng cách cung cấp thông tin và các chương trình thể dục phù hợp với chúng. Bằng cách theo dõi và đo lường sức khoẻ của chó cũng như đưa ra lời khuyên chính xác, UnoDogs sẽ giải quyết các vấn đề về sức khoẻ trước khi chúng bắt đầu.

Bằng cách sử dụng chức năng Tầm nhìn của Google Cloud Platform (AutoML) để huấn luyện một mô hình phát hiện vật thể nhằm phân tích hình ảnh trực tiếp, UnoDogs có thể tính được Điểm số thể trạng của chú chó và đưa ra đề xuất về cân nặng và kích thước lý tưởng. Trong các phiên bản sau này,chúng tôi sẽ cung cấp thêm nhiều tính năng sử dụng công nghệ học máy, chẳng hạn như đề xuất về thực phẩm, kiểm tra tính linh hoạt và kế hoạch tập thể dục.

Sau đó, thông tin theo dõi cân nặng và hoạt động tập thể dục được kết hợp với dữ liệu phân tích theo thời gian thực, tạo ra chương trình tập thể dục và ăn uống dễ theo dõi, được thiết kế để giúp chủ sở hữu luôn theo đúng mục tiêu và truyền cảm hứng để chú chó của họ có cuộc sống tốt nhất.

Lời của Arielle Bier

Minh hoạ: Choi Haeryung

Bệnh cây trồng là mối đe doạ thường xuyên đối với nông dân trên toàn thế giới. Và tác động của tình trạng mất an ninh thực phẩm đối với sức khoẻ, xã hội và nền kinh tế có thể vô cùng nghiêm trọng. AgriFarm giúp người nông dân phát hiện các bệnh thực vật, ngăn chặn thiệt hại lớn. Để làm được điều này, thuật toán phân loại mạng nơron sâu (dùng để xác định loại bệnh) được lưu trữ trên Google Cloud AI Platform.

Các tính năng khác bao gồm báo cáo thời tiết, đề xuất video và thông tin dự đoán giá. Được thiết kế để sử dụng ở những vùng nông thôn hẻo lánh, có khả năng truy cập Internet hạn chế, AgriFarm hỗ trợ các loại trái cây và rau củ như cà chua, ngô và khoai tây, đồng thời đang mở rộng tập dữ liệu để hoạt động trên toàn cầu.

Lời của Arielle Bier

Hình minh hoạ của Buba Viedma

Dựa trên mô hình sử dụng nguồn lực cộng đồng, AgroDoc giúp thu thập dữ liệu từ những nông dân có vị trí địa lý và khí hậu tương tự để chẩn đoán bệnh thực vật và lập kế hoạch điều trị. Thông qua ứng dụng này, một chiếc lá bị nhiễm bệnh sẽ được quét bằng camera trên thiết bị và thư viện TensorFlow Lite giúp phát hiện loại bệnh.

Dữ liệu được phân tích kết hợp với các triệu chứng chính và đưa ra các bước đơn giản để cải thiện tình trạng của cây.

Lời của Arielle Bier

Hình minh hoạ của Buba Viedma

Căng thẳng tồn tại dưới nhiều dạng, cả tích cực và tiêu cực. May mắn thay, cơ thể chúng ta được hình thành để tự điều chỉnh và thích ứng với hoàn cảnh thay đổi. Tuy nhiên, khi các sự kiện hoặc tình trạng cực đoan gây ra mức độ căng thẳng cao, các tác động tiêu cực có thể tích luỹ, dẫn đến lo âu, trầm cảm và tổn hại lâu dài đến sức khoẻ. Stila (theo dõi căng thẳng trong các hoạt động học tập) theo dõi và theo dõi mức độ căng thẳng của cơ thể, nhờ đó, người dùng có thể hiểu rõ hơn và kiểm soát căng thẳng trong cuộc sống. Để có thể thực hiện việc này, ứng dụng dành cho điện thoại thông minh sẽ hoạt động cùng với một thiết bị đeo, chẳng hạn như vòng đeo tay Fitbit hoặc thiết bị chạy Wear OS by Google, để ghi lại phản hồi sinh học của thiết bị.

Mô hình tuỳ chỉnh Firebase sẽ phát hiện và phân loại căng thẳng, trong khi Trình diễn giải TensorFlow Lite cho phép xử lý thông tin mà không cần kết nối mạng. Ứng dụng theo dõi mức độ căng thẳng của cơ thể và kết hợp với báo cáo tóm tắt về các sự kiện trong đời và môi trường của người dùng. Sau đó, điểm mức độ căng thẳng sẽ được tính, giúp ước tính mức độ căng thẳng trong một số hoạt động nhất định. Vì mỗi người phản ứng với các yếu tố gây căng thẳng và kích thích theo những cách khác nhau, nên Stila học hỏi từ những báo cáo này và điều chỉnh cách hoạt động. Sau đó, tính năng này sẽ đưa ra ý kiến phản hồi tuỳ vào nhịp điệu và nhu cầu của từng người dùng.

Các đặc điểm riêng lẻ có thể được dùng để hỗ trợ thêm cho việc cá nhân hoá trải nghiệm của người dùng thông qua mô hình học chuyển giao. Bằng cách phát hiện và theo dõi mức độ căng thẳng theo thời gian, người dùng có cơ hội kiểm soát tốt hơn những căng thẳng trong cuộc sống.

Lời của Arielle Bier

Hình minh hoạ: Linn Fritz

MixPose là một nền tảng phát trực tiếp mang đến cho giáo viên yoga và chuyên gia thể dục cơ hội giảng dạy, theo dõi cách điều chỉnh tư thế và đưa ra ý kiến phản hồi theo thời gian thực. Các video thể dục tĩnh chỉ chia sẻ thông tin theo một hướng. Tuy nhiên, với ứng dụng này, giáo viên có thể tuỳ chỉnh bài học của mình và trực tiếp tương tác với nhu cầu của học sinh. Tính năng theo dõi tư thế phát hiện chuyển động và vị trí của từng người dùng sẽ được phân loại bằng Bộ công cụ học máy và PoseNet.

Sau đó, cảm biến trực tiếp và hệ thống phản hồi sẽ thông báo cho chúng về cách căn chỉnh. Bổ sung đầu ra vào các tính năng video, chẳng hạn như Chromecast, dễ dàng kết nối với màn hình lớn để xem sống động hơn. Được thiết kế dành cho 37 triệu người Mỹ tập yoga, MixPose đang thu hút hơn 100 giáo viên yoga cho việc ra mắt. Bằng cách cải tiến thông qua AI ở Edge, 5G và TV thông minh, nền tảng này đang trực tiếp mang các khoá học tương tác đến với người dùng ngay tại nhà.

Lời của Arielle Bier

Tác phẩm minh hoạ của Rachel Levit Ruiz

Hơn 7 triệu người ở Ấn Độ có khả năng nghe và nói khác nhau, nhưng rất ít người được tiếp cận chương trình giáo dục ngôn ngữ ký hiệu. Vì ngôn ngữ và phương ngữ rất đa dạng, nên việc tạo một hình thức giao tiếp chuẩn gần như là không thể.

Với Leepi, học sinh có thể học các cử chỉ tay và biểu tượng của Ngôn ngữ ký hiệu Mỹ. Ứng dụng sử dụng tính năng nhận dạng chữ cái, ký hiệu, khuôn mặt và ý định cùng các bài tập có tính tương tác và phản hồi theo thời gian thực. Chúng tôi sử dụng thư viện TensorFlow Lite và khung MediaPipe để giúp quá trình xử lý trên thiết bị trở nên chính xác và tinh giản hơn. Và quan trọng là ứng dụng này được thiết kế để sử dụng khi không có mạng, nhờ đó, sẽ có thêm nhiều học viên có thể học tập mà không có rào cản.

Lời của Arielle Bier

Hình minh hoạ của Xuetong Wang

Giấc ngủ ngon rất quan trọng để nghỉ ngơi và phục hồi cơ thể con người. Tuy nhiên, 25% người lớn thường xuyên ngáy. Điều này có thể dẫn đến việc gián đoạn giấc ngủ và tiềm ẩn các vấn đề sức khoẻ mãn tính.

Thông qua việc thu thập, phân tích và phân loại âm thanh bằng TensorFlow Lite, ứng dụng Snore and Cho xác định tiếng ngáy và ho, để giúp người dùng nhờ chuyên gia y tế hỗ trợ.

Lời của Arielle Bier

Hình minh hoạ của Xuetong Wang

Khi di chuyển qua môi trường công cộng, như trung tâm mua sắm hoặc con phố đông đúc, vật cản di chuyển liên tục chuyển dịch và thay đổi theo cách bất ngờ. Các trải nghiệm liên quan đến các giác quan như hình ảnh, âm thanh và xúc giác có thể giúp tránh va chạm và ngăn ngừa tai nạn. Tuy nhiên, đối với người khiếm thị, việc di chuyển qua môi trường công cộng có nghĩa là phải đối mặt với một loạt những điều chưa biết. Trình tìm đường dẫn có thể giúp những người bị khiếm thị vượt qua các tình huống phức tạp như vậy bằng cách xác định và tính toán quỹ đạo của các đối tượng di chuyển trên đường dẫn của họ.

Sau đó, cảnh báo tuỳ chỉnh sẽ thông báo cho người dùng về cách tránh những trở ngại này và đề xuất hành động mà họ có thể thực hiện một cách an toàn. Ứng dụng này sử dụng tính năng phát hiện đối tượng của TensorFlow Lite để tính toán khoảng cách của các đối tượng xung quanh. Hệ thống được thiết kế để nâng cao trải nghiệm của người dùng, chia sẻ thông tin và hỗ trợ, chứ không khiến họ bị choáng ngợp trong những tình huống khó khăn. Vì lý do này, quy trình thiết lập Trình tìm đường dẫn trở nên dễ tương tác và được tuỳ chỉnh cho cả người dùng có thị lực kém cũng như những người giúp họ.

Cả phản hồi âm thanh và phản hồi xúc giác đều là một phần của hệ thống cảnh báo vật cản, trong khi một loạt âm thanh và tần số truyền đạt khoảng cách và hướng của mỗi vật thể. Sau đó, các mẫu âm thanh, như Mã Morse, sẽ được phân lớp và kết hợp để chia sẻ thêm thông tin. Trình tìm đường dẫn có thể giúp người dùng khiếm thị có được lợi thế về khả năng nhìn thấy trước, giúp họ dễ dàng đi đến các môi trường công cộng hơn.

Lời của Arielle Bier

Hình minh hoạ của Sonya linhshenboym