Поиск по тегу: случаев

Как и любой другой смартфон, iPhone боится падений. В 99 случаев из 100 страдает передняя стеклянная панель. Сегодня же стало известно, что Apple запатентовала систему смещения центра тяжести, которая призвана защитить экран и камеру iPhone во время падения.

Бюро по регистрации патентов и торговых марок США зарегистрировало патент на «Защитный механизм электронного устройства», который призван защитить iPhone во время случайного падения. Изобретение Apple не только вычисляет, на какую именно точку придется удар, но и смещает центр тяжести, чтобы переориентировать аппарат в пространстве, и от удара не пострадали такие чувствительные компоненты, как стеклянная панель и камера.

В тексте патента сказано, что в основе этой системы лежит массив датчиков, замеряющих положение устройства в пространстве. Информация от датчиков передается в центральный процессор, который, в свою очередь определяет, находится устройство в состоянии падения или нет. Если ответ утвердительный, то в ход вступает моторчик, который изменяет центр тяжести, благодаря чему аппарат приземляется так, что чувствительные компоненты остаются невредимыми.

Примечательно, что данный защитный механизм был изобретен еще в 2011 году Николасом В. Кингом и Флэтчером Роткопфом, однако в силу моды на тонкие смартфоны, он до сих пор не был применен.

Если вас, читатель, попросить сравнить на двух разных снимках лицо одного человека, то в 97,53% случаев вы не ошибётесь. А вот новое ПО, разработанное в исследовательских лабораториях небезызвестной сети Facebook, то же самое задание выполняет с точностью в 97,25%! Причём независимо от освещения и расположения лица. Иначе говоря, сфотографированный может даже не смотреть в камеру.

Это серьёзное достижение для программ-«распознавателей», а ещё демонстрация успешности нового подхода к искусственному интеллекту (ИИ), которым сеть Facebook и её конкуренты увлеклись в прошлом году. Называется всё это «Глубокое обучение» (Deep Learning). Говоря коротко, это программное обеспечение, использующее сети моделируемых нейронов для того, чтобы научиться распознавать шаблоны в больших объёмах данных.