प्रगति की सेवा में एक दर्जन सेंसर और एक दादी

शुभ दोपहर, हब्र!

आज मैं आपको राजधानी वाशिंगटन में अगस्त के अंत में आयोजित ICDAR और CBDAR सम्मेलनों के बारे में बताऊंगा । अधिक सटीक रूप से, यह एक पूरे के रूप में सम्मेलनों के बारे में नहीं है - वहां का विज्ञान काफी विशिष्ट है, यह व्यर्थ नहीं था कि एबीबीवाई कर्मचारियों के अलावा एक या दो बार वहां रूसी बोलने वाले प्रतिभागी थे, और उन्हें भुगतान किया गया था। यहां हम काई कुन्ज नामक एक उत्साही वैज्ञानिक के मार्गदर्शन में टीम के काम के बारे में बात करेंगे।

काई की रुचि का क्षेत्र पूरी तरह से सम्मेलन के विषय के अनुरूप नहीं है, लेकिन इसके साथ निकटता से जुड़ा हुआ है। काई ने अपनी सीबीडीआर कीनोट वार्ता में अपने घटनाक्रम के बारे में विस्तार से बात की। और काई वह कर रहा है जो कंप्यूटर को यह समझने के लिए सिखाता है कि उपयोगकर्ता क्या कर रहा है। चूंकि सम्मेलन के अधिकांश प्रतिभागी (स्वयं सहित) हार्डवेयर में खराब हैं, इसलिए इस विषय को रिपोर्ट में ठीक से शामिल नहीं किया गया था, इसलिए लोहे के बारे में कोई कहानी नहीं है।
इसके अलावा, मैं इस वैज्ञानिक (जहां तक ​​मैं उसे समझने में सक्षम था) के दृष्टिकोण को आगे बढ़ाऊंगा, बिना इस बात का उल्लेख किए कि अक्सर यहां के फैसले मेरे नहीं, काई कुन्ज के हैं।

प्रौद्योगिकी विकास के वर्तमान चरण में, काम के लिए अड़चन उपयोगकर्ता का ध्यान है। जिन उपकरणों को खुद पर विशेष ध्यान देने की आवश्यकता नहीं है, वे उपयोग करने के लिए अधिक सुविधाजनक हैं। इस प्रकार, कंप्यूटर सक्रिय होना चाहिए। यह कैसा दिखना चाहिए? एक छोटे से उदाहरण पर एक नजर डालते हैं।

मान लीजिए आप एक ऐसे उपकरण की मरम्मत कर रहे हैं जो इतना जटिल है कि आपको अक्सर निर्देशों का परामर्श करना पड़ता है। यह सुविधाजनक होगा यदि कोई व्यक्ति आपके लिए आवश्यक पृष्ठ खोल देता है, जो इस बात पर निर्भर करता है कि आप अभी क्या कर रहे हैं। यह हासिल करना आसान है अगर यह व्यक्ति समझता है कि आप क्या कर रहे हैं और आपकी कठिनाइयां क्या हैं। इस तरह की समझ हासिल करने के लिए, एक गतिविधि पहचान प्रणाली बनाई जा रही है।

सिस्टम विभिन्न प्रकार के सेंसर से इनपुट जानकारी प्राप्त करता है जो किसी व्यक्ति पर लटकाए जाते हैं - गायरोस्कोप, माइक्रोफोन, कम्पास, अल्ट्रासोनिक और जड़त्वीय सेंसर, आदि। लेखक इस बात का खुलासा नहीं करते हैं कि सिस्टम कैसे प्रशिक्षित है, लेकिन मुझे लगता है कि इस क्षण में कुछ भी सफलता नहीं है: सबसे अधिक संभावना है, छिपे हुए मार्कोव मॉडल का उपयोग किया जाता है, जो निरंतर प्रक्रियाओं को पहचानने के लिए मानक बन गए हैं। प्रणाली पहले से ही अच्छी तरह से प्रशिक्षित है और विभिन्न प्रकार की गतिविधियों को पहचानती है (रिपोर्ट के दौरान, काई ने ईमानदारी से स्वीकार किया कि सिस्टम अब एक विशिष्ट उपयोगकर्ता के लिए ट्यून किया गया है, क्योंकि एक ही कार्य करने वाले विभिन्न लोगों के संकेत बहुत भिन्न होते हैं)। प्रत्येक प्रकार की गतिविधि को सेंसर के अपने सेट की आवश्यकता होती है। लेकिन अभी भी कई समस्याएं हैं।

क्या आप सोच सकते हैं कि सुबह में आपकी दादी खुद पर एक दर्जन सेंसर लटकाएगी, और गतिविधियों को बदलने पर उन्हें बदल देगी? ठीक है, सिवाय अगर आप काई कुन्ज हैं, जिन्हें आपकी दादी ने अनुसंधान में मदद की थी। इसलिए, वास्तविक काम के लिए, आपको सेंसर से डेटा को स्वचालित रूप से जांचने की आवश्यकता है कि यह निर्धारित करने के लिए कि सेंसर किस अंग पर है, और फिर इससे प्राप्त डेटा का मूल्यांकन करें। वास्तव में, आज लोग पहले से ही अपने फोन पर सेंसर लगाते हैं, और एक ही स्मार्टफोन में जाइरोस्कोप और एक माइक्रोफोन है, काई के अनुसार, वे पहले से ही अपने उद्देश्यों के लिए काफी संवेदनशील हैं। GoogleGlasses के प्रसार के साथ, कार्य पूरी तरह से वास्तविक होगा।

यह लोगों के लिए उपलब्ध सेंसर से डेटाबेस के एक सेट को सक्रिय करने वाला है, और, जैसा कि काई खुद भविष्यवाणी करता है, 2015 और 2020 के बीच, मान्यता सटीकता 95% से अधिक होगी - और यह स्मार्टफोन वाले सामान्य लोगों के लिए है, और छात्रों के लिए सेंसर के साथ लटका नहीं है।

अब वापस सम्मेलनों के विषय पर। काई और उनके सहयोगियों ने दो घटनाक्रम प्रस्तुत किए। पहला मस्तिष्क के इलेक्ट्रोएन्सेफलोग्राम द्वारा यह पता लगाने का प्रयास है कि एक व्यक्ति क्या पढ़ रहा है - एक वैज्ञानिक लेख, समाचार या मंगा (कासा ओसाका विश्वविद्यालय में काम करता है)। इसके अलावा, इस प्रयोग में, प्रणाली को एक विषय पर प्रशिक्षित किया गया, और दूसरे पर परीक्षण किया गया। परिणाम अभी भी नकारात्मक है: वास्तव में व्यक्ति क्या पढ़ रहा है इसका पता नहीं लगाया जा सकता है - सिस्टम यादृच्छिक उत्तर देता है। लेकिन यह वीडियो और चित्रों को देखने से पढ़ने को अलग करने के लिए बहुत अच्छी तरह से बदल गया - हालांकि बहुत अधिक प्रयोग (प्रत्येक कार्य के तीन गुना) नहीं थे, इसलिए सकारात्मक परिणाम के बारे में गंभीरता से बात करना जल्दबाजी होगी।

समूह का दूसरा विकास, जिसके बारे में उन्होंने सम्मेलन में बात की थी, यह एक नज़र रखने की प्रणाली है कि उपयोगकर्ता दस्तावेज़ पर क्या पढ़ रहा है। इस प्रणाली के लिए दो रिपोर्ट समर्पित की गई हैं। विचार सरल है - उपयोगकर्ता द्वारा किसी दस्तावेज़ का अध्ययन करते समय दिशा देखने के लिए एक छोटा कैमरा - इससे कोई फर्क नहीं पड़ता, कागज या कंप्यूटर पर। इस तरह के लिए अंक इस तरह दिखते हैं:

प्रत्येक प्रयोग से पहले, सिस्टम को कैलिब्रेट किया जाता है, जिससे उपयोगकर्ता दस्तावेज़ के केंद्र में और चार कोणों पर क्रमिक रूप से देख सकता है। होनहार विकृतियों को दूर करने के लिए, दस्तावेज़ को अब तक डेटाबेस से चुना जाता है, जहां इसे एक अविभाजित रूप में संग्रहीत किया जाता है।

आधार, स्पष्ट रूप से, बहुत बड़ा नहीं था, लेकिन इसके दस्तावेजों को काफी भरोसेमंद रूप से मान्यता दी गई थी। सिस्टम ने कई अनुरोध किए (प्रत्येक में लगभग 40 मिलीसेकंड लगे) और लगभग हमेशा सही ढंग से मान्यता प्राप्त थी कि उपयोगकर्ता कौन से दस्तावेज़ पढ़ रहा था।

यह कई अलग-अलग उद्देश्यों के लिए आवश्यक हो सकता है। उदाहरण के लिए, आप "इस जगह पर पढ़े जाने वाले उपयोगकर्ताओं के केवल 10%" श्रृंखला के आंकड़े रख सकते हैं। रिपोर्ट में यह कैसे किया गया था। मान लें कि अभी - उपयोगकर्ता अनुबंध को पढ़ने को नियंत्रित करने के विचार को आवाज नहीं दी गई थी :) स्पीकर ने अपने पढ़ने के लॉग को दिखाया, जहां यह दिखाई दे रहा था कि कैसे वह एक अगोचर संक्षिप्त नाम को पूरा करते हुए अगले पृष्ठ पर दिखता है। इस प्रणाली के विकास के लिए, टकटकी को ट्रैक करने वाले कैमरे के अलावा, एक विशेष पारभासी आभासी वास्तविकता हेलमेट (हेड-माउंटेड डिस्प्ले, एचएमडी) को इस विषय पर रखा गया था, जिसे टकटकी का उपयोग करके नियंत्रित किया जा सकता था (उपयोगकर्ता द्वारा दो सेकंड से अधिक समय तक इसे देखा गया तो बटन दबाया गया था) )। यह उपयोगकर्ता की ओर से ऐसा दिखता था:



रिपोर्ट में इस उपकरण के परीक्षण के बारे में बात की गई थी। प्रयोग कुछ इस तरह था - उपयोगकर्ता को पाठ (डेटाबेस से) पढ़ने की अनुमति थी, जिसमें "अब मॉनिटर को देखो" लाइन शामिल थी। लेख में 100% याद करने की सूचना दी गई (हमेशा जब उपयोगकर्ता ने स्क्रीन पर देखा, तो सिस्टम को यह समझ में आया) और 44% परिशुद्धता (आधे से अधिक मामलों में जब सिस्टम को लगा कि उपयोगकर्ता स्क्रीन को देख रहा था, तो वह गलत था)।

यह स्पष्ट है कि अभी तक यह केवल एक वैज्ञानिक विकास है और क्या इससे कुछ "विकसित" होगा, यह कहना मुश्किल है। लेकिन काई कुन्ज अब केवल वह व्यक्ति है जो अपने माउस पॉइंटर से देख सकता है और इस समीक्षा का मूल्यांकन करते हुए प्लस चिन्ह पर क्लिक कर सकता है।

बड़े भाड़े के व्याख्यान के स्लाइड यहां देखे जा सकते हैं ।

दिमित्री डेरागिन
प्रौद्योगिकी विकास विभाग