سیستم پلنت گوگل، مکان تصاویر را تشخیص می دهد!

سیستم پلنت گوگل، قادر است، مکان تصاویر گرفته شده را تشخیص دهد.

سیستم پلنت گوگل ، قادر است، مکان تصاویر گرفته شده را تشخیص دهد.

مهندسان گوگل سیستمی ایجاد کرده اند که دقیقا می تواند شناسایی کند که در چه مکانی عکس گرفته شده است. در واقع سیستم پلنت گوگل می تواند محل عکس های عمومی را دقیقتر از انسان ها تشخیص دهد. سیستم پلنت گوگل توسط دو تن از کارمندان این شرکت ایجاد شده است که مکان دقیق یک عکس را با تجزیه و تحلیل پیکسل های آن، مشخص می کند.

انسان ها به طور معمول زمانی که یک عکس عمومی می بینند، تلاش می کنند تا با نگاه کردن به آن دریابند که محل دقیق این عکس کجاست. به طور مثال اگر عکسی از یک ساحل شنی سفید ببینند، ممکن است فکر کنند که آن عکس در کارائیب گرفته شده است اما در اشتباه باشند و عکس در مالدیو گرفته شده باشد. در حالی که بسیاری از انسان ها نیاز به یک نقطه عطف، مثل مجسمه آزادی یا ماچو پیچو دارند که بتوانند محل عکس گرفته شده را تشخیص دهند، سیستم پلنت گوگل، در مراحل اولیه نیز چنین مشکلی ندارد و با تجزیه و تحلیل پیکسل ها مشخصات ریز عکس را شناسایی می کند. بدیهی است که پلنت از انسان ها دقیق تر است زیرا بیشتر از هر انسانی مکان های مختلف را دیده است و نشانه های ظریف از صحنه های مختلف را که تشخیص آن برای انسان سخت است، می تواند تشخیص دهد.

توبیاس ویند به و جیمز فیلبین، دو مهندس نرم افزار گوگل، با همکاری توسعه دهنده ای به نام ایلیاکوستریکوو برای ساخت سیستم پلنت گوگل وارد همکاری شدند.

ویند جهان را به یک شبکه ای از ۲۶،۰۰۰ مربع در اندازههای مختلف، بسته به تعداد تصاویر گرفته شده در آن مکان، تقسیم بندی کرده است که هر یک از مربع ها یک منطقه جغرافیایی خاص را نشان می دهد. پس از آن یک پایگاه داده از تصاویر مکان جغرافیایی از اینترنت ایجاد کرد تا شبکه ی مربعی را در هر تصویر گرفته شده، تعیین کند. به طور کلی، می توان گفت، ۱۲۶ میلیون تصویر استفاده شده است.

ویند و تیمش، ۹۱ میلیون از این تصاویر را برای آموزش شبکه عصبی قدرتمند، یک سیستم کامپیوتری مدل شده در مغز انسان، به کار گرفتند تا برای تشخیص مکان شبکه، تنها از تصاویر استفاده شود. در نهایت آنها قادر به قرار دادن یک تصویر در شبکه ی عصبی و خارج کردن یک محل خاص شبکه و یا حداقل یک مجموعه ای از نامزدهایی که محتمل تر هستند، خواهند شد. این شبکه ی عصبی با ۳۴ میلیون عکس در مجموعه داده ها تایید می شود.

به منظور تست سیستم پلنت گوگل ، ۲.۳ میلیون تصویر دارای برچسب جغرافیایی را از عکس های آنلاین فلیکر گرفته اند و از پلنت درخواست کرده اند که محل آن را شناسایی کند.

“لنت توانست ۳.۶٪ از تصاویر سطح خیابان و ۱۰.۱٪ از تصاویر سطح شهر را درست تشخیص دهد. این نتایج کامل نیست، اما با این وجود پلنت خوب عمل کرده است.

.

با عضویت در کانال رسمی تکرا در تلگرام از آخرین اخبار روز تکنولوژی مطلع باشید.

.

منبع: techinsider


عصر تکنولوژی، تکرا

نوشته سیستم پلنت گوگل، مکان تصاویر را تشخیص می دهد! اولین بار در عصر تکنولوژی - تکرا پدیدار شد.

از ترمیناتور تا ماتریکس؛ آیا هوش مصنوعی برای آینده ما خطرناک است؟!

 

ITRESAN-11-1394 (42)-3هوش مصنوعی به‌عنوان یکی از مهم‌ترین المان‌ها و نمادهای تبلور دانش کامپیوتری انسان در جسمی ماشینی است ولی این تعریف زیبا برای انسان‌های امروزی به‌عنوان یک مخاطره بزرگ و یک ترس از آینده‌ای تاریک نیز مطرح است. دلیل این امر را می‌توان بیشتر در تخیل انسان‌ها جست زیرا عملا هنوز هیچ هوش مصنوعی نیرومندی که بتواند حتی به درصدی از توان یادگیری انسانی دست یابد، طراحی و ساخته نشده است. با این‌ حال شرایط داستان‌ها و فیلم‌های علمی و تخیلی موجب شده است تا ذهنیت عمومی جامعه نسبت به هوش مصنوعی، تیره باشد.

در ابتدای امر باید ببینیم که هوش مصنوعی چیست؟ هوش مصنوعی از نظر تعریف علمی به معنای رفتار ساختاریافته ماشینی در برابر رخدادها است. هنگامی‌ که یک ماشین بتواند در برابر رخدادها از خود عکس‌العمل نشان داده و به‌مانند انسان، از بین گزینه‌های مختلف به انتخاب یک راهکار از پیش تعیین نشده دست بزند، آنگاه آن ماشین به هوش مصنوعی مجهز شده است.

همان‌طور که می‌بینید برای دست‌یابی به چنین دستاوردی، هنوز حتی به یک‌دهم درصد از پیشرفت لازم نیز نرسیده‌ایم و هوش‌های مصنوعی ساخته شده در دنیای امروزی ما بیشتر به ساختار تصمیم‌گیری درختی و تعیین شرایط از پیش تعیین شده وابسته هستند تا این‌که بخواهند یک ساختار سند باکس را به نمایش بگذارند. حال ممکن است برای شما این سوال پیش آمده باشد که ساختار درختی و سندباکس، به چ

ه معناست؟!

ITRESAN-11-1394 (42)-6ساختار تصمیم‌گیری درختی به ساختاری گفته می‌شود که یک رخداد، از یک ریشه خاص آغاز شده و بر اساس پاسخ به سوال‌هایی که در هر مرحله از تصمیم‌گیری مطرح می‌شود، تعداد پاسخ‌ها کاهش خواهد یافت تا درنهایت شاهد رسیدن به یک پاسخ باشیم. همان‌طور که واضح به نظر می‌رسد، برای ساختار تصمیم‌گیری درختی باید تمامی حالت‌های ممکن از پیش تعیین شوند و به همین دلیل نیز هوش مصنوعی به‌دست‌آمده از این ساختار، چندان نیرومند نخواهد بود.

ITRESAN-11-1394 (42)-4در نقطه مقابل، مفهوم سندباکس قرار دارد، این مفهوم از ساختار اسباب‌بازی‌های قدیمی چینی الهام گرفته شده است که در آن، چندلایه شیشه در کنار یکدیگر قرار می‌گرفتند و هر یک از لایه‌ها دارای شن‌هایی به یک رنگ خاص هستند، با تکان دادن این جعبه و نگاه کردن به آن از کناره، هر بار شاهد شکل‌گیری یک تصویر خاص هستیم که تعداد تصویرهای قابل رویت را عملا به بی‌نهایت می‌رساند. مشابه همین ساختار نیز می‌تواند در هوش مصنوعی به کار گرفته شود. برای نمونه شما می‌توانید بر اساس رخدادهای محیطی و تحلیل آن بر لایه‌های مختلف تصمیم‌گیری، یک تصمیم خاص را اتخاذ کنید، برای مثال فرض کنید هم‌اکنون که مشغول خواندن این مقاله هستید، زنگ خانه شما به صدا درمی‌آید، بسته به این‌که در انتظار کسی هستید، کس دیگری در خانه هست یا خیر، موقعیت شما نسبت به در چگونه است و …، تصمیم به باز کردن یا باز نکردن در می‌گیرید. هر یک از المان‌های یادشده، یک لایه از جعبه شیشه‌ای سند باکس است و عکس‌العمل شما نسبت به آن موجب خواهد شد تا ساختاری منحصربه‌فرد شکل بگیرد. حال درصورتی‌که بتوان همین ساختار را برای هوش مصنوعی به کار گرفت، می‌توان انتظار جهشی بزرگ در این زمینه را داشت که هنوز دانشمندان به آن دست پیدا نکرده‌اند.

ITRESAN-11-1394 (42)-2علت این امر نیز تعیین مولفه‌های خروجی و تحلیل آن‌هاست! یک هوش مصنوعی باید بتواند تمامی حالت‌های ممکن را در اختیار داشته باشد تا تنها در یک زمینه موفق عمل نکند. برای این کار، حسگرهای فوق‌العاده پیشرفته، ساختار تصمیم‌گیری بسیار پیچیده و از همه مهم‌تر، ساختار یادگیری عمقی ماشینی مورد نیاز است که به همین دلیل نیز با قطعیت می‌توان گفت که هنوز زمان رسیدن به این ساختار فرانرسیده است.

ITRESAN-11-1394 (42)هوش مصنوعی از جنس آینده است و اگر در طراحی آن درست عمل شود، می‌توان از آن برای آسودگی انسان استفاده کرد ولی اگر المان‌های بازدارنده در طراحی هوش مصنوعی به کار گرفته نشود، آنگاه ممکن است مانند فیلم‌های هالیوودی، شاهد غلبه یافتن هوش مصنوعی بر انسان‌ها باشیم. البته نیازی به نگران بودن نیست چون حتی اگر رکورد زنده ماندن در گینس را نیز به دست بیاورید، بازهم بعید به نظر می‌رسد که شاهد این دوران باشید.

نوشته از ترمیناتور تا ماتریکس؛ آیا هوش مصنوعی برای آینده ما خطرناک است؟! اولین بار در - آی‌تی‌رسان پدیدار شد.

محققان تاثیربرانگیزترین رفتار هوش مصنوعی را مشاهده کردند

محققان تاثیربرانگیزترین رفتار هوش مصنوعی را مشاهده کردند

احتمالا از آخرین باری که آتاری بازی کرده اید زمان زیادی می گذرد. مهم نیست که چقدر حرفه ای بازی کنید، احتمالا باز هم نمی توانید برنامه ی هوش مصنوعی Google DeepMind را شکست دهید. شاید به نظر برسد که برنامه ای با توانایی در بازی کامپیوتری فقط جنبه ی سرگرمی دارد، اما با این حال محققان هوش مصنوعی بارها به سایت TechInsider گفته اند که این تاثیربرانگیز ترین اجرای تکنولوژی است که تا به حال دیده اند.

شرکت DeepMind ( شرکت بریتانیایی در زمینه تحقیقات هوش مصنوعی) در فوریه ی ۲۰۱۵ این خبر بزرگ را اعلام کردند که این برنامه ی هوش مصنوعی می تواند روش بازی و برنده شدن در بازی های آتاری ۲۶۰۰ ( کنسول بازی ساده که در دهه ۱۹۸۰ رواج داشت ) را بیاموزد، بدون اینکه دستورالعمل یا دانش قبلی از روش بازی کردن داشته باشد.
این برنامه با مشاهده ی روش بازی یاد گرفت که چگونه برنده ی بازی باشد، همچنین با سیستم “جایزه” ی خود می تواند از روند پیشرفتش در بازی مطلع شود.
این کامپیوتر هوشمند در ۲۹ بازی آتاری تمام رقیب های انسانی خود را شکست و نسبت به ۴۳ الگوریتم کامپیوتری دیگر عملکرد بهتری نشان داد.
می توان گفت تنها نقطه ضعف این برنامه در بازی Ms.Pac Man است، جایی که به اعتقاد MIT Technology باید از قبل برنامه داشته باشد که چگونه نقطه ها ی داخل ماز را بخورد.
این برنامه در چند ماه اخیر در اخبار وجود داشت تا اینکه خبرنگار TechInsider با چند نفر از محققان هوش مصنوعی مصاحبه ای انجام داد. سوال دل پرادو خبرنگار تک اینسایدراز آنها این بود : تا به حال شاهد چه چیزی در تکنولوژی هوش مصنوعی بوده اند که واقعا تعجب آنها را برانگیخته است ؟ و پاسخ اکثر آنها برنامه ی DeepMind بود که آتاری بازی می کرد.
استوارت راسل دانشمند علم کامپیوتر در دانشگاه برکلی کالیفرنیا به خبرنگار تک اینسایدر گفت : ” سیستم DeepMind به طور کامل، از پایه شروع می کند، بنابراین در اصل می توان گفت که سیستم “بیدار” می شود، صفحه ی نمایش بازی را می بیند و تشخیص می دهد که چگونه در سطح یک انسان باهوش بازی کند. او این کار را با ۳۰ بازی مختلف دیگر هم انجام می دهد.”
پیتر ابیل، دانشمند علوم کامپیوتری در دانشگاه برکلی گفت : ” عملکرد DeepMind در نحوه ی یادگرفتن بازی، در حالیکه فقط به تصاویر پیکسلی و امتیازات بازی دسترسی داشت بسیار الهام بخش است. من در مورد نتایج اخیر تحقیقات خودمان که دارای مبنای مشترک با این سیستم هستند بسیار هیجان زده هستم. با یک الگوریتم ساده که توانایی یاد گیری دو نوع عملکرد متفاوت را دارد.
این برنامه در عرض ۱۲۰ دقیقه به سطح حرفه ای این بازی می رسد.
مایکل لیتمن دانشمند علوم کامپیوتر در دانشگاه براون به خبرنگار تک اینسایدر گفت : به نظر من این ایده بسیار خالص است چرا که به سمت سیستم هایی راهنمایی می کند که نه تنها از قطعات برنامه ریزی شده ی فوق العاده هوشمند تشکیل شده اند، بلکه از تجارب آنها استفاده کرده و آنها را به رفتارهای هوشمندانه تبدیل می کند.
راسل همچنین عنوان کرد که خوبی این برنامه تا اندازه ای است که می تواند ترسناک باشد. ” این برنامه تاثیرگذار و در عین حال ترسناک است، تصور کنید که یک نوزاد متولد شود و تا غروب همان روز بتواند افراد را در بازی کامپیوتری شکست دهد.

.

با عضویت در کانال رسمی تکرا در تلگرام از آخرین اخبار روز تکنولوژی مطلع باشید.

.

منبع: techinsider


عصر تکنولوژی، تکرا

نوشته محققان تاثیربرانگیزترین رفتار هوش مصنوعی را مشاهده کردند اولین بار در عصر تکنولوژی - Techera پدیدار شد.

این روبات با هوش مصنوعی می تواند مانند بچه ها آموزش ببیند

محققان دانشگاه کالیفرنیا برکلی، یک روبات شبه انسان طراحی کرده اند، این ربات همانند بچه های انسان قادر است یاد بگیرد که چگونه حرکت کند و بایستد. اتیم محققان این پروژه که تحت رهبری دکتر ایگور مورداچ می باشند، یک شبکه ی عصبی برای این روبات با هوش مصنوعی که نام آن داروین است تولید کرده اند، داروین مانند بچه های انسان، با نگاه کردن به رفتار بزرگترها نحوه نشستن، راه رفتن و یا حرکات دیگر را می آموزد.

محققان دانشگاه کالیفرنیا برکلی، یک روبات شبه انسان طراحی کرده اند، این ربات همانند بچه های انسان قادر است یاد بگیرد که چگونه حرکت کند و بایستد.

تیم محققان این پروژه که تحت رهبری دکتر ایگور مورداچ می باشند، یک شبکه ی عصبی برای این روبات با هوش مصنوعی که نام آن داروین است تولید کرده اند، داروین مانند بچه های انسان، با نگاه کردن به رفتار بزرگترها نحوه نشستن، راه رفتن و یا حرکات دیگر را می آموزد.
مورداچ در مصاحبه با “کوارتز” گفت : شبکه ی عصبی موجود در ساختار این ربات مانند یک نقشه عمل می کند، یعنی روشی برای تصمیم گیری می باشد. روبات از موقعیت فعلی و هدف خود آگاه است و شبکه ی عصبی مجموعه رفتارهایی را که برای رسیدن به هدف نیاز دارد تولید می کند.
تا به حال داروین چگونه ایستادن، در حالت ایستاده ماندن و چند حرکت ساده ی دیگر را آموخته است که البته به مرور زمان می تواند با دیدن رفتارهای طبیعی، قبلیت های بیشتری را یاد بگیرد، جالب است در حالیکه امکان دارد آنها را اشتباه انجام دهد، با این حال از اشتباهات درس گرفته و بدون ترس به انجام آنها می پردازد.
داروین سنسورهایی که اطلاعات حالت لنگیدن و همینطور فشار روی پاها و مفاصل را انتقال می دهند، به بازی گرفته، و یاد می گیرد که چگونه از این اطلاعات برای نشستن، ایستادن و چندین حرکت دیگر استفاده کند.
مورداچ و هم تیمانش امیدوارند که داروین بتواند دور محوطه ی دانشگاه برکلی حرکت کند و تا سال آینده قادر باشد جهان اطراف خود را بشناسد و همینطور توانایی برداشتن اشیا را داشته باشد.
این تیم امیدوار است که داروین و روباته ای مشابه در سال های آینده قادر باشند به محل هایی مانند محیط های سمی و خطرناک که انسان ها به دلیل آسیب پذیری شان نمی توانند در آنها قرار گیرند، بروند.

.

.

منبع: techradar


عصر تکنولوژی، تکرا

نوشته این روبات با هوش مصنوعی می تواند مانند بچه ها آموزش ببیند اولین بار در عصر تکنولوژی - Techera پدیدار شد.

مایکروسافت قابلیت تشخیص احساسات را به پروژه آکسفورد اضافه کرد!

 

microsoft- project oxfordیکی از تفاوت‌های اصلی بین ما انسان‌ها و ماشین‌ها، داشتن احساس است. تنها ویژگی بارز انسان که تا به حال نتوانسته‌ایم آن را به صورت کد وارد دنیای دیجیتال کنیم.

شرکت مایکروسافت به تازگی قابلیت تشخیص احساسات فرد را از روی تصویر به پروژه آکسفورد خود اضافه کرده است. پیش از این‌ که به توضیح این قابلیت بپردازیم، با پروژه آکسفورد به طور مختصر آشنا شویم:

آکسفورد نام پروژه‌ای است که در آن مایکروسافت امکاناتی نظیر تشخیص چهره را به توسعه دهندگان برنامه‌های مختلف می‌دهد. پیش‌تر هم این پروژه امکان تشخیص سن و جنسیت را از روی عکس ممکن کرده بود.

این امکان یک قدم دیگر به سوی تکامل هوش مصنوعی است و با استفاده از آن حالا ماشین‌ها این امکان را دارند که از طریق آنالیز عکس، احساس و واکنش درونی انسان را در لحظه تشخیص دهند. ممکن است بتوان با توسعه این قابلیت در آینده، تشخیص احساس در ویدئو را هم ممکن کرد.

رایان گلگُن، مدیر برنامه‌های تحقیقاتی مایکروسافت، مدعی شده که دوربین‌های مجهز به این قابلیت جدید می‌توانند واکنش بینندگان یک فیلم را در هر زمان که بخواهند به تولید کنندگان آن بازخورد دهند. همچنین صاحبان فروشگاه‌ها هم می‌توانند از این امکان برای فهمیدن میزان رضایت مشتریان از یک محصول استفاده کنند. در هر حال، تمام این‌ها به این بستگی دارد که توسعه دهندگان چطور این فناوری را به کار می‌گیرند.

نوشته مایکروسافت قابلیت تشخیص احساسات را به پروژه آکسفورد اضافه کرد! اولین بار در -آی‌تی‌رسان پدیدار شد.

ابزار جدید مایکروسافت می تواند حدس بزند که در یک عکس ساده چه احساساتی دارید

ابزار جدید مایکروسافت می تواند حدس بزند که در یک عکس ساده چه احساساتی دارید

به تازگی شاهد وب ویدجت های بسیار جالبی از مایکروسافت هستیم که قادرند یک عکس را تجزیه و تحلیل کنند و اطلاعاتی در مورد افراد موجود در عکس ها بر اساس چهره آنها، بیان کنند. این اطلاعات شامل حدس زدن سن، جنس فرد، دو قلو بودن یا تک قول بودن، و اخیرا، امتیاز دهی به چهره و موها می باشد.

امروز، مایکروسافت، یک قابلیت جدید به API های چهره خود، اضافه کرده است و این بار به گونه ای طراحی شده که احساسات را واکاوی می کند. در واقع نرم افزار بر اساس چهره یک کاربر، احساسات او را در مبنای ۸ در مقیاس ۰ تا ۱ نمایش می دهد. مایکروسافت تعدادی نمودار های یوز کیس که در لغت به معنای موارد استفاده هستند، فراهم می کند، به صورت اختصاصی در صنعت مصرف کننده، مانند رتبه دهی به واکنش مردم به تبلیغات است. می توانید تست مختصری را که انجام شده است، در تصاویر زیر ببینید. همچنین می توانید آن را در اینجا بر روی عکس های خود امتحان کنید.

تست مختصر تست مختصر
این شناخت و پردازش الگوریتم های چهره، توسط تیم پروژه آکسفورد مایکروسافت با استفاده از یادگیری ماشین و هوش مصنوعی توسعه یافته است. از آنجا که بسیاری از توسعه دهندگان کوچک به این منابع دسترسی ندارند، این تیم در حال انتشار آن در یک مجموعه ابزار هستند که توسعه دهندگان را قادر به استفاده از این قابلیت در برنامه های خود را می کند.
این قابلیت ها در محدوده بررسی کننده اسپلینگ هوشمند است که در زبان عامیانه و رایج مانند استفاده از their, there, they’re، تست بر اساس ساختار جمله تشخیص داده می شود(منظور کلماتی است که ساختار تلفظی یا  یا اسپل آن ها شبیه به یکدیگر است ولی در گفتار فقط در جمله معنی آنها مشخص می شود). همچنین شامل پردازش نرم افزار Hyperlapse خود مایکروسافت برای ایجاد ثبات ویدئو و پیگیری حرکت نیز می باشد.
همچنین تعدادی از قابلیت تشخیص گفتار و پردازش اعم از شناسایی صدای یک فرد خاص برای استفاده در برنامه های امنیتی یا فیلتر کردن نویز پس زمینه در محیط های با صدای بلند نیز وجود دارد. این نرم افزار حتی قدرت تشخیص صدا برای افرادی که به زبان غیر مادری صحبت می کنند و افراد معلول را نیز دارد.

.

با عضویت در کانال رسمی تکرا در تلگرام از آخرین اخبار روز تکنولوژی مطلع باشید.

.

منبع: neowin


عصر تکنولوژی، تکرا

نوشته ابزار جدید مایکروسافت می تواند حدس بزند که در یک عکس ساده چه احساساتی دارید اولین بار در عصر تکنولوژی - Techera پدیدار شد.

روبات جدید و جالب تویوتا در طول رانندگی کنار شما می نشیند

روبات جدید و جالب تویوتا در طول رانندگی کنار شما می نشیند

تویوتا یک روبات جالب با هوش مصنوعی به نام کیروبو مینی تولید کرده است که هنگام رانندگی همنشین شما می نشیند.
این روبات کوچک که طول آن ۱۰ سانتی میتر است بخشی از ” پروژه ی قلب ” تویوتا محسوب می شود. به گفته تولید کنندگان خودرو این تصوری از آینده است که بشر و هوش مصنوعی کنار هم برای جهانی بهتر فعالیت می کنند.
شرکت تویوتا توضیح می دهد که کیروبو مینی به عنوان یک همنشین با سطح ارتباطاتی بالا می تواند احساسات شما را تشخیص دهد و با کلام و حرکات پاسخگوی آنها باشد، به علاوه اندازه ی آن تا حدی است که می تواند در جالیوانی ماشین قرار بگیرد.

این روبات کوچک و جالب در حال حاضر به عنوان یک روبات کوچک مشابه سیری معرفی شده است که امید است نسل بعدی اسمارت فون ها باشد.
اما کیروبو مینی فراتر از این می رود، قرار است تویوتا از تکنولوژی آن در اتومبیل های خود استفاده کند. این روبات در خودرو های تویوتا کاربری جالبی دارد، می تواند مکان هایی را برای بازدید به شما پیشنهاد کند یا اینکه بگوید چه مسیری را انتخاب کنید، و حتی می تواند حالت شما را تشخیص دهد و موسیقی مناسب آن را به شما پیشنهاد کند.
نا گفته نماند که این روباتها تنها برای مصاحبت شما در سفرهای کاری طراحی نشده اند. قرار است این روبات با مشاهده ی رفتار شما بیشتر راجع به انسان ها بیاموزد.
تویوتا معتقد است “در حالیکه مردم ۴.۳ سال از عمر خود را در اتومبیل خود میگذرانند ( که معادل ۳ بار سفر به ماه است) بنابراین بسیار ارزشمند خواهد بود اگر از تجارب احساسی و رفتاری خود در طول رانندگی آموزش دهند.
کمی ناخوشایند به نظر میرسد اما تویوتا امیدوار است که بتواند رانندگی را به یک “تجربه ی فیزیکی و احساسی قابل انتقال” تبدیل کند. شایان ذکر است کیروبو در زبان ژاپنی به معنی “امید” است.

.

منبع: techradar


عصر تکنولوژی، تکرا

نوشته روبات جدید و جالب تویوتا در طول رانندگی کنار شما می نشیند اولین بار در عصر تکنولوژی - Techera پدیدار شد.