មានព័ត៌មាន AI បន្ថែមទៀត នៅទីនោះ ជាងអ្នកណាម្នាក់អាចរក្សាបាន។ ប៉ុន្តែអ្នកអាចទទួលបានព័ត៌មានថ្មីៗអំពីការអភិវឌ្ឍន៍គួរឱ្យចាប់អារម្មណ៍បំផុតជាមួយនឹងជួរឈរនេះ ដែលប្រមូលនូវភាពជឿនលឿននៃ AI និង machine learning ពីជុំវិញពិភពលោក ហើយពន្យល់ពីមូលហេតុដែលពួកគេអាចមានសារៈសំខាន់ចំពោះបច្ចេកវិទ្យា ការចាប់ផ្តើមអាជីវកម្ម ឬអារ្យធម៌។
ដើម្បីចាប់ផ្តើមដោយយកចិត្តទុកដាក់៖ វិធីដែលអ្នកស្រាវជ្រាវរកឃើញដើម្បីអនុវត្តការរៀនម៉ាស៊ីនទៅនឹងសិល្បៈគឺតែងតែគួរឱ្យចាប់អារម្មណ៍ - ទោះបីជាមិនតែងតែអនុវត្តជាក់ស្តែងក៏ដោយ។ ក្រុមមួយមកពីសាកលវិទ្យាល័យ Washington ចង់មើលថាតើប្រព័ន្ធចក្ខុវិស័យកុំព្យូទ័រអាចរៀនប្រាប់ពីអ្វីដែលកំពុងលេងនៅលើព្យាណូដោយគ្រាន់តែមើលពីលើគ្រាប់ចុច និងដៃរបស់អ្នកលេង។
អូឌីអូជាប្រព័ន្ធដែលបណ្តុះបណ្តាលដោយ Eli Shlizerman, Kun Su និង Xiulong Liu មើលវីដេអូនៃការលេងព្យាណូ ហើយដំបូងគេទាញយកការចុចគ្រាប់ចុចសាមញ្ញដូចព្យាណូ។ បន្ទាប់មកវាបន្ថែមកន្សោមក្នុងទម្រង់នៃប្រវែង និងកម្លាំងនៃសារពត៌មាន ហើយចុងក្រោយប៉ូលវាឡើងសម្រាប់ការបញ្ចូលទៅក្នុងឧបករណ៍សំយោគ MIDI សម្រាប់ទិន្នផល។ លទ្ធផលគឺធូររលុងបន្តិច ប៉ុន្តែច្បាស់ជាអាចទទួលស្គាល់បាន។
សេវាឥណទានរូបភាព: Shlizerman ជាដើម។ អាល់
Shlizerman បាននិយាយថា "ដើម្បីបង្កើតតន្ត្រីដែលស្តាប់ទៅដូចជាវាអាចត្រូវបានលេងនៅក្នុងការសម្តែងតន្ត្រីមួយត្រូវបានគេជឿថាមិនអាចទៅរួចនោះទេ" Shlizerman ។ “ក្បួនដោះស្រាយមួយត្រូវការស្វែងយល់ពីសញ្ញា ឬ 'លក្ខណៈពិសេស' នៅក្នុងស៊ុមវីដេអូដែលទាក់ទងនឹងការបង្កើតតន្ត្រី ហើយវាចាំបាច់ត្រូវ 'ស្រមៃ' នូវសំឡេងដែលកើតឡើងនៅចន្លោះស៊ុមវីដេអូ។ វាទាមទារប្រព័ន្ធដែលមានភាពច្បាស់លាស់ និងការស្រមើលស្រមៃ។ ការដែលយើងសម្រេចបានតន្ត្រីដែលស្តាប់ទៅល្អគឺជាការភ្ញាក់ផ្អើល»។
មួយទៀតពីវិស័យសិល្បៈនិងអក្សរគឺជាការស្រាវជ្រាវគួរឱ្យចាប់អារម្មណ៍ខ្លាំងណាស់ទៅក្នុង ការលាតត្រដាងនៃការគណនា អក្សរបុរាណដែលឆ្ងាញ់ពេកមិនអាចដោះស្រាយបាន។ ក្រុម MIT កំពុងសម្លឹងមើលអក្សរ "ចាក់សោ" ពីសតវត្សទី 17 ដែលត្រូវបានបត់យ៉ាងស្និទ្ធស្នាល និងបិទជិត ដូច្នេះដើម្បីយកលិខិតនោះចេញ ហើយធ្វើឱ្យរលោងវាអាចបំផ្លាញពួកវាជាអចិន្ត្រៃយ៍។ វិធីសាស្រ្តរបស់ពួកគេគឺ ថតកាំរស្មីអ៊ិចអក្សរ និងកំណត់ក្បួនដោះស្រាយកម្រិតខ្ពស់ថ្មី ដើម្បីធ្វើការបកស្រាយរូបភាពលទ្ធផល។
ដ្យាក្រាមបង្ហាញពីទិដ្ឋភាពកាំរស្មីអ៊ិចនៃអក្សរ និងរបៀបដែលវាត្រូវបានវិភាគ ដើម្បីបង្ហាញវាស្ទើរតែទាំងស្រុង។ សេវាឥណទានរូបភាព: MIT
លោក Erik Demaine មកពី MIT បាននិយាយថា "ក្បួនដោះស្រាយបញ្ចប់ដោយធ្វើការងារដ៏គួរឱ្យចាប់អារម្មណ៍មួយក្នុងការបំបែកស្រទាប់ក្រដាស ទោះបីជាស្តើងខ្លាំង និងចន្លោះតូចៗរវាងពួកវាក៏ដោយ ជួនកាលតិចជាងគុណភាពបង្ហាញនៃការស្កេន"។ "យើងមិនប្រាកដថាវាអាចទៅរួចនោះទេ។" ការងារនេះអាចអនុវត្តបានចំពោះឯកសារជាច្រើនប្រភេទ ដែលពិបាកសម្រាប់បច្ចេកទេសកាំរស្មីអ៊ិចសាមញ្ញដើម្បីស្រាយ។ វាជាការអូសបន្លាយបន្តិចក្នុងការចាត់ថ្នាក់នេះថាជា "ការរៀនម៉ាស៊ីន" ប៉ុន្តែវាគួរឱ្យចាប់អារម្មណ៍ខ្លាំងពេកដែលមិនត្រូវរួមបញ្ចូល។ សូមអានឯកសារពេញលេញនៅ ទំនាក់ទំនងធម្មជាតិ.
សេវាឥណទានរូបភាព: Asensio, et ។ អាល់
អ្នកមកដល់កន្លែងគិតថ្លៃសម្រាប់រថយន្តអគ្គិសនីរបស់អ្នក ហើយឃើញថាវាអស់សេវា។ អ្នកប្រហែលជាអាចទុកការពិនិត្យមិនល្អលើអ៊ីនធឺណិត។ តាមពិត ការពិនិត្យមើលបែបនេះរាប់ពាន់មាន ហើយបង្កើតបានជាផែនទីដ៏មានសារៈប្រយោជន៍សម្រាប់ក្រុងដែលកំពុងស្វែងរកពង្រីកហេដ្ឋារចនាសម្ព័ន្ធរថយន្តអគ្គិសនី។
Omar Asensio របស់ Georgia Tech បានបណ្តុះបណ្តាលគំរូដំណើរការភាសាធម្មជាតិ នៅលើការវាយតម្លៃបែបនេះ ហើយភ្លាមៗនោះ វាបានក្លាយទៅជាអ្នកជំនាញក្នុងការញែកពួកវាដោយមនុស្សរាប់ពាន់នាក់ ហើយច្របាច់ចេញនូវការយល់ដឹងដូចជាកន្លែងដែលការដាច់ភ្លើងជារឿងធម្មតា ថ្លៃដើមប្រៀបធៀប និងកត្តាផ្សេងៗទៀត។
ពិនិត្យចេញ PrimeXBT
ធ្វើពាណិជ្ជកម្មជាមួយដៃគូ CFD ផ្លូវការរបស់ AC Milan
មធ្យោបាយងាយស្រួលបំផុតដើម្បីធ្វើពាណិជ្ជកម្មគ្រីបតូ។
ប្រភព៖ https://techcrunch.com/2021/03/05/deep-science-ai-adventures-in-arts-and-letters/
