Mi az az AR pontosan?
A kiterjesztett valóság vagy angolul augmented reality, röviden(AR) a valóság egyfajta virtuális (látszólagos) kibővítése, amikor például egy mobiltelefon kamerájával szétnézve a valós környezetbe virtuális elemeket vetítünk. A következő pólók az edukációs könyvek mellett tartalmaznak egy a pólóval azonos AR filtert is amit körbe sétálhatunk és fotózkodhatunk vele a világ bármely táján. A pólóba integrált NFC chip-ről olvasható Web App-on mind a könyvek és a 3D modellek is azonnal indíthatóak.
Mik azok az NFC-címkék?
Egy matricába vagy zsetonba rejtett chipről van szó, amely gyakorlatilag bárhova elhelyezhető. Az NFC egy olyan technológia, amely rendkívül gyors és biztonságos adatcserét tesz lehetővé 4 cm távolságon belül automatikusan. Az NFC-nek kevesebb, mint 100 ms elegendő az azonosításhoz és kapacitásuk 800 byte körül van, ami bőven elegendő weboldalak, linkek és egyéb parancsok rögzítésére. Az NFC-címkék nem igényelnek áramot, mivel egy aktív adó (pl. a telefon) közelében elektromágneses mező jön létre, így a passzív vevő (vagyis az NFC-címke) aktiválódik. Minden pólóban lévő chip előre van programozva egy a NFTAG által összeállított edukációs csomaggal, ami igény esetén bármikor törölhető és/vagy egyedileg újraírható. A piacon elérhető okostelefonok nagy része már támogatja ezt az adatátvitelt!
- Bátran mosható!
- A nyomat teljesen mosásálló és tartós marad így 40 °C -ig mosógépben mosható.
- Elemet nem tartalmaz!
- NFC sose merül le, és akár 100 évig megőrzi az adataid!
- Újraprogramozható!
- A csomag tartalmaz egy Ingyenes NFC író applikációt így bármikor új információt írhatsz rá.
A támogatott telefonok listáját itt találhatja: https://nftag.co.uk/list_of_supported_mobiles
Generativ MI -könyv rövid bemutatása
MI alapú generatív képgenerálás a Stable diffusion segítségével.
Gyakorlati e-könyv kezdőknek, haladóknak.
Az MI piac aktuális trendjei
Mesterséges Intelligencia a Kreatív Iparban
A Mesterséges Inteligencia mint társalkotó, nem csak műelemző.
Ember és Gép: Az Együttműködés Új Dimenziói
Az Emberi Képességek Katalizátora
A Munka Jövője: Az Eltűnő Szakmák Árnyékában
Elfeledett Foglalkozások
Bevezetés a Mesterséges Intelligenciába
Egy kis tudat-elméleti kitérő, az elme koncepciòja (Theory of Mind)
A Tudat Perspektívái
A mesterséges intelligencia általános bemutatása
Mi a Mesterséges intelligencia
Gépi tanulás (Machine learning)
Mély tanulás( Deep learning)
Mesterséges neuron
Súlyozás (Weight)
Neurális hálók 21
Az MI-k fő kategorizálási szempontjai 22
Első szempont a munkafolyamat szerint: 23
Generatív MI 23
Diszkriminatív MI (osztályozó) 23
Második szempont a funkció szerint: 24
Reaktív gépek 24
Korlátozott memóriájú gépek 24
Elméleti MI ( Tudatos MI) 25
Szűk MI ( Egy feladatra specializalodott MI) 25
Hogyan tanul az MI ? 25
A gépi tanulás és az ember kapcsolata 25
Felügyelt Gépi Tanulás (Supervised) 26
Felügyelet Nélküli Gépi Tanulás (Unsupervised Learning) 26
Megerősítéses tanulás (reinforcement learning) 26
Transzformerek Mindenhol 27
A figyelem minden, amire szükséged van. 27
Csak figyelemre van szükség. 27
„Attention is All You Need” híres tudományos cikk kivonata 28
GPT alapu MI megoldások 29
Természetes nyelvi feldolgozás (NLP) 29
Transformer architektúra 29
Nagyméretű nyelvmodell (LLM) 30
ChatGPT és DALL-E röviden 30
Generative MI Kepalkotas mukodesi elve 31
Többdimenziós adatok 31
Konvolúciós neurális hálózat 32
U-net 32
Variational Autoencoder neurális hálózat 33
1D Vector 33
Matrix (2D Vector) 34
Tensor (3D+ Vector) 34
Mi az a Kernel? 35
Bottleneck ( Channel ) (Szűk keresztmetszet) 35
Feature Map (lenyomat) 36
Max pooling (lefelezes) 36
Skip connection 36
Hibavisszaterjesztés (Backpropagation) 37
Látens diffúzió 38
Zaj előrejelző (Noise Predictor) 39
Denoising (Zajmentesítés) 39
Tokenizer 39
Mi az a Szöveg Beágyazás? 40
Mi az a Text encoder (szövegkódoló)? 40
CLIP (Contrastive Language–Image Pre-training) 41
A Generatív MI-k a Gyakorlatban 41
Generatív MI-k piaci korkepe 41
Kik használják a képgeneráló MI-ket? 42
MI megoldások hozzáférési típusai 42
Forráskód: A Generatív MI Titkos Receptje 42
Nyílt Forráskódú 43
Zárt Forráskódú 43
API-n Keresztül Elérhető 44
Adatvédelem futtatás szerint 44
Felhőalapú – Előfizetéssel elérhető 44
Felhőalapú Google Colab 45
Lokális 45
Jogi es Etikai aggályok 45
Honnan tudjuk mi a valodi media? 45
Egyéni felelősségvállalás 46
Adatvédelem 46
A Generatív MI-k tartalomgenerálás szerint 46
Szövegből Szöveg 46
Szövegből Kód 47
Nyelvfordítás 47
Beszéd Generálás 47
Szövegből Kép 47
Szövegből Videó 48
Szövegből 3D Modell 48
Szövegből Zene 48
Stable Diffusion: A Képalkotás Új Paradigmája 49
A Stable Diffusion tudományos működésének bemutatása 51
Stable diffusion működési rajza 51
Hogyan tanult a stable diffusion? 51
Stable Diffusion a Gyakorlatban 52
Minimum szoftveres gépigény 52
Minimum hardveres gépigény 52
Szoftver Installáció 52
Finomhangolás (optimalizáció) 53
Felhasználói felület bemutatása 53
Automatic 111 felület bemutatása 53
Kiegészítők telepítése 53
Comfy UI felület bemutatása 53
Kiegészítők telepítése 54
Modellek hozzáadása 54
Hogyan hozzuk létre saját modellünk? 54
A promptírás tudományos háttere 54
Promptolási technikák 55
Negatív prompt jelentése 55
Prompt könyvtárak 55
Mi a Seed és miért fontos? 55
Mi az a (Sampling) mintavételi lépés? 56
A CFG skála működési elve 56
Controlnet használata 56
Mi az a LORA 56
Inpaint funkció 56
Felhőben való generálás GPU nélkül: Google Colab 57
Felhasználói esettanulmányok és példák 57
Képalkotás és azon Túl: A Jövő Kihívásai 57
Videó generálás 57
3D Modell generálás 58
Zene generálás 58
Felhasználói esettanulmányok és példák 58
Ajánlott angol nyelvű tartalmak / vizualizációk 58
Attention is all you need paper 59
Transformer Architectura 59
AI Dilemma 59
U-Net: Convolutional Networks for Biomedical Image Segmentation 59
Neurális hálózatok 60
Képszegmentáció 60
Többdimenziós adatok 60
Konvolúciós folyamat 60
Referenciak
