Smartfony przyszłości wcale nie będą nas potrzebować. I to jest dobra wiadomość

Artykuł/Sprzęt 06.09.2017
Smartfony przyszłości wcale nie będą nas potrzebować. I to jest dobra wiadomość

Smartfony przyszłości wcale nie będą nas potrzebować. I to jest dobra wiadomość

Smartfony coraz lepiej rozumieją kontekst i otoczenie. Wystarczy spojrzeć na rozwój asystentów głosowych. Naukowcy ze Szkocji poszli nieco dalej. Urządzenia mogą rozróżniać powierzchnię, na której się znajdują.

Smartfony są naszym oknem na świat, źródłem informacji, portfelem, pogodynką, telewizją, sekretarką, planem miasta, odtwarzaczem muzycznym, aparatem. Listę można wydłużać. Urządzenie te stały się bardzo osobiste. Bywa jednak, że bardziej absorbują niż pomagają. Po prostu zbytnio skupiają uwagę na sobie. Przykuwają nas.

Kolejną smartfonową rewolucję w interesujący sposób definiuje Andy Rubin. Ojciec Androida i twórca Essential Phone’a chce, by te urządzenia, za sprawą sztucznej inteligencji, wykonywały różne zadania nie absorbując naszej uwagi. Miałyby to robić samodzielnie, a my musielibyśmy w jakimś sensie obdarzyć je zaufaniem.

To rzecz jasna pieśń przyszłości, trudno powiedzieć czy bardzo odległej. Pewnie bliższej stworzenia telefonu komórkowego niż wynalezienia maszyny parowej. Inżynierowie od dawna zdają sobie sprawę, jak ważny jest kontekst, otoczenie czy położenie. iPhone, na przykład, pomoże znaleźć nasz zaparkowany samochód, “rozumiejąc” pewną sekwencję zdarzeń. To przykład dość prostego zastosowania m.in. uczenia maszynowego. Urządzenie interpretuje rozłączenie się z systemem Bluetooth czy CarPlay w aucie jako parkowanie. Odnotowuje położenie samochodu na mapie, korzystając z usług lokalizacji.

Smartfony muszą się jeszcze wiele nauczyć.

Badacze z University of St Andrews w Szkocji stworzyli technologię, która może przyczynić się do tego, że nasze urządzenia będą mądrzejsze. Rzecz nazywa się SpeCam i polega na użyciu kamery w smartfonie do rozpoznawania powierzchni, na której urządzenie się znajduje.

Technologia opiera się na obrazowaniu wielowidmowym i rozpoznawaniu przestrzeni barw HSB. Ten model opiera się o trzy składowe Hue (odcień), Saturation (nasycenie) i Brightness (jasność). Prościej rzecz ujmując, kamera smartfonu rozpoznaje z dużą precyzją kolory i sprzęgnięta jest z bazą danych, która zawiera informacje o kilkudziesięciu rodzajach powierzchni. Dokładność w ich rozpoznawaniu ma sięgać 99 proc.

Po co nam rozpoznawanie powierzchni przez smartfony?

Na pierwszy rzut oka zastosowanie powyższej technologii wydaje się ograniczone. No bo, co nam da fakt, że urządzenie rozpozna, że leży na materiale stalowym czy plastikowym? Wbrew pozorom, taki punkt wyjścia może być cenny, jeżeli powiążemy rodzaje powierzchni z konkretnymi przedmiotami. Telefon leżący na szafce nocnej mógłby np. wiedzieć, że należy włączyć tryb nie przeszkadzać czy wyłączyć dźwięki. To tylko przykład, zresztą dość skomplikowany w realizacji, po podobną powierzchnię może mieć biurko czy stół.

Smartfon musiałby rozumieć kontekst, w którym się znajduje i rozpoznając powierzchnię, reagować w określony sposób. Wykorzystując uczenie maszynowe, mógłby czerpać z naszego codziennego zachowania. Jeżeli dodamy do tego możliwość personalizacji, dochodzimy do działania nieco podobnego do oferowanego przez aplikację IFTTT, która automatyzuje zadania. Ta ostatnia wykonuje jednak określone czynności na poziomie oprogramowania. Na przykład może automatycznie zapisywać załączniki maila w usłudze chmurowej czy wysłać wykonane zdjęcie do serwisu społecznościowego.

SpeCam to jedna z cegiełek, która może sprawić, że nasze urządzenia będą bardziej samodzielne. Brzmi to, co prawda, nieco dziwnie, ale wykonując różne czynności w smartfonie, nadal je robimy. Niekoniecznie zatem oszczędzamy czas, ale często zmieniamy tylko narzędzie. Być może jest ono wygodniejsze, ale nadal wymaga aktywności. Przyszłość smartfonów, zgodnie z wizją Rubina, ma być powiązana z automatyzacją, uczeniem maszynowym i sztuczną inteligencję. Technologia opracowana przez badaczy ze Szkocji zapewnia dostęp do jednego z wielu rodzajów potrzebnych danych.

Dołącz do dyskusji