Iklan
Bayangkan jika lemari es Anda bisa menembak Anda pesan teks yang memberi tahu Anda bahwa Anda kehabisan susu, atau bahwa Anda perlu menyimpan saus Tabasco. Tampaknya jauh diambil? Microsoft telah bekerja sama dengan divisi alat Liebherr untuk membangun perangkat kulkas Cortana yang melakukan hal itu.
Kedua perusahaan sedang mengerjakan versi terbaru dari SmartDeviceBox. Anda dapat mengintegrasikannya ke dalam kulkas atau freezer Liebherr apa pun, menghubungkannya ke Internet. Ini akan mencakup kamera yang secara cerdas akan mengidentifikasi konten, dan memberi tahu pengguna ketika makanan tertentu hampir habis.
Microsoft menjaga ibu tentang berapa biaya ini. Mereka mengatakan bahwa perangkat ini hanya sebuah prototipe, meskipun yang menunjukkan banyak janji. Namun, Microsoft mengatakan bahwa itu akan bersifat modular, dapat diperbaiki, dan dapat ditingkatkan.
Microsoft telah mengkonfirmasi keberadaan modul suara, yang akan memungkinkan pengguna untuk menambahkan bahan makanan ke daftar belanja berbasis smartphone hanya dengan berbicara.
Didukung oleh Deep Learning dan Jaringan Syaraf Tiruan
Microsoft bukan perusahaan pertama yang memasuki ruang kulkas pintar. Ini memang bidang khusus, tapi sudah ada selama hampir 16 tahun. Itu dimulai kembali ketika LG meluncurkan kulkas Internet pertama - Internet Internet Digital DIOS. Sejumlah perusahaan adalah saat ini berjuang untuk dominasi 3 Kulkas Cerdas Terbaik yang Dapat Anda Beli SekarangSaat ini ada satu set model kulkas pintar baru, karena produsen berupaya memberikan daya tarik baru pada produk generasi berikutnya. Ada beberapa produk hebat di pasaran. Baca lebih banyak , termasuk Electrolux, LG, Whirlpool, dan Samsung.
Beberapa perangkat yang paling menarik berasal dari Samsung. Di awal tahun, itu mengumumkan kulkas Samsung Family Hub yang berbasis di Tizen. Harga $ 5.000 bukan satu-satunya hal yang besar tentang hal itu; itu bungkus a Layar sentuh 1080p 21,5 inci, Integrasi Amazon Alexa, dan tiga kamera terintegrasi yang memungkinkan pengguna untuk melihat konten dari aplikasi pendamping.
Tetapi ada sesuatu yang sangat menarik tentang upaya kulkas Cortana dari Redmond ini.
Cara Kerja SmartDeviceBox
Sementara Samsung Family Hub Refrigerator mengharuskan Anda memeriksa secara manual berapa banyak barang yang Anda dapatkan di lemari es, Microsoft SmartDeviceBox melakukan ini untuk Anda. Hal ini dilakukan melalui teknologi pengenalan objek yang didukung pembelajaran mendalam, yang memungkinkannya mengidentifikasi setiap item individual.
Teknologi pembelajaran mendalam Microsoft tergantung pada jaringan saraf tiruan. Ini adalah program komputer yang terinspirasi oleh proses biologis otak manusia, dan yang paling penting, dapat belajar dan meningkat dengan pengalaman.
Ini kedengarannya seperti fiksi ilmiah, tetapi YouTube sudah menggunakannya untuk mengidentifikasi konten video YouTube Akan Menggunakan Jaringan Saraf Tiruan untuk Memahami VideoMencari di YouTube bisa membuat frustrasi, karena YouTube tidak melihat video seperti yang dilakukan seseorang. Baru-baru ini, Google mengajukan paten yang dapat mengubahnya. Baca lebih banyak , dan bahkan untuk buat karya seni Buat "Neural Paintings" Anda Sendiri dengan DeepStyle & UbuntuTahukah Anda jaringan saraf juga bisa melukis? Para peneliti telah melatih jaringan saraf besar untuk mengubah foto menjadi "lukisan saraf" yang terlihat seolah-olah dilukis oleh seniman terkenal. Baca lebih banyak .
Pengembang membangun jaringan saraf tiruan dalam serangkaian lapisan. Teorinya adalah bahwa lebih banyak lapisan akan menghasilkan hasil yang lebih baik; dalam hal ini, itu akan mengarah pada pengenalan barang yang lebih akurat. Tapi ada masalah dengan ini. Saat Anda menambahkan lebih banyak lapisan, ada semacam "degradasi sinyal" dan data hilang.
Ini seperti ketika Anda membangun jaringan komputer yang rumit menggunakan router dan switch yang sangat murah. Saat sebuah paket melewati setiap hop, ada kemungkinan ia akan jatuh.
Manajer riset Microsoft Jian Sun mengatakan bahwa:
“... para peneliti bersemangat ketika mereka berhasil melatih sistem 'jaringan saraf dalam' dengan delapan lapisan tiga tahun yang lalu, dan senang ketika 'jaringan saraf yang sangat dalam' dengan 20 hingga 30 lapisan memberikan hasil terakhir tahun."
Tetapi dengan sedikit trial and error, Microsoft menemukan sesuatu yang disebutnya "deep residual networks". Ini adalah jaringan saraf tiruan yang memiliki jumlah lapisan yang belum pernah terjadi sebelumnya. Untuk Microsoft kontes ImageNet, yang merupakan kompetisi untuk program terbaik yang dapat mengidentifikasi objek fisik, miliki sebuah 152 lapisan kolosal.
Jaringan Buatan Perlu Bekerja
Tetapi agar jaringan saraf tiruan bermanfaat, pengguna perlu melatihnya. Saat mengembangkan perangkat kulkas SmartDeviceBox Cortana, Microsoft menunjukkan programnya jutaan gambar generik bahan makanan - karton susu, botol saus tomat, botol acar, dan sebagainya. Ketika sesuatu ditempatkan di lemari es yang dilengkapi dengan perangkat kulkas Cortana, program akan mencoba mengidentifikasi dari apa yang telah dilihat sebelumnya.
Keakuratan jaringan saraf tiruan akan menjadi lebih baik karena semakin banyak orang menggunakannya. Menurut Allison Linn dari Microsoft:
“Satu keuntungan utama dari jaringan saraf adalah mereka menjadi lebih baik di satu tugas ketika mereka diberikan tugas lain. Sebagai contoh, dengan Skype Translator Skype Translator Menawarkan Interpretasi Langsung hingga 50 Bahasa - Pratinjau Gratis Sekarang Terbuka untuk SemuaSemua orang ingin berbicara bahasa asing, tetapi hanya sedikit yang bisa belajar satu bahasa. Skype Translator dapat membantu Anda menafsirkan hingga 50 bahasa tertulis, termasuk Klingon dan Bahasa Spanyol yang diucapkan. Inilah cara menggunakannya. Baca lebih banyak , jaringan saraf yang dirancang untuk menerjemahkan dari Bahasa Inggris ke Bahasa Jerman menjadi lebih baik dalam menerjemahkan Bahasa Jerman begitu telah dilatih untuk tugas tambahan menerjemahkan Bahasa Mandarin. "
Kita akan melihat jaringan saraf tiruan dalam belajar ini digunakan dalam lebih banyak konteks dan aplikasi. Teknologi ini sudah ditemukan di sejumlah produk, termasuk Visi Komputer Layanan Kognitif Microsoft, yang dapat melihat gambar dan menjelaskannya. Jadi, jika Anda menunjukkan kepada mereka foto Anda di pantai, itu harus dapat memberikan kategori, menentukan apakah itu gambar dewasa, dan bahkan menentukan jenis kelamin dan usia Anda.
Mungkin yang paling menarik, Microsoft telah menggunakan algoritma pembelajaran mendalam sebagai bagian dari algoritma tersebut Toolkit Jaringan Komputasi (CNTK), artinya pengembang pihak ketiga akan dapat mengintegrasikannya ke dalam program mereka.
The Smart Fridge Menjadi The Prime-Time
Bukan hal yang aneh untuk mendengar orang menyebut lemari es pintar dengan cara yang mengolok-olok. Mungkin bisa dibenarkan. Banyak yang melihatnya sebagai contoh komputerisasi yang berlebihan dan tidak perlu Tweeting Lemari Es dan Pemasak Beras Web Controlled: 9 dari Peralatan Rumah Pintar StupidestAda banyak perangkat rumah pintar yang layak untuk waktu dan uang Anda. tetapi ada juga jenis yang tidak boleh melihat cahaya hari. Inilah 9 yang terburuk. Baca lebih banyak peralatan rumah tangga biasa. Siapa yang jujur ingin memeriksa kalender mereka, atau menonton film dari lemari es mereka? Siapa yang ingin melakukan belanja bahan makanan mingguan sambil berdiri di sebelah kromium berputar 200 pon?
Tapi sebenarnya saya bisa melihat inti dari perangkat kulkas Cortana ini. Daripada fokus melakukan hal-hal, SmartDeviceBox dari Microsoft mengakui pentingnya data, dan bagaimana hal itu dapat memberdayakan pengguna. Ia ingin memberitahumu hal-hal.
Ini masih awal, dan masih sangat banyak prototipe, tetapi mengingat sifat konsumen teknologi menjadi usang setelah beberapa tahun, saya senang bahwa SmartDeviceBox dapat diupgrade dan modular. Saya senang bahwa itu hanya sebuah kotak yang cocok dengan lemari es biasa, bukan bagian integral dari satu.
Bagaimana menurut anda? Apakah Anda akan mendapatkan satu ketika SmartDeviceBox akhirnya mencapai arus utama, atau apakah Anda masih sinis kulkas pintar bertekad? Beritahu saya di komentar di bawah.
Kredit Gambar: Ljupco Smokovski / Shutterstock
Matthew Hughes adalah pengembang dan penulis perangkat lunak dari Liverpool, Inggris. Dia jarang ditemukan tanpa secangkir kopi hitam pekat di tangannya dan sangat menyukai Macbook Pro dan kameranya. Anda dapat membaca blognya di http://www.matthewhughes.co.uk dan ikuti dia di twitter di @matthewhughes.