janv.
17 Pebble 2 Commentaire
Bonnes nouvelles pour les personnes ayant des poignets potelés - il y a maintenant une gamme de plus grandes sangles Apple Watch proposées par le géant de Cupertino.
Bonnes nouvelles pour les gens avec des portefeuilles non potelés - il y a une campagne Kickstarter sur le point de lancer qui propose des sangles en acier inoxydable pour la montre Apple à un prix beaucoup plus raisonnable.
Commençons par le premier et, non seulement Apple offre un kit d'extension de lien pour l'édition en acier inoxydable - un supplément de 40mm de 6 liens supplémentaires - il y a aussi maintenant un pack L / XL pour le modèle Sports, pour les poignets de 160-245mm .
Le kit de bracelet de lien de 42mm , pour lui donner son surnom officiel, coûte $ 49 cependant - ajoutant plus d'argent sur ce qui était déjà un achat déjà cher.
Ainsi, HyperLink et sa bande de 49 $ - fabriqués à partir du même alliage d'acier inoxydable 316L utilisé sur les sangles Apple officielles, nous dit-on. Le bracelet officiel Apple Link coûte, franchement ridicule, 449 $ et HyperLink prétend que cela ne coûte que 2 $ à faire. Aie.
Disponible en trois modèles différents: 42mm Silver, 42mm Space Black et 38mm Silver, le bracelet HyperLink aura un prix public conseillé de 99 $, le prix le plus bas est le spécial Kickstarter early bird.
Commençons par le but ultime de nombreux informaticiens et experts dans ce domaine: l'intelligence artificielle, c'est-à-dire les ordinateurs capables d'effectuer des tâches qui requièrent des niveaux d'intelligence humaine.
L'apprentissage automatique est plus accessible - et plus immédiatement utile - que cela. Il se concentre sur la capacité de l'IA à apprendre, c'est-à-dire à enseigner aux ordinateurs à faire des prédictions basées sur des exemples ou des données d'entraînement. Cela ne signifie pas simplement programmer des ordinateurs pour effectuer des tâches selon des données statiques ou personnalisées qui ne grandissent jamais ou «apprennent» mais qui entraînent le système à générer des algorithmes pour traiter et analyser n'importe quel ensemble de données. Un exemple fondamental est la classification. Peu importe le type de données que vous alimentez, ce type d'algorithme le classera de manière pertinente - images, peintures, courriels, traductions, fréquences cardiaques.
Cela ne fonctionne que lorsqu'il y a des relations et des solutions et des réponses dans les données qu'un humain pourrait trouver manuellement. Ainsi, l'apprentissage automatique pourrait déterminer avec le temps si la quantité que vous avez mangée affecte votre rythme lors de la course (plus sur cela plus tard), mais pas si le cadran de votre écran d'accueil smartwatch affecte votre performance. Une partie de l'apprentissage automatique est la reconnaissance de formes et il n'y a pas de modèle là-bas.
Il existe différents types d'apprentissage automatique: supervisé, non supervisé, l'IA forte (qui est l'objectif ultime mentionné plus haut) et les réseaux de neurones.
Vous avez peut-être entendu parler des réseaux de neurones à partir de leur utilisation dans la reconnaissance de la parole et de l'image. Ces réseaux artificiels imitent le réseau neuronal biologique du cerveau, mais comme toujours, il s'agit toujours de données et de relations.
Les neurones artificiels interconnectés envoient des données les uns aux autres et le réseau donne à chaque connexion entre les neurones un poids qui peut être transformé lorsque le réseau apprend de nouvelles relations au cours du temps. Cela signifie que le réseau peut s'adapter à un grand nombre d'entrées et activer les sorties correctes, c'est-à-dire des informations significatives.
Les réseaux de neurones peuvent être utilisés dans la reconnaissance de formes et de séquences, la détection de nouveauté et la prise de décision séquentielle. La bonne nouvelle est que nous n'attendons pas que l'IA forte corresponde à l'intelligence humaine - les appareils mobiles, portables et Internet des objets peuvent tous bénéficier de l'apprentissage automatique dans sa forme actuelle.
Google est en train de devenir l'entreprise qui craque l'IA - elle a acheté DeepMind, une société d'intelligence artificielle visant à «résoudre l'intelligence» en 2014, et dispose déjà de 37 commandes vocales conversationnelles sur Android et sur Android.
Mais c'est Google Now, autrement connu sous le nom d'application de tueur d'Android Wear, qui est le plus excitant pour l'avenir de la technologie portable et des maisons intelligentes. À l'occasion de l'édition d'E / S de cette année, Google a annoncé qu'Android M, qui devrait sortir cet automne, bénéficiera d'une nouvelle fonctionnalité nommée Now on Tap.
Comme toujours, tout est question de contexte: établir des relations entre toutes les données que Google a sur vous. Et la mise à jour rend les fonctionnalités existantes de Google Now limitées en comparaison. À l'heure actuelle, Android Wear peut vous montrer une carte vous indiquant que le vol de vos parents est arrivé en toute sécurité, car il vous a transmis les détails de votre compte Gmail. Sans vous le demander ou même vous souvenir.
Maintenant que l'API Now est ouverte aux développeurs et que plus de 100 applications ont déjà été exploitées par Google, nous pourrons bientôt appuyer et maintenir le bouton d'accueil Android dans n'importe quelle application pour voir les suggestions contextuelles de ce que nous voulons faire .
L'exemple que Google utilise est celui d'un message envoyé par un ami vous suggérant de voir un film. Maintenant, vous trouverez la bande-annonce YouTube, des critiques IMDb, des sites d'achat de billets et des critiques de bars et restaurants à proximité. La voix n'est pas en reste, car cela implique également de poser des questions à Google sur les informations à l'écran dans des applications tierces telles que Spotify, par exemple: "Comment s'appelle le chanteur de ce groupe?"
Il s'appuie sur l'indexation des applications de Google - l'ouverture du contenu des applications tierces à la recherche Google pour augmenter son ensemble de données - et des liens profonds, permettant aux utilisateurs de naviguer directement vers une activité ou une page spécifique dans une application. Comme Search autofill, Now on Tap essaie de nous donner ce dont nous avons besoin avant de le demander.
La précision des algorithmes de Google pour prédire ce que nous voulons voir reste à voir. Mais ces algorithmes contextuels seront basés sur notre localisation, notre calendrier, l'historique des recherches, les messages, les emails, les activités et les informations de toutes nos applications tierces. Nous dirions que c'est une bonne chance.
Pendant des années, des entreprises comme Google et Microsoft ont été accusées de copier Apple en construisant des magasins d'applications rivaux et en se concentrant sur l'esthétique de l'interface utilisateur. Maintenant, Apple joue rattraper son retard. Lors de la WWDC de cette année, Apple a détaillé les nouvelles fonctionnalités de son système d'exploitation mobile, dont iOS 9 Search, basé sur ses extensions d'applications, et Suggestions pour son assistant vocal Siri et son outil de recherche Spotlight. Semble familier?
Comme les efforts d'indexation des applications de Google, Apple encourage les développeurs à rendre leurs applications consultables afin que les utilisateurs puissent surfer sur des applications en utilisant des liens profonds pour accéder directement à la fonction, l'activité ou le contenu qu'ils recherchent. Le plan d'Apple est de lier l'apprentissage machine à la recherche d'applications pour rendre les résultats de plus en plus pertinents au fil du temps. Cupertino donne la priorité à l'IA sur l'interface utilisateur, car elle continue à parcourir l' Apple Watch avec son écran miniature, ses contrôles limités et sa confiance en la voix.
Siri devient également plus intelligent plus tard cette année - l'assistant vocal d'Apple sera en mesure de faire des suggestions proactives, telles que vous dire le temps qu'il faut pour se rendre à un rendez-vous et tirer des activités pertinentes en fonction de votre emplacement.
Notre manque d'amour pour le design industriel du Microsoft Band est bien connu. Mais Microsoft est coincé dans la course pour faire fonctionner l'apprentissage automatique des wearables de fitness avec son moteur de recherche.
À l'époque où le groupe et Microsoft Health ont été annoncés en 2014, Microsoft a testé les fonctionnalités futures telles que les algorithmes pour savoir si le fait de prendre son petit-déjeuner accélère son fonctionnement ou si le nombre de réunions (synchronisées avec Office) cette nuit de sommeil.
Il a également révélé que les utilisateurs de la bande seraient bientôt en mesure de lier les informations de localisation et de courrier électronique aux données de fitness capturées par les capteurs portables - par exemple, pour analyser comment votre performance physique est affectée par votre horaire de travail.
Zulfi Alam, directeur des dispositifs personnels, a déclaré dans un blog : «Une fois que les algorithmes auront suffisamment de connaissances sur vous et votre biométrie dans un état stable, ils reconnaîtront les tendances et les opportunités pour améliorer votre santé et votre forme physique. Santé, Microsoft Band et nos produits dans les années à venir. "
Eh bien, la première mise à jour utilisant Intelligence Engine a déjà atterri. En avril dernier, Microsoft a annoncé que son tableau de bord Microsoft Health Web peut désormais analyser le jour et l'heure de la journée les plus efficaces pour permettre à un utilisateur de s'exercer à planifier des routines d'entraînement hebdomadaires.
Ce n'est pas non plus la santé non plus. Microsoft prévoit de rendre son propre assistant vocal, Cortana, plus dynamique et plus intelligent pour lutter contre ce qu'il appelle "ML pourri" - les algorithmes d'apprentissage automatique deviennent progressivement moins utiles et nécessitent une nouvelle formation avec des données récentes par des experts.
Les réseaux de neurones profonds fonctionnent bien pour accéder et contextualiser les connaissances établies sur le Web, par exemple, mais pas aussi bien pour les nouvelles de dernière heure concernant des protagonistes moins connus. Cortana doit donc évoluer vers une méthode qui apprend en permanence, et non rafraîchie selon les saisons.
Mis à part les plus grandes entreprises technologiques du monde, est-ce que quelqu'un d'autre a les ressources et le talent pour faire fonctionner l'apprentissage automatique pour les wearables? En bref, oui.
Atlas Wearables combine une bande de fitness et une plate-forme d'analyse automatique qui prétend non seulement créer des cartes vectorielles 3D de votre entraînement, mais aussi le mesurer contre ce qu'il appelle des «empreintes digitales» pour déterminer si vous faites des pompes ou des biceps. nouvelles activités par la répétition.
Atlas veut utiliser l'apprentissage automatique pour créer des idées sur la façon dont vous êtes assis, debout ou en train de vous entraîner pour déterminer l'humeur, les niveaux d'énergie et le contexte du mouvement capturé par le portable. Le système a été financé par crowdfunding avec succès sur Indiegogo et est disponible en pré-commande maintenant.
Stonecrysus est une autre société de fitness qui utilise des algorithmes pour personnaliser les plans de fitness. Elle fait un tracker de fitness pour iOS et Android ainsi que des balances intelligentes Weightless. Il vise à combiner la surveillance de l'activité et le suivi graphique des aliments avec des algorithmes d'apprentissage automatique pour déterminer exactement comment un jogging de 20 minutes ou une barre de chocolat affecte votre forme physique, votre métabolisme et votre poids.
En d'autres termes, ses statistiques, prédictions et idées sont basées à la fois sur vous-même et sur votre état physique le jour où vous mangez ou faites de l'exercice, et non une moyenne basée sur l'âge et le poids. Toutes les courses ne sont pas égales. Le Stonecrysus pour Android est maintenant disponible avec l'appareil compatible iOS en précommande pour 129,99 $ .
voir plus montre imitation et Replique Patek Philippe