Category Archive for '影片'

Posted By Mr. Thursday 在今年9月6日,GeoEye-1衛星發射,這部衛星除了美國地理資訊局 (National Geospatial-Intelligence Agency) 要使用以外,Google是另一位商用客戶,在這個需要美金五億元的衛星裡面也付出不少金錢。這個衛星主要能夠讓Google可以在地圖或地球服務上,有更清晰的影像。不過為了國防安全,商業使用者Google得到的影像解析度還是會稍微低一些,詳細報導請參考這一則新聞。下面則是10月初傳回來的第一張影像,是美國賓州 (Pennsylvania) 一所大學的校園。 GeoEye-1  回傳的第一張影像 下面也在網路上搜尋了一些影片讓各位瞧瞧,分別是GeoEye-1發射的影片,以及GeoEye公司參觀的影片。

Read Full Post »

Posted By Mr. Thursday 在量子力學 (Quantum Mechanics) 裡面,有個定理叫做「測不準定理」,又稱為「不確定性原理」,英文是 Uncertainty Principle。這個定理是在講些什麼呢?是否是說,我們如果要測量一個東西的長度,拿一把尺,測量的時候因為刻度不夠細會有誤差呢?No No No。那麼是否因為物體會動,尺不會動,所以測不準呢?這樣子只有一部分正確。如果要用很簡單的白話文來說明測不準原理,應該就是:(下面有更正修改過) 物體有兩個性質,分別是「位置」和「動量」。 把物體位置的不確定性變小,動量的不確定性就會變大。 物體位置的不確定性變大,動量的不確定性就會變小。 不確定性越大,測量者就無法準確測量。 譬如說我要測量一本書的長度,如果我把書本固定在桌面上,我就知道測量的尺要往哪邊擺,但是書本在桌面這個小範圍就會移動的非常快速或非常緩慢(動量變化的範圍,也就是動量變化的不確定性增加),導致我雖然知道書本就在桌面這個範圍裡面,測量的尺卻無法捕捉書本移動的速度。 相反地,如果不限制書本的範圍在一個桌面上面,可以在任何地方,那麼書本的「動量不確定性」(動量可能分部的範圍) 就會變小,動量變化就是質量 (mass) 乘以速度變化 (velocity change) ,這個時候測量的尺如果要追上書移動的速度比較容易,但是卻茫茫然不知道書的「位置」在哪邊了,因為這個時候我們沒有限制書本位置變化範圍在桌面的小範圍內。 因此,「測不準原理」就是敘述物體「位置」和「動量」之間的互補效果 (trade-off) :位置越確定,動量就越不確定;位置範圍越不確定,動量就越確定。MMDays之前曾經介紹過MIT一位物理教授 Walter Lewin 教學如同表演。MIT開放式課程裡面有這位教授的上課內容錄影,其中量子力學介紹這一堂課就有介紹到測不準原理。各位不妨參考一下裡面介紹的內容。

Read Full Post »

Posted By Mr. Thursday MIT Technology Review報導了Plastic Logic推出的可彎曲電子閱讀器,裡面也稍微介紹了多分子的面板和E-Ink的技術組合成這種可以彎曲的電子閱讀器。也許有一天,材料技術可以進步到發明一種電子閱讀器,像紙做的報紙一樣揉成一團都沒問題呢! 報導裡面也提到了目前市面上已經有的電子閱讀器,有些也是可以延展的,就先在 Youtube 上面找一些 DEMO 影片給各為先睹為快! 首先是 Plastic Logic 在 DEMO 上面發表的可彎曲電子閱讀器:   影片1 Plastic Logic閱讀器

Read Full Post »

Posted By Mr. Thursday Amazon等書籍網站,會把使用者購買書本的資料,或是使用者的意見,經由機器分析之後,歸納出一些規則,推薦其他使用者新的書本。然而除了使用者直接提供意見的方法,用機器直接分析書本的內容,尤其是書本的寫作風格,把相同風格的書籍找出來推薦給使用者,也是另外一種內容分析的推薦方法。BookLamp就是使用這種推薦方式的系統。 影片1 BookLamp簡介

Read Full Post »

Posted By Mr. Thursday 今天上網尋找東西或資訊,無論是用Google還是Yahoo,我們用的都是關鍵字 (keyword) 搜尋。關鍵字搜尋對一些專有名詞的資訊搜尋效果不錯,然而有時候我們只知道比較廣泛的概念,想要找比較詳細的資訊卻不知道該下什麼關鍵字,或著是同義字很多,像是 Apple是指水果的蘋果,還是蘋果電腦?或是我們想用自然語言的問句,來界定我們關鍵字的上下文意義,避免找到有這個關鍵字,應用情境 (context) 卻不是想要尋找的情況。「語意搜尋引擎」想要達成的目標就是如此,當少數關鍵字的意思並不明確,無法清楚定義出情境 (context) 或是排除同義字,或是想從廣泛的概念搜尋比較詳細特定的概念,就可以運用語意搜尋引擎來找找。 目前有哪些搜尋引擎呢?針對 Wikipedia 內容來做語意搜尋的搜尋引擎有 Powerset 和 Cognition,Cognition除了包含Wikipedia的內容外,也針對法律 (legal) 內容和醫學 (medicine) 內容做搜尋。Hakia 則是針對整個網路的內容做語意搜尋。除此之外,最近也有 Evri 這個語意搜尋引擎,使用類似資料庫裡面 entity-relationship (ER) 的瀏覽方式,讓使用者可以根據事情之間意義上的關係,從一個網頁連到另外一個網頁,讓超連結 (hyperlink) 不是只有關鍵字的連結,而是經由事物的屬性意義的連結。下面就讓我們先看一下這些搜尋引擎的 DEMO 吧! 影片1 Powerset demo

Read Full Post »

Posted By Mr. Thursday 在之前有寫了一些神經科學相關的文章,有些是偏向認知心理的,有些是偏向細胞分子的,或是偏向視覺處理的。神經科學的研究,我本身的是以人工智慧作為出發點,往神經科學研究方向進行。至於為什麼要在人工智慧以外加上神經科學呢?這兩者似乎有一點距離?原來資訊工程的技術是否已經足夠了呢? 這邊我提出幾點研究的動機。首先,目前的機器學習的方式,和人類學習的方式比較起來,有個最大的不同,就是我們人類可能從上課或是閱讀當中自我學習,或是由外在環境給予的經驗來學習。機器同樣也是接收外界的刺激,調整自己的反應來學習,然而機器學習過程當中,有時候會需要滿多人類的介入,譬如說調整參數、調整模型或演算法等等。如果用類比的方式來說,目前機器學習的方式如果用到人上面,就像是把人的腦蓋打開,調整裡面的神經連結,關起來以後再讓人腦跑跑看有沒有學習到。其實這種方式學習也沒有什麼不好,因為機器的目標,其實是服務人類,學習的東西有學到,怎樣子學習到就不那麼重要了。 那麼機器目前學習的情況如何呢?其實目前的電腦和機器算是滿先進的,加上運算速度快,純粹數字計算的能力就比人類心算能力還快,許多應用服務也讓人類生活改善不少。然而有些比較難處理的問題,像是需要人類智能才能完成的問題,譬如說翻譯、圖形辨識、影像辨識、語音辨識、語意了解等等,這些都算是人工智慧 (Artifitial Intelligence 人工智能) 所需要解決的問題,這些問題的解決,沒有隨著硬體速度的增加而解決,因此軟體上面的進步,就是關鍵了!目前對於這些難以解決的方式,有兩種解法:(1) 運用大量的訓練資料,譬如說Google翻譯,使用大量的訓練資料,或是PDA的手寫辨識,大量的訓練資料都讓正確率大大提升。(2) 運用人工運算 (Human Computing) 結合Web2.0的方式,提供人性化的介面,讓每個人在趣味中貢獻微小的人類智力,解決一些大量資料也無法解決的東西,譬如說reCAPTCHA、語意辨識、圖形的ROI (region of interest) 等等。

Read Full Post »

iphone立體貓

Posted By Mr. Thursday David OReilly運用 anamorphosis 的技術 (古代把物體畫成變形的圖案,透過特殊鏡片或角度才能看到原貌的繪圖技術),將他原本的動畫呈現在iphone上面,但是會因為觀看角度的關係,讓人以為這隻小貓是立體的,而且還可以透過觸控螢幕來移動動畫的觀賞角度呢!實在是非常神奇的創作!   iHologram – iPhone application from David OReilly on Vimeo. 資料來源 (The Next Web) See that little creature? It’s a iPhone holographic illusion

Read Full Post »

頁次 4 of 2412345678910...20...最後一頁 »