توسعه‌دهنده بازی و شرکت واقعیت افزوده Niantic که به‌خاطر گستره بازی‌هایش مانند Pokemon Go و Ingress شناخته می‌شود، از ابتکار جدیدی برای ایجاد چیزی که آن را مدل بزرگ جغرافیایی (LGM) می‌نامد، خبر داده است.
به گفته این شرکت، این مدل جدید به ماشین‌ها کمک می‌کند تا دنیای فیزیکی را به روش‌های جدیدی که قبلاً ندیده‌ایم، «درک، درک و دستکاری» کنند.
اساساً، این امر باعث می‌شود که دید رایانه‌ای سه بعدی روی استروئیدها قرار گیرد تا ماشین‌ها و نرم‌افزارها بتوانند خود را در یک فضای کاملاً نقشه‌برداری شده، درست مانند انسان‌ها، جهت دهی کنند.
اولین نامزد واضح برای این نوع فناوری، واقعیت افزوده خواهد بود، که بیش از سایر فناوری‌های هوش مصنوعی نیاز به درک محیط خود دارد و چیزی است که Niantic به لطف Pokemon Go به خوبی می‌داند.
از هوش مکانی برای چه چیزی می توان استفاده کرد؟
با استفاده از این به اصطلاح “هوش مکانی” در عینک‌های هوشمند AR، در نهایت همه ما می‌توانیم در حین حرکت در جهان از تعامل پیچیده‌تری با محیط خود لذت ببریم. نه تنها نقشه برداری و حتی بازی های واقعیت افزوده، بلکه دانش و تخصص داده نیز سود خواهند برد.
نوعی جهان گزارش اقلیت را تصور کنید که در آن اطلاعات عمیق درباره مکان‌ها در دسترس ماست، اما می‌توانیم صحنه را در زمان معکوس کنیم تا ببینیم 100 سال پیش چه شکلی بوده است، یا 100 سال پیش چه شکلی بوده است. کار انجام شد 5 سال.
اطلاعات مکانی همچنین شامل داده های مهمی مانند ابعاد و مقیاس است که فراتر از سه بعدی عمومی است و تعاملات طراحی و لجستیک خاص را برای افرادی مانند معماران و برنامه ریزان امکان پذیر می کند.
چه داده هایی برای مدل جمع آوری شد؟
این شرکت تاکنون بیش از 10 میلیون اسکن سه بعدی از سراسر جهان برای محصولات بازی خود دریافت کرده است و در حال حاضر تقریباً 1 میلیون اسکن جدید در هفته دریافت می کند. اکنون رقابت برای تبدیل آنها به یک قالب دیجیتالی است که می تواند در این شبکه عصبی جغرافیایی جدید جاسازی شود.
این مدل با بیش از 50 میلیون شبکه عصبی در حال حاضر آموزش دیده و تریلیون ها پارامتر که به عنوان مجموعه داده پایه برای مدل عمل می کنند، در مسیر قرار دارد.
همانطور که مدل‌های زبان بزرگ میلیاردها نقطه داده را اسکن و تبدیل می‌کنند تا مولدهای تصویر، زبان و موسیقی هوش مصنوعی ایجاد کنند، ما نیز شاهد تحولی مشابه در فضای سه‌بعدی خواهیم بود.
یکی از ویژگی های کلیدی LGM توانایی آن در یادگیری از مجموعه های بزرگ داده و برون یابی این اطلاعات برای پر کردن شکاف های موجود در جهان است. بنابراین، بر خلاف یک تصویر نمای خیابان که فقط می‌تواند جلوی کلیسا را ببیند، LGM می‌تواند از مغز خود برای ایجاد بهترین حدس‌ها از ظاهر کل ساختمان، از جمله قسمت‌هایی که از نظر فیزیکی قابل مشاهده نیستند، استفاده کند.
به این ترتیب می توان یک نقشه جغرافیایی فوق العاده دقیق از جهان با دقت در سطح سانتی متر ایجاد کرد و برای انبوهی از کاربردهای موجود و نوآورانه که هنوز مورد توجه قرار نگرفته اند، استفاده کرد.
Niantic ‘فشار محدودیت ها’
Niantic سابقه طولانی در جابجایی بازی‌های تقویت‌شده بدون استفاده از چیزی پیچیده‌تر از دوربین گوشی‌های هوشمند و اپلیکیشن دارد.
هرکسی که برای شکار پوکمون در خیابان‌های شهر با باد در حالی که تلفن‌هایش را در دست گرفته است قدم زده است، می‌داند که این به چه معناست.
این بازی از زمان عرضه آن در سال 2016 تقریباً یک میلیارد بار دانلود شده است و حتی در حال حاضر تخمین زده می شود که روزانه بیش از 90 میلیون بازیکن وارد بازی می شوند.
بنابراین سخت نیست که ببینیم این شرکت چگونه امیدوار است از گسترش یک جهان بینی بسیار پیچیده تر سود ببرد، به خصوص که ما شروع به استفاده بیشتر از فناوری عینک های هوشمند به عنوان بخشی از زندگی روزمره خود کرده ایم.
متاورس ممکن است در حال حاضر در بلوک های شروع خود باشد، اما هنوز همه نشانه هایی وجود دارد که ما به سمت واقعیت افزوده تر در آینده نزدیک می رویم. به خصوص که فناوری پیشرفت می کند و هوش مصنوعی تجربه را بسیار سازنده و جذاب تر می کند.
عینک هوشمند 299 دلاری متا Wayfarer Ray-Ban راه را به سوی دنیایی مرتبط تر با هوش مصنوعی داخلی، دوربین و کنترل های پخش زنده نشان می دهد. اگرچه عمر باتری در حال حاضر با استفاده از شارژ تنها 4 ساعت بسیار محدود است، اما این مشکلی است که مانند هر سال با پیشرفت فناوری باتری از بین خواهد رفت.
در همین حال، ابتکاراتی مانند LGM های Niantic تقریباً به طور قطع نقش کلیدی در تضمین ارزش آینده ای که می توانیم روزانه از محیط خود بدست آوریم، ایفا می کنند.
اطلاعات بیشتر از راهنمای تام
منبع: tomsguide
نظرات کاربران