Új emberi — AI interakciók. Hogyan változtatja meg a mesterséges intelligencia a készülékek működtetésének módját? | AI az üzletben #22

Hogyan működnek az intelligens felhasználói felületek (IUI) az AI interakciók esetén?

Az intelligens felhasználói felületek (IUI) olyan interfészek, amelyek AI interakciós technikákat használnak az emberi élmény fokozására a készülékekkel. Az IUI-k például képesek felismerni a felhasználó beszédét vagy gesztusait, alkalmazkodni a preferenciákhoz a korábbi AI interakciók elemzése alapján, vagy segíteni a feladatok elvégzésében. Valójában a cél egy intuitív és természetes mód létrehozása az elektronikus eszközökkel való kommunikációra, vagyis a természetes felhasználói felület (NUI). Bár egy ilyen interfész működtetése is tanulást igényel, ez alapvetően megkönnyíti a folyamatot, azt az érzést keltve, hogy minden természetesen zajlik, és maga az interfész láthatatlan.

Ma a tapintható interfészek a legszélesebb körben alkalmazottak, míg a hangalapú interfészek a legfejlettebbek. Ígéretes jövőbeli fejlesztések közé tartozik a gesztusok felismerése a VR és AR területén, okoseszközök és agy-gép interfészek.

Az IUI alkalmazások példái közé tartoznak az intelligens hangasszisztensek, mint például a Siri vagy az Alexa, amelyek megértik a hangon feltett kérdéseket, és válaszokat adnak vagy végrehajtják a parancsokat. Más példák közé tartoznak azok az IUI-k, amelyek érzékelőket használnak a testmozgás, gesztusok vagy a tekintet nyomon követésére a készülékek vezérléséhez. Ezek a következőkkel rendelkeznek:

• Természetes nyelvfeldolgozás (NLP) a beszéd megértésére és létrehozására,
• Képalkotás (számítógépes látás) a vizuális anyagok értelmezésére,
• Gépi tanulás (ML) a minták felismerésére és a felhasználói viselkedés előrejelzésére.

A gépi tanulást többek között az agyhullámok értelmezésére is alkalmazhatod, amelyeket okos fejhallgatók rögzítenek. Ezt a megoldást a Neurable fejlesztette ki, hogy munkára szánt fejhallgatókat hozzon létre, amelyek észlelik a fókusz pillanatait, és lehetővé teszik az optimális idő és a koncentrációt segítő körülmények pontos meghatározását. Ráadásul a koncentráció idején a Neurable fejhallgatói automatikusan némítják a bejövő hívásokat, és lehetővé teszik, hogy a gondolataiddal átugorj a következő dalra, amit hallgatsz.

Forrás: Neurable (https://neurable.com/headphones)

Üzleti alkalmazások érintőképernyős interfészekkel

Az érintőképernyős interfészek rendkívül népszerűek sokoldalúságuk miatt. Ezért az üzlet gyorsan túllépett a okostelefonok és háztartási készülékek kijelzőinek világán. Egyre gyakoribbak a jegy- vagy snack automatákban, zárakban és repülőtéri kapuknál.

Érintés, húzás, húzás, hosszú nyomás – ezek csak néhány olyan gesztus, amelyek dominálnak digitális élményünkben. Ezekkel gépelhetünk a képernyőn megjelenő billentyűzeten, nyomógombokat nyomhatunk, és navigálhatunk egy vagy több ujj, vagy akár az egész kéz mozgásával.

Az AI használatával az érintőképernyős eszközök egyre inkább alapértelmezetté váltak, kiegészítve az eszköz által nem megfelelően észlelt mozdulatokat. Az érintőképernyős interfész adatait kombinálják a kamerával észlelt gesztusokkal, javítva a felhasználói élmény folyamatosságát, és észrevétlenül fokozva az eszközök használatának örömét és biztonságát.

Háromdimenziós gesztusok, virtuális valóság és kiterjesztett valóság AI interakciókkal

A gesztusok felismerésének köszönhetően egyre inkább csak mozgással működünk érintés nélküli AI interakciók során ajtókkal, mosdókagylókkal vagy autós képernyőkkel. Az autóipar is széles körben alkalmazza ezt. A BMW például nemrégiben bemutatott egy gesztusvezérlő funkciót érintés nélküli kijelzővel, amely lehetővé teszi az autó hangerő, hívások és egyéb funkciók kezelését.

Érdemes megemlíteni a közterületeken elérhető érintés nélküli eszközök működtetésére szolgáló szoftvereket is. A piacon található:

• TouchFree – programozás, amely lehetővé teszi a cégek számára, hogy frissítsék a meglévő Windows-alapú kioszkokat és érintőképernyőket érintés nélküli gesztusvezérlésre,
• Banuba – egy megoldás a térbeli gesztusvezérléshez, például egy termék kiválasztása az ujj mutatásával vagy a bevásárlókosárba való hozzáadás a hüvelykujj felfelé mutató gesztusával, amely különösen hasznos lesz az AR technológiákkal rendelkező boltokban, ahol például virtuális ruhákat próbálhatsz fel,


Forrás: Banuba (https://www.banuba.com/solutions/touchless-user-interface)

Valójában az AI interakciók kulcsszerepet játszanak a gesztusvezérlésben a virtuális valóságban (VR) és a kiterjesztett valóságban (AR). Az AI itt a testhelyzet felismerésére és a felhasználók mozgásainak és gesztusainak értelmezésére szolgál, lehetővé téve számukra, hogy természetesen interakcióba lépjenek virtuális tárgyakkal és környezetekkel a kezükkel vagy vezérlőikkel. Példa erre az Oculus Quest 2, VR szemüveg, amely kamerákkal van felszerelve, amelyek nyomon követik a kézmozgásokat, hogy intuitívan irányítsák a virtuális világban lévő tárgyakat. A VR és AR üzleti alkalmazásai a következőkre vonatkoznak:

• képzés és szimulációk, ahol a gesztusvezérlés lehetővé teszi a természetesebb és intuitívabb AI interakciót,
• 3D modellek manipulálása tervezési és mérnöki munkák során, beleértve a csapatot, amely nem egyetlen fizikai térben található,
• vásárlás és e-kereskedelmi bemutatók – a cégek AR-t használnak interaktív vásárlási élmények létrehozására, ahol a vásárlók gesztusokkal böngészhetik a termékeket és információkat.

Az AI interakciók gesztusvezérlésének legújabb példái közé tartozik az Apple Vision Pro. Ez egy térbeli számítástechnikai eszköz, amelynek nincs hardveres vezérlési mechanizmusa. Ehelyett a Vision Pro a szemmozgásra és a kéz gesztusaira támaszkodik, lehetővé téve a felhasználók számára, hogy manipulálják a virtuális térben lévő tárgyakat.

Forrás: Apple (https://www.apple.com/newsroom/2023/06/introducing-apple-vision-pro/)

Az Apple Vision Pro olyan gesztusokat tartalmaz, mint a koppintás, dupla koppintás, csípés és húzás, valamint kétkezes gesztusok, mint a nagyítás és forgatás. Ezek a gesztusok különböző műveletekre vonatkoznak, például tárgyak kiválasztására és manipulálására, görgetésre, ablakok mozgatására és méretük beállítására.

Hangvezérlésű eszközök és szoftverek – hogyan használjuk őket az üzletben?

A mesterséges intelligencia növekvő szerepe azt jelenti, hogy egyre több eszköz és alkalmazás is alkalmazza a hangalapú felhasználói interfészeket (VUI). Ezek olyan technológiákat használnak, amelyek beszédből szöveget (STT) és szövegből beszédet (TTS) készítenek.

A hangvezérlés már nagyon széles körben alkalmazott az üzletben a következőkre:

• Ügyfélszolgálat – az ügyfél beszélhet intelligens termék- és marketing hangbotokkal, mint például az Inteliwise (Efecte),
• dokumentumok létrehozása – például a Google Docs Hangírás funkciójával, amely lehetővé teszi a felhasználók számára, hogy közvetlenül diktáljanak szöveget egy dokumentumba,
• nemzetközi találkozók lebonyolítása – a hangfelület lehetővé teszi a beszéd valós idejű fordítását automatikus fordítóval, a Google Fordító használatával a Google Meet beszélgetések során, vagy egy dedikált eszköz, mint például a Verbum.ai használatával.

Forrás: Verbum.ai (https://verbum.ai/).

Sokan a gépkocsi szoftverének hangvezérlését is használják, például navigációs cél beállítására, és okoseszközök vezérlésére az irodai világítás szabályozásához.

Az AI interakciók jövője, vagy agy-gép interfész

A legideálisabb mód az AI interakciókhoz a készülékekkel természetes lenne, vagyis teljesen láthatatlan a felhasználó számára. És ez nem puszta fantázia. Már léteznek agy-gép interfész prototípusok, amelyek elképzelhetetlen sebességgel működnek, hasonlóan az elektronikus telepátiához.

A legfejlettebb munka az agy-számítógép interfészen, vagy agy-számítógép interfészen (BCI) a Neuralink által zajlik. Ez egy olyan cég, amely egy “The Link” nevű interfészt fejleszt, amely már klinikai tesztelés alatt áll.

Forrás: Neuralink (https://neuralink.com/)

A Link egy érme méretű chip, amelyet sebészeti úton ültetnek be a koponya alá, ahol vékony vezetékekkel, úgynevezett neuronális szálakkal kapcsolódik, amelyek a agy különböző részeire nyúlnak.

A neuronális szálak olyan elektródákat tartalmaznak, amelyek képesek rögzíteni és stimulálni az agyi aktivitást, lehetővé téve a neuronális jelek dekódolását és kódolását, valamint információk küldését és fogadását egy számítógéphez vagy mobil eszközhöz.

A Linket egy neurosürgősségi robot ülteti be, majd lehetővé teszi egy alkalmazás vezérlését, amely lehetővé teszi a felhasználó számára, hogy a gondolataival manipulálja a billentyűzetet és az egeret.

Az ilyen előremutató megoldások azonban annyi reményt ébresztenek, mint aggodalmat. Egyrészt egyszerűen gondolhatunk: “Azt akarom, hogy egy jegyzetet posztoljak a közösségi médiában egy céges eseményről, a találkozó megnyitásakor készült CEO portréfotóval.” Másrészt – hogyan biztosítjuk, hogy a kapcsolat ne hallgassa le a magán gondolatainkat?

Ha tetszik a tartalmunk, csatlakozz a szorgos méheink közösségéhez a Facebookon, Twitteren, LinkedInen, Instagramon, YouTube-on, Pinteresten.