آنچه خواهید خواند
آیا هندزفری بلوتوثی با دوربین AI گجت بعدی شماست؟
هندزفری بلوتوثی با دوربین AI ممکن است پاسخ به رقابت شرکتها برای ساخت گجت هوشمند بزرگ بعدی باشد. در حالی که برخی روی عینکهای هوشمند و برخی دیگر روی گجتهای سنجاقی یا جیبی شرطبندی میکنند، تقریبا همه آنها وعده دستیاری را میدهند که میتواند دنیای اطراف شما را ببیند، بشنود و درک کند. اما کمتر شرکتی به یک پرسش سادهتر فکر کرده است: چه میشود اگر هوشمندترین سختافزار هوش مصنوعی، فقط یک ایرباد بهتر باشد؟
طراحی مفهومی، دوربین در گوش به جای چهره
این طرح مفهومی، یک هندزفری بیسیم (TWS) را با یک ویژگی منحصربهفرد تصور میکند. هر ایرباد دارای یک پایه (بوم کشیده) اضافی با یک دوربین داخلی است که نزدیک به خط دید طبیعی کاربر قرار میگیرد. با اتصال به ChatGPT، این لنزها به یک منبع تغذیه تصویری دائمی برای دستیاری تبدیل میشوند که در گوش شما زندگی میکند.
این دستیار میتواند منوها را بخواند، تابلوها را تفسیر کند، صحنهها را توصیف کند و شما را بدون نیاز به نمایشگر در یک شهر راهنمایی کند. فرم فکتور آشنا باقی میماند، اما قابلیتها کاملاً جدید به نظر میرسند. اگر OpenAI بخواهد جای پایی در دنیای سختافزار پیدا کند، محصولی از این دست میتواند هوش مصنوعی را از یک ورژن نمایشی به یک عادت روزمره تبدیل کند. در ادامه بررسی میکنیم که چرا یک دوربین در گوش ممکن است بهتر از یک دوربین روی صورت باشد.
طراحی صنعتی و ظاهر گجت
طراحی صنعتی این دستگاه حسی شبیه به یک اسپری تنفسی علمی-تخیلی دارد که به طرز عجیبی جذاب است. لنز در انتهای پایه (بوم کشیده) مانند یک اکشنکم کوچک قرار گرفته و با حلقهای احاطه شده که هم بهعنوان یک المان بصری عمل میکند و هم یک ویژگی برجسته است. این طراحی کاملاً حسابشده به نظر میرسد، نه چیزی که صرفاً به دستگاه اضافه شده باشد؛ این موضوع زمانی اهمیت پیدا میکند که قرار است یک قطعه اپتیکی را از سر خود آویزان کنید. بدنههای رنگی و سَریهای شفاف، ظاهر آن را به اندازهٔ کافی سرگرمکننده نگه میدارند تا در نگاه اول یک دستگاه صوتی و در نگاه دوم یک دوربین به نظر برسد.
چالشهای فنی، پردازش داده و تأخیر
تصویر رندر شده از قطعات داخلی واقعاً جذاب است. میتوان مجموعهٔ لنز مناسب، یک سنسور و یک برد فشرده را دید که احتمالاً میزبان یک پردازنده سیگنال تصویر (ISP) و یک چیپست بلوتوث (SoC) است. این حجم از سیلیکون در دستگاهی قرار گرفته که همچنان باید درایور صدا، باتری، میکروفونها و آنتنها را در خود جای دهد. در عمل، هرگونه پردازش سنگین مربوط به بینایی و زبان مستقیماً به گوشی و سپس به فضای ابری ارسال میشود. پردازش روی خود دستگاه در این مقیاس، هم باتری را نابود میکند و هم باعث داغ شدن و ناراحتی کاربر میشود.
تمام این دادههای بصری باید در جایی پردازش شوند و این اتفاق درون ایرباد رخ نخواهد داد. پردازش روی دستگاه برای بینایی در سطح GPT-4 میتواند کانال گوش شما را به یک اجاق داغ تبدیل کند. این بدان معناست که ایربادها اساساً ویدیو را برای پردازش سنگین به گوشی شما استریم میکنند. این امر باعث ایجاد تأخیر میشود. تأخیر 200 میلیثانیهای یک چیز است، اما تأخیر دو ثانیهای چیز دیگری است. کاربران تحمل منتظر ماندن برای پاسخ یک چتبات پشت میز خود را دارند، اما وقتی از «چشمهای هوش مصنوعی» خود سؤال سادهای مانند «من در کدام گیت هستم؟» بپرسند، مطلقاً چنین تأخیری را تحمل نخواهند کرد.
معضل اصلی، عمر باتری
عمر باتری، چالش بزرگ و انکارناپذیر این طرح است. یک هندزفری بیسیم استاندارد حدود پنج تا هفت ساعت پخش صدا را مدیریت میکند. افزودن یک دوربین، یک پردازنده سیگنال تصویر و انتقال رادیویی مداوم برای ویدیو، این زمان کارکرد را کاملاً از بین میبرد. گجتهای پوشیدنی مجهز به دوربین مانند عینکهای متا ری-بن حدود چهار ساعت استفاده ترکیبی دارند، در حالی که حجم بسیار بیشتری برای جای دادن باتری در اختیار دارند. این ایربادهای مفهومی حجیم به نظر میرسند، اما در مقایسه با یک فریم عینک همچنان کوچک هستند.
نتیجه عملی این است که این دستگاهها در شکل کنونی خود نمیتوانند همراهان تمامروزی باشید. به احتمال زیاد، در استفاده واقعی تنها دو تا سه ساعت دوام خواهند آورد و این تخمین نیز خوشبینانه است. این عملکرد برای کارهای خاص و کوتاهمدت، مانند گشتوگذار در موزه یا پیدا کردن مسیر در فرودگاه، مناسب است. اما این موضوع الگوی رفتاری تثبیتشده کاربران را که انتظار دارند ایربادها در طول یک روز کاری کامل برای تماسها و موسیقی دوام بیاورند، کاملاً به هم میزند. کارایی این دستگاه باید فوقالعاده بالا باشد تا چنین فداکاری بزرگی در زمینه باتری را توجیه کند.
جنبههای اجتماعی و چالش زاویه دید
از منظر اجتماعی، این طراحی به طرز شگفتآوری هوشمندانه است. یکی از دلایل شکست عینکهای هوشمند این بود که دوربین روبهرو به همه اطرافیان این حس را میداد که در حال ضبط شدن هستند. یک دوربین روی ایرباد ممکن است از این نظر جلب توجه نکند.
مردم قبلاً به پایه (بوم کشیده)هایی که از گوش بیرون زدهاند عادت کردهاند، بنابراین این فرم فکتور میتواند بهراحتی با یک انتخاب طراحی خاص اشتباه گرفته شود تا یک دستگاه نظارتی. این طراحی نسبت به لنزی که از روی پل بینی به سمت دیگران نشانه رفته، تهاجمی به نظر نمیرسد و میتواند اصطکاک اجتماعی را به میزان قابل توجهی کاهش دهد.
از دیدگاهی بدبینانهتر، مسئله میدان دید مطرح میشود. سطح گوش بهتر از سطح سینه است، اما گوشهای شما حرکت نگاهتان را دنبال نمیکند. اگر هنگام راهرفتن به گوشی خود نگاه کنید، آن دوربینها همچنان به سمت افق نشانه رفتهاند.
برای حل این مشکل یا به یک لنز با زاویه بسیار عریض نیاز است که باعث نویز تصویر شده و قدرت پردازشی زیادی برای اصلاح آن مصرف میکند، یا کاربر باید خودش را آموزش دهد تا تمام سرش را مانند زمانی که از هدست واقعیت مجازی استفاده میکند، حرکت دهد.
هیچکدام از این راهحلها ایدهآل نیستند، اما هر دو با تکرار و بهبود قابل حل هستند. در عوض، چیزی که به دست میآید یک هوش مصنوعی است که میتواند بهجای منتظر ماندن برای اینکه گوشی خود را بیرون بیاورید و به سمت چیزی نشانه بگیرید، واقعاً در محیط شما مشارکت کند. این تغییر از حالت واکنشی به حالت محیطی، کل ارزش پیشنهادی این محصول است و تنها زمانی کار میکند که دوربینها همیشه در موقعیت مناسب و همیشه آماده باشید.
پاسخگوی سوالات شما هستیم
دیدگاهی وجود ندارد!