Έχει γίνει ελάχιστη έως καθόλου έρευνα σχετικά με τρόπους βελτίωσης της οπτικής επεξεργασίας, αλλά έχει γίνει πολλή έρευνα σε άλλες προσπάθειες όπου οι άνθρωποι έχουν προσπαθήσει για την αριστεία, και ίσως κάποιες από αυτές μεταφέρονται εδώ; Μπορεί ακόμη και να παρέχει πληροφορίες σχετικά με το πώς και γιατί τα οπτικά εργαλεία τεχνητής νοημοσύνης μπορούν να βελτιώσουν την ανθρώπινη απόδοση.
Ένα μεμονωμένο άθλημα όπου έχει γίνει πολλή αυστηρή έρευνα είναι το ανταγωνιστικό τρέξιμο και μπορεί να χρησιμεύσει ως υποκατάστατο για τρόπους βελτίωσης της ανθρώπινης απόδοσης. Η απόδοση του τρεξίματος τείνει να εμφανίζεται σε δύο τομείς:
- Η μηχανική του σώματος γίνεται όλο και καλύτερη
- Ο εγκέφαλος του δρομέα γίνεται πιο ικανός να χειρίζεται τις απαιτήσεις και τα άγχη, ιδιαίτερα σε αγώνες μαραθωνίου τρεξίματος αποστάσεων: η πνευματική κόπωση παίζει τεράστιο ρόλο.
Μηχανική Σώματος
Εάν μόνο ένας προπονητής μπορούσε να κοιτάξει πώς τρέχετε, να σας πει να αλλάξετε τον βηματισμό σας με αυτόν τον τρόπο, τον ρυθμό σας με αυτόν τον τρόπο, να βάλετε τα πόδια σας ακριβώς έτσι και να φορέσετε αυτά τα παπούτσια, ακολουθήστε αυτήν τη φόρμουλα „Άκαμπτο“ και γίνεστε αμέσως γρήγοροι! Αυτή η άκαμπτη, τυπική προσέγγιση δεν λειτουργεί ποτέ: μεταξύ άλλων λόγων, ο δρομέας απαιτεί πολλές προσαρμογές επειδή δεν υπάρχουν δύο άτομα ίσα.
Το ίδιο ανακαλύφθηκε όταν οι επιστήμονες προσπάθησαν να δημιουργήσουν ρομπότ που θα μπορούσαν να τρέξουν. Οι πρώτες προσπάθειες καθοδηγήθηκαν από κανόνες «Άκαμπτους» που καθοδήγησαν στο ρομπότ ακριβώς τον «τέλειο» τρόπο να τρέξει, και αυτό το είδος λειτούργησε: για έναν τύπο επιφάνειας. Αλλά προσθέστε έναν λόφο ή μια κατάβαση ή βροχή και το ρομπότ απέτυχε, ανεξάρτητα από το πόσο γρήγοροι ήταν οι υπολογιστές του.
Αποδεικνύεται ότι το „Loose“ είναι πολύ καλύτερο από το „Rigid“. Αφήστε το σώμα ενός δρομέα να καθορίσει ποιος είναι ο πιο αποτελεσματικός τρόπος να τρέξει μια δεδομένη στιγμή σε ένα δεδομένο μέρος. Ή, στην περίπτωση του ρομπότ, δώστε του μερικούς απλούς κανόνες και τη δυνατότητα να κάνει προσαρμογές. Αυτό που βρήκαν οι επιστήμονες ήταν ότι ο δρομέας έτρεχε πιο γρήγορα και το ρομπότ δεν μπορούσε να αντιμετωπίσει ανηφόρες και κατηφορικές πλαγιές, ανώμαλες επιφάνειες και άλλες προκλήσεις. Οι επιστήμονες και στις δύο περιοχές διαπίστωσαν ότι οι χαλαρά ελεγχόμενες κινήσεις επιτρέπουν τη βελτίωση, ενώ οι άκαμπτα ελεγχόμενες κινήσεις όχι.
Πώς μετατρέπονται οι δρομείς από άκαμπτοι, αδέξιοι, αργοί και χαμηλής αντοχής σε χάρη και ρευστότητα και αποτελεσματικότητα και ταχύτητα και την ικανότητα να διατηρούνται σε έναν μαραθώνιο; Επανάληψη. Οι δρομείς πρέπει να βγαίνουν εκεί έξω και να τρέχουν μίλι με το μίλι, βδομάδα με τη βδομάδα, και υποσυνείδητα αφήνουν το σώμα τους να κάνει μικρές προσαρμογές για να είναι πιο αποτελεσματικοί, όπως οι μπασκετμπολίστες πρέπει να κάνουν σουτ μετά από τη γραμμή των ελεύθερων βολών για να γίνουν ικανοί, όπως Οι ελίτ αθλητές σε οποιοδήποτε άθλημα πρέπει να χρησιμοποιούν την επανάληψη για να γίνουν πραγματικά καλοί σε ό,τι απαιτεί το άθλημά τους. Με τον καιρό και με το σωστό είδος εξάσκησης φτάνουν εκεί που εκτελούν τα βασικά από το υποσυνείδητό τους και δεν χρειάζεται να σκέφτονται σκληρά όλη την ώρα.
Τι σχέση έχει αυτό με το DAM; Σκεφτείτε τις αναζητήσεις μεταδεδομένων που αναγκαστήκαμε να χρησιμοποιήσουμε τα τελευταία 30 χρόνια: είναι „Άκαμπτες“. Είτε γνωρίζετε τις μαγικές λέξεις που πρέπει να βάλετε στο ερώτημά σας, είτε χάνετε. Και αν τα οπτικά αντικείμενα που αναζητάτε έχουν λίγα ή καθόλου μεταδεδομένα, σίγουρα θα χάσετε.
Μια προσέγγιση AI στην οπτική αναζήτηση είναι „Χαλαρή“! Η μηχανή οπτικής μας αναζήτησης NOMAD εκπαιδεύεται από πολλά εκατομμύρια κειμένου και οπτικούς συνδυασμούς που έχουν γίνει από εκατομμύρια ανθρώπους από όλο τον κόσμο. Δεν υπάρχει περιορισμός στη χρήση των σωστών λέξεων. Επειδή ορισμένοι από τους συσχετισμούς μεταξύ του ερώτησής σας και της επιστρεφόμενης εικόνας ή βίντεο έχουν «μαθηθεί» από τόσους πολλούς διαφορετικούς ανθρώπους σε όλο τον κόσμο, μπορεί να υπάρξουν αποτελέσματα που δεν περιμένατε, που θα μπορούσαν να διευρύνουν τους ορίζοντές σας με ευεργετικούς τρόπους και να σας επιτρέψουν να το πείτε η οπτική σας ιστορία ακόμα καλύτερη από ποτέ. Αυτό είναι δυνατό μόνο επειδή η εκπαίδευση AI του NOMAD σας έχει μεταφέρει από το „Rigid“ στο „Loose“.
Ομοίως, το θέμα της επανάληψης μπαίνει στο παιχνίδι στο AI. Όλοι έχετε ακούσει τον όρο „Big Data“, ο οποίος βασικά καταλήγει σε αυτό: εάν έχετε ένα τεράστιο σύνολο δεδομένων για να εκπαιδεύσετε επανειλημμένα τον κινητήρα σας AI, θα τα πάει καλύτερα. Εάν μπορείτε να το τροφοδοτείτε περιοδικά με νεότερα, πιο πρόσφατα δεδομένα, θα «μάθει» ακόμη περισσότερα και θα κάνει όλο και πιο καλή δουλειά στην κατανόηση των οπτικών σας αντικειμένων. Όσο πιο ποικίλες πηγές μπορείτε να χρησιμοποιήσετε για να «εκπαιδεύσετε» το μοντέλο σας, τόσο πιο στιβαρό και ενημερωμένο θα είναι και τόσο μεγαλύτερη ευελιξία θα έχει. Και ευελιξία σημαίνει «Χαλαρή»!
Το μυαλό σου
Στον επίλεκτο στίβο αθλητών, η έννοια του «ήσυχου εγκεφάλου» είναι ζωτικής σημασίας. Κανείς δεν μπορεί να εκτελέσει δύσκολες εργασίες αν ένα μέρος του εγκεφάλου σου σου φωνάζει «Σταμάτα! Γιατί το δοκιμάζεις αυτό!». Και οι θορυβώδεις εγκέφαλοι οδηγούν σε κούραση: πώς νιώσατε στο τέλος μιας μεγάλης, δύσκολης και προκλητικής ημέρας στη δουλειά, λύνοντας πολλά προβλήματα; Θα μπορούσατε να κερδίσετε έναν μαραθώνιο (ή να κάνετε μια εξαιρετική δημιουργική δουλειά) νιώθοντας έτσι;
Από την άλλη πλευρά, ακούμε τους ελίτ του αθλητισμού να μιλάνε για «είναι στη ζώνη» και «ροή» όπου επιτυγχάνουν θεαματικές επιδόσεις αλλά έχουν επίγνωση της ουσιαστικά μηδενικής συνειδητής προσπάθειας. Θυμηθείτε ότι μιλήσαμε νωρίτερα για το πώς η επαναλαμβανόμενη προπόνηση (με το σωστό μυαλό) οδηγεί στο υποσυνείδητο να διαχειρίζεται την εργασία (σκέφτεστε συνειδητά κάθε μέρος κάθε βήματος που κάνετε ή απλώς σκέφτεστε „Περπατήστε στο δωμάτιο“ και συμβαίνει ?). Όπως το έθεσε ένας ειδικός:
«Η πραγματική ουσία του επιδέξιου τρεξίματος δεν είναι η σωστή κίνηση των άκρων, αλλά ένας ήσυχος εγκέφαλος».
Και πάλι, πώς ισχύει αυτό για την οπτική επεξεργασία; Εάν ξοδεύετε τη μέρα σας προσπαθώντας συνεχώς να „εκμεταλλευτείτε τη μηχανή DAM“ περιοριζόμενοι σε μια αναζήτηση μόνο μεταδεδομένων και συνεχίζετε να προσπαθείτε να βρείτε τις σωστές λέξεις για να βρείτε αυτό που θέλετε, πόση από τη διανοητική σας ικανότητα απομένει να τότε επιλέξτε δημιουργικά ακριβώς το σωστό οπτικό αντικείμενο για να πείτε την ιστορία σας;
Γιατί να μην αφήσετε την παγκόσμια σοφία που παίρνετε από τα Μεγάλα Δεδομένα να σας βοηθήσει; Δεν θα έπρεπε το τμήμα αναζήτησης να είναι εύκολο και τότε θα έχετε πολλή ενέργεια για τις δημιουργικές δραστηριότητες της επιλογής του σωστού αντικειμένου και της βέλτιστης χρήσης του στην ιστοσελίδα ή το έγγραφό σας; Και εδώ, η μετατόπιση του φόρτου εργασίας από την αναζήτηση χρησιμοποιώντας ένα εργαλείο τεχνητής νοημοσύνης όπως το NOMAD και, κατά συνέπεια, καθιστώντας το „Χαλαρό και εύκολο“ σας αφήνει περισσότερο νοητικό εύρος ζώνης για να επιλέξετε το τέλειο αντικείμενο και να το χρησιμοποιήσετε άψογα. Αυτή δεν είναι η αποστολή σας, έναντι της μάχης με τη μηχανή DAM;
Πού θέλετε να ξοδέψετε το νοητικό εύρος ζώνης σας; Να παλεύεις και να παλεύεις να βρεις πράγματα ή δημιουργικά;
Ας ελπίσουμε ότι αυτό υποδηλώνει πώς, για να βελτιστοποιήσετε την ανθρώπινη συμπεριφορά στην οπτική επεξεργασία, η τεχνητή νοημοσύνη όπως το NOMAD είναι ο φίλος σας και όχι ο εχθρός σας.
- Αναφορά: „80/20 Running“ του Ματ Φιτζέραλντ
