Jump to content

Норман Старший

Members
  • Content Count

    12
  • Joined

  • Last visited

Community Reputation

0 Neutral

Recent Profile Visitors

The recent visitors block is disabled and is not being shown to other users.

  1. Роботизация больше не слово из будущего. Сегодняшний робот – уже не сияющий герой из фантастических фильмов, а услужливый помощник, который принесет в гостиничный номер ваш багаж, доставит заказанный в ресторане ужин и решит многие другие важные вопросы. В Японии, США и Сингапуре, например, гостиницы с сотрудниками-роботами существуют уже несколько лет. Можно выделить следующие варианты их применения. Робот-ресепшионист. Регистрирует новых постояльцев, отвечает на их типовые вопросы. Первый роботизированный отель Henn-na появился в японском городе Сасебо еще в 2015 году, а теперь это уже целая сеть, несколько таких гостиниц работают в Токио. Робот-посыльный. Разносит по номерам различные мелочи, которые постояльцы заказывают у консьерж, доставит почту. В США многие отели используют роботов-посыльных Relay компании Savoike. Робот-консьерж. Проинформирует об услугах отеля и особенностях его окрестностей. Может работать с индивидуальными хранилищами ценных вещей постояльцев. Один такой робот – Neo – есть, например, в отеле Hilton McLean в Вирджинии, США. Робот-уборщик. Пропылесосит, вымоет стекла и кафельный пол, почистит бассейн, подстрижет газоны. Можно запрограммировать на удаление мусора и грязного белья из тележек. Робот-помощник на кухне. Ассистивная система для автоматизации тех или иных операций, например приготовления салатов, блюд из яиц, варки лапши. Японские рестораторы используют их для заворачивания суши. Первые такие аппараты предложила компания Suzumo: они выдают по 300 роллов в час. Робот-бармен. Наливает, смешивает напитки. На круизных лайнерах Royal Caribbean такие устройства работают с 30 видами алкоголя и 28 безалкогольными напитками. Робот для украшения интерьера. Например, в японских Henn-na Hotels используются аквариумы с роборыбками. Сегодня мировым лидером по производству роботов выступает Китай. Однако российские проекты тоже пользуются популярностью на западных рынках благодаря их демократичной цене и более удобному для европейцев софту (хотя 95% их внутренностей зарубежные). Среди наиболее заметных отечественных брендов – Rbot (может быть официантом), Кики (робот с женскими чертами, умеет выражать эмоции), а робот Пушкин и вовсе не имеет аналогов в мире: с выражением декламирует стихи знаменитого пращура и обладает богатойй мимикой. Но самым известным в России стал пермский Promobot. Среди прочего он способен выполнять функции администратора отеля: запоминает лица, сканирует и заполняет документы, принимает оплату, выдает карты доступа, провожает постояльцев до номера, общается с ними, отвечает на вопросы. Первый из них появился в парк-отеле Доброграда (Владимирская область) в конце 2019 года. Экзотический администратор быстро стал звездой «Инстаграма». А вот в Казани вскоре откроется первая в России полностью роботизированная гостиница KRAVT INNOPOLIS – ее строительство завершится в 2021 году. Проект финансирует компания Kravt Invest, а ее IT-подразделение Kravt Robotics станет первым российским интегратором, внедряющим роботизированные технологии в сфере HoReCa (разработки выполнены совместно с датской компанией Universal Robots). Kravt Robotics производит сервисных роботов Krabot, а их обучением занимается робот-инженер: он селится в гостиницу и занимается оцифровкой всего (это похоже на работу машинок Google Street View). Первый smart-отель планируется оборудовать технологиями на базе искусственного интеллекта: они будут анализировать предпочтения постояльцев с учетом более чем 300 параметров, в том числе сведений о прошлых визитах, и распознавать эмоции гостя по голосу, фото и даже видео. А также считывать его настроение по внешнему виду и одновременно оценивать степень удовлетворенности. На основе этих данных ИИ будет ситуативно включать и выключать оборудование, регулировать температуру и свет, готовить чай или кофе, предлагать еду, а также услуги парикмахера, SPA и пр. Кроме того, в гостинице предполагается организовать автоматическую идентификацию постояльцев с последующим открытием для них дверей. Управлять оборудованием можно будет через колонку или приложение. Гости смогут прямо на мобильном устройстве просматривать подсказки: куда пройти, чтобы попасть на нужный этаж, найти нужный номер и даже заказать завтрак. Для поддержания безопасности планируется использовать роботов-полицейских. Гостиница будет управляться посредством собственной омниканальной внутренней системы. Взаимодействовать в отеле с кработом можно будет через обычное мобильное приложение: вызвать его в номер, запросить доставку багажа, еды, попросить убрать номер, заказать такси и оплатить поездку. Процесс выезда из отеля также управляется со смартфона, поэтому гостям нет необходимости стоять в очереди на ресепшен, а счет за услуги придет сразу на телефон. С помощью приложения персонал становится круглосуточно доступен: гости смогут обращаться с просьбами и пожеланиями как посредством текстовых сообщений, так и по видеосвязи. Доступность персонала по первому требованию – один из многих плюсов роботизации в гостиничном бизнесе. Так, часть бизнес-процессов здесь можно автоматизировать за счет оптимизации низкоквалифицированного труда. Высокая степень роботизации позволит нанимать минимальный штат и сократить издержки. В результате smart-отель будет доступен по цене более высокой «звездности» с соответствующим уровнем сервиса. Система управления отелем и маршрутизации потребностей постояльцев автоматизирует множество функций, и один робот заменит от двух до шести сотрудников, поскольку действует намного быстрее человека. Кроме того, роботы могут работать в режиме 24/7 и общаться на языке постояльцев. А еще роботы не болеют, но нуждаются в техобслуживании. Для этого появится новая профессия – технический оператор. С развитием роботизации спрос на таких специалистов будет только расти, так что повсеместная автоматизация – точно is the new black. А пандемия коронавируса – тот локомотив, который ускорит развитие отрасли в разы. Журнал: Журнал IT-Expert Валерий Кравцун
  2. Xiaomi выпустила смартфон Mi Mix Alpha с экраном, покрывающим корпус практически со всех сторон. Дисплей расположен одновременно и спереди, и сзади, и по бокам. Кроме того смартфон первым в мире заполучил камеру на 108 МП. Одновременно с ним состоялась презентация смартфона Mi 9 Pro 5G и новой серии телевизоров Mi Full Screen TV Pro.
  3. Иску́сственная нейро́нная се́ть (ИНС) — математическая модель, а также её программное или аппаратное воплощение, построенная по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма. Это понятие возникло при изучении процессов, протекающих в мозге, и при попытке смоделировать эти процессы. Первой такой попыткой были нейронные сети У. Маккалока и У. Питтса. После разработки алгоритмов обучения получаемые модели стали использовать в практических целях: в задачах прогнозирования, для распознавания образов, в задачах управления и др. Машинное обучение (англ. machine learning, ML) — класс методов искусственного интеллекта, характерной чертой которых является не прямое решение задачи, а обучение в процессе применения решений множества сходных задач. Для построения таких методов используются средства математической статистики, численных методов, методов оптимизации, теории вероятностей, теории графов, различные техники работы с данными в цифровой форме. Обширный подраздел искусственного интеллекта, изучающий методы построения алгоритмов, способных обучаться. Два типа обучения: Обучение по прецедентам, или индуктивное обучение, основано на выявлении эмпирических закономерностей в данных. Дедуктивное обучение предполагает формализацию знаний экспертов и их перенос в компьютер в виде базы знаний. Обучение на примерах (Обучение по прецедентам) (англ. Learning from Examples) — вид обучения, при котором интеллектуальной системе предъявляется набор положительных и отрицательных примеров, связанных с какой-либо заранее неизвестной закономерностью. В интеллектуальных системах вырабатываются решающие правила, с помощью которых происходит разделение множества примеров на положительные и отрицательные. Качество разделения, как правило, проверяется экзаменационной выборкой примеров. База знаний (БЗ; англ. knowledge base, KB) — база данных, содержащая правила вывода и информацию о человеческом опыте и знаниях в некоторой предметной области. В самообучающихся системах база знаний также содержит информацию, являющуюся результатом решения предыдущих задач. Основные стандартные типы задач: Обучение с учителем (supervised learning) — наиболее распространённый случай. Каждый прецедент представляет собой пару «объект, ответ». Требуется найти функциональную зависимость ответов от описаний объектов и построить , принимающий на входе описание объекта и выдающий на выходе ответ. Функционал качества обычно определяется как средняя ошибка ответов, выданных алгоритмом, по всем объектам выборки. Обучение без учителя (unsupervised learning). В этом случае ответы не задаются, и требуется искать зависимости между объектами. Частичное обучение (semi-supervised learning) занимает промежуточное положение между обучением с учителем и без учителя. Каждый прецедент представляет собой пару «объект, ответ», но ответы известны только на части прецедентов. Пример прикладной задачи — автоматическая рубрикация большого количества текстов при условии, что некоторые из них уже отнесены к каким-то рубрикам. Трансдуктивное обучение (transductive learning). Дана конечная обучающая выборка прецедентов. Требуется по этим частным данным сделать предсказания отностительно других частных данных — тестовой выборки. В отличие от стандартной постановки, здесь не требуется выявлять общую закономерность, поскольку известно, что новых тестовых прецедентов не будет. С другой стороны, появляется возможность улучшить качество предсказаний за счёт анализа всей тестовой выборки целиком, например, путём её кластеризации. Во многих приложениях трансдуктивное обучение практически не отличается от частичного обучения. Обучение с подкреплением (reinforcement learning). Роль объектов играют пары «ситуация, принятое решение», ответами являются значения функционала качества, характеризующего правильность принятых решений (реакцию среды). Как и в задачах прогнозирования, здесь существенную роль играет фактор времени. Примеры прикладных задач: формирование инвестиционных стратегий, автоматическое управление технологическими процессами, самообучение роботов, и т.д. Динамическое обучение (online learning) может быть как обучением с учителем, так и без учителя. Специфика в том, что прецеденты поступают потоком. Требуется немедленно принимать решение по каждому прецеденту и одновременно доучивать модель зависимости с учётом новых прецедентов. Как и в задачах прогнозирования, здесь существенную роль играет фактор времени. Активное обучение (active learning) отличается тем, что обучаемый имеет возможность самостоятельно назначать следующий прецедент, который станет известен. Метаобучение (meta-learning или learning-to-learn) отличается тем, что прецедентами являются ранее решённые задачи обучения. Требуется определить, какие из используемых в них эвристик работают более эффективно. Конечная цель — обеспечить постоянное автоматическое совершенствование алгоритма обучения с течением времени. Многозадачное обучение (multi-task learning). Набор взаимосвязанных или схожих задач обучения решается одновременно, с помощью различных алгоритмов обучения, имеющих схожее внутренне представление. Информация о сходстве задач между собой позволяет более эффективно совершенствовать алгоритм обучения и повышать качество решения основной задачи. Индуктивный перенос (inductive transfer). Опыт решения отдельных частных задач обучения по прецедентам переносится на решение последующих частных задач обучения. Для формализации и сохранения этого опыта применяются реляционные или иерархические структуры представления знаний. Иногда к метаобучению ошибочно относят построение алгоритмических композиций, в частности, бустинг; однако в композициях несколько алгоритмов решают одну и ту же задачу, тогда как метаобучение предполагает, что решается много разных задач.
  4. Мы стоим на пороге нового и неизведанного. Конечно же, завтра за окном, вряд ли начнут приземляться инопланетные корабли. Однако высокотехнологическая эра уже вступила в свои права, информируют Новости ИТ со ссылкой на infuture.ru. И это можно хорошо проследить, сравнив черно-белые пэйджеры 90-х с нынешними смартфонами, которые по мощности ни чем не хуже среднего компьютера. А прошло всего лишь двадцать лет. Что же стоит ожидать в ближайшем будущем? 1. Умное стекло Сегодня вокруг нас все становится умным. И самое неожиданное, что можно увидеть утром в ванной – это умное стекло. Оно будет небьющимся и сенсорным, сможет становиться непрозрачным в случае необходимости. Данная технология поможет полностью изменить облик жилья или рабочего кабинета. Каким образом? К примеру, можно повесить умное зеркало на стену и сделать из него окно, да еще вдобавок и с видеозаписью всего происходящего. Можно провести рукой по этому “чудо окну”, и оно моментально превращается в телевизор. Это невероятно, не так ли? 2. Домашние роботы Над головой во дворе пролетел дрон? Не стоит волноваться, это всего лишь начало целой эпохи роботов. И чем дальше, тем более разумными и дружелюбными они становятся. Благо, развитие робототехники не стоит на месте и совсем скоро мир увидит что-то невероятное. И не важно, будут ли это механические руки на месте бармена или что-то наподобие Asimo от Honda – оно будет интеллектуальным, удобным и крайне необходимым. Так что не стоит удивляться, если в придачу к телевизорам, компьютерам, стиральным машинам и микроволновкам по дому будет перемещать армия роботов, выполняя различную работу. 3. Высокоинтеллектуальный ИИ (искусственный интеллект) Настало то время, когда можно вполне серьезно говорить о виртуальном напарнике. Нет, это не Siri, которая вряд ли поймет высокоинтеллектуальный, глубокий юмор. Инженеры днями и ночами работают над целой разумной личностью, которая сможет полностью понимать эмоции, слова, мимику, и давать полноценный и точный ответ, вести себя почти как живой человек. Этот кибернетический напарник – не фантастическое будущее, а реальность ближайшего времени. Нынешние разработки в сфере ИИ позволяют уже программе понимать ваше настроение, видеть лицо и красочно описывать все, что находится вокруг. И это только начало. 4. Голограммы Потенциал данной технологии настолько велик, что может ограничиваться лишь человеческой фантазией. Даже загадочная магия из мифов и легенд была не способна на такое. Побывать на Марсе, построить в воздухе целый собственный мир, окунуться внутрь атмосферной видеоигры в качестве участника – это лишь малая часть того, что могут подарить миру голограммы. Дополненная физическая реальность цифровыми объектами – это то самое светлое, высокотехнологическое будущее, которое часто можно наблюдать в голливудских фильмах или фантастических романах. 5. Эволюционирование человека в биоробота Чем больше человечество впадает в зависимость от технологий, тем больше оно превращается в биороботов. Для многих это возможность расширить человеческие возможности, как в интеллектуальном плане, так и физическом. Усиленный скелет, глаза-видеокамеры, контроль техники силой разума и многое другое стирает границы между машиной и человеком. Кто знает, возможно, уже совсем скоро многим станет доступна возможность испытать чудеса бионики на себе. Источник:
  5. Slack сбрасывает пароли 1 % пользователей из-за утечки учётных данных, случившейся в 2015 году. Тогда злоумышленники не только похитили хеши паролей, но и внедрили на сайт Slack вредоносный код. Он собирал пароли в текстовом виде, в то время, когда их вводили пользователи. После расследования Slack сбросила часть паролей, добавила двухфакторную аутентификацию, и на том инцидент вроде бы был исчерпан. Но недавно через программу Bug Bounty компания получила целую пачку учётных данных, около 65 тысяч. Они оказались связаны с той же утечкой. Специалисты Slack говорят, что не обнаружили следов компрометации затронутых аккаунтов, но пароли на всякий случай сбросят. Это коснётся примерно 100 тысяч пользователей.
  6. Перевод статьи Harshita Arora В этой статье я поделюсь поэтапным процессом проектирования, которому я следую при работе над приложениями. Это должно помочь тем, кто хочет научиться или улучшить свои навыки цифрового дизайна. Я начала изучать графический дизайн, когда мне было 13 лет. Я научилась проектировать веб-сайты по онлайн-курсам и целыми днями игрался с Photoshop и Affinity Designer. Этот опыт научил меня мыслить, как дизайнер. Я занимаюсь проектированием и разработкой приложений уже почти год. Я приняла участие в программе Массачусетского технологического института, где я работала в команде по разработке приложения Universeaty. Два месяца назад я начала работать над новым приложением Crypto Price Tracker, которое вышло недавно, 28 января. В этой статье я поделюсь поэтапным процессом проектирования, которому я следую при работе над приложениями. Это должно помочь тем, кто хочет научиться или улучшить свои навыки цифрового дизайна. Дизайн – это не только то, как использовать программное обеспечение для проектирования, и эта статья не научит вас, как его использовать. Есть сотни качественных обучающих программ в Интернете. Дизайн также касается понимания сути вашего продукта, его функциональности, а также проектирования, не забывая о конечных пользователях. Вот чему вас научит эта статья. Процесс проектирования: Создайте юзерфлоу для каждого экрана. Создайте / нарисуйте прототипы. Выберите шаблоны дизайна и цветовые палитры. Создайте дизайн. Создайте анимированный прототип приложения и попросите людей проверить его и оставить отзыв. Сделайте финальную ретушь макетов, чтобы все финальные экраны были готовы к разработке. Давайте начнем! Юзерфлоу Первый шаг – выяснить, какие функции вы хотите видеть в своем приложении. После того, как у вас появились идеи, создайте юзерфлоу. Это блок-схема работы вашего приложения. Обычно юзерфлоу состоит из трех типов фигур. Прямоугольники используются для представления экранов. Ромбы используются для условий (например, нажатие кнопки входа в систему, свайп влево, увеличение). Стрелки соединяют экраны и условия вместе. Юзерфлоу очень полезны, потому что они дают хорошее логическое представление о том, как приложение будет функционировать. Вот диаграмма юзерфлоу, которую я нарисовала, когда начала работать над дизайном моего приложения. Блок-схема юзерфлоу для основного интерфейса. Прототипы После того, как вы завершили делать юзерфлоу для каждого экрана, вы начнете работать с протопипами всех экранов. Прототипы – это, по сути, низко детализированные наброски ваше приложение. По сути, эскиз или схема того, где будут располагаться изображения, ярлыки, кнопки и прочее. Грубый эскиз того, как ваше приложение будет работать. Я использую печатные шаблоны из UI Stencils для рисования каркасов. Это экономит время и дает хорошую рабочую область для рисования и заметок. Вот пример прототипа. Прототип интерфейса мобильного приложения После создания прототипов вы можете использовать приложение под названием Pop и сделать снимок всех своих рисунков с помощью приложения и получить кликабельный прототип, связав все экраны с помощью кнопок. Наброски дизайна и цветовые палитры Это моя любимая часть. Это похоже на разглядывание витрин. Множество паттернов дизайна и цветовых палитр на выбор. Я выберу те, которые мне нравятся, и буду экспериментировать с ними. Лучшие платформы для поиска паттернов – это Mobile Patterns и Pttrns. И чтобы найти хорошие цветовые палитры, посетите сайт Color Hunt. Дизайн Наконец вы переходите к использованию программного обеспечения для создания дизайна. Это похоже на то, что вы вошли в свое приложение в будущем, и сделали несколько скриншотов. Это должно выглядеть реалистично и в значительной степени похоже на реальную вещь. Существуют программные средства разработки и инструменты для создания дизайна. Я использую Affinity Designer. Наиболее часто используемым инструментом для дизайна iOS является Sketch. Вот пример некоторых ранних дизайнов моего приложения. Перенесение карандашного рисунка в пиксели! Я больше экспериментировала с различными цветовыми палитрами. Разные цветовые решения мобильного приложения Я поделилась первоначальными макетами с друзьями, чтобы получить их отзывы. Кажется, многим понравилась схема с золотым градиентом и черным. Будьте готовы получить отзывы и поэкспериментировать с новыми предложениями! Вы получите удивительные отзывы от своих пользователей, когда разговариваете с ними, а не когда лихорадочно просматриваете Dribbble или Behance. Поэтому я переработала макет и удалила фоновые графики, потому что их генерация была технически трудоемким процессом, и они снижали читабельность. Что в итоге вышло: Золотой градиент с черным на удивление хорошо выглядит! Я была довольна цветовой схемой, значками на панели вкладок и общей компоновкой. Я пошла дальше и разработала остальные экраны, следуя тем же принципам дизайна. Это был долгий, но безумно увлекательный процесс! Когда все мои экраны были готовы, я собрала прототип в Adobe XD и попросила нескольких друзей поэкспериментировать и дать свой отзыв. После последних штрихов именно так выглядит финальная версия моего дизайна. Финальная версия дизайна После того, как все экраны были завершены, я импортировала их в Xcode и начала разработку приложения. Вот и все! Я надеюсь, что эта статья поможет вам начать работу над дизайном приложения или поможет стать лучшим дизайнером. И если вам нравится мое приложение, вы можете скачать его здесь. Я заканчиваю статью одной из моих любимых цитат о дизайне «Дизайн – это не только, как предмет выглядит и ощущается. Дизайн – это то, как он работает» – Стив Джобс
×
×
  • Create New...

Important Information

By using this site, you agree to our Terms of Use.