|
Tự động phát hiện lịch trình
|
Giao diện người dùng bằng giọng nói và xử lý tín hiệu
|
Phát hiện POI yêu thích
|
Nền Tảng Suy Luận Tự Động Hóa Nơ-Ron Thần Kinh
Tìm ra những gì mà khách hàng thích hoặc không thích và đối ứng theo đó
Thiết bị phần cứng tinh vi ngày này rất cần các phần mềm điều khiển tự động. Nhu cầu này đã tồn tại hàng thập kỷ và phụ thuộc vào phương thức lập trình.
Những hệ thống có khả năng suy luận và tự đưa ra các quyết định thông minh là một nhu cầu rất lớn. Hãy tưởng tượng rằng bạn thức dậy lúc 7 giờ rồi ăn sáng và đi làm vào lúc 8 giờ 20 bằng xe ô tô. Bạn làm việc này hàng ngày từ thứ Hai đến thứ Sáu ngoại trừ những ngày nghỉ phép và những ngày nghỉ lễ.
Glas.AI (R) có thể theo dõi hành vi của người dùng, thống kê thời gian khởi hành hàng ngày và cung cấp thời gian này cho bên thứ 3. Hoặc, Glas.AI (R) cũng có thể sử dụng thông tin này để dự đoán thời gian khởi hành và điều khiển thiết bị làm ấm ô tô trước 20 phút nếu thời tiết bên ngoài lạnh, đồng thời điều khiển thiết lập các thông số cho ô tô trước khi khởi hành.
Glas.AI (R) cũng có thể điều khiểu hệ thống làm mát ô tô nếu thời tiết bên ngoài quá nóng.
Đây chỉ là một trường hợp ví dụ về việc áp dụng Glas.AI (R), khả năng thực tế của Glas.AI (R) là rất lớn.
GLAS.AI (R) là một nền tảng xử lý hoàn toàn trên dữ liệu và sử dụng một API rất trực quan cho bất kỳ dữ liệu input/output nào. Hơn nữa, Glas.AI (R) cũng là một framework nên có thể phát triển các hệ thống suy luận và ra quyết định trên nó. Việc phát triển các hệ thống suy luận trên Glas.AI (R) được thực hiện bằng các đoạn script trực quan.
Những hệ thống có khả năng suy luận và tự đưa ra các quyết định thông minh là một nhu cầu rất lớn. Hãy tưởng tượng rằng bạn thức dậy lúc 7 giờ rồi ăn sáng và đi làm vào lúc 8 giờ 20 bằng xe ô tô. Bạn làm việc này hàng ngày từ thứ Hai đến thứ Sáu ngoại trừ những ngày nghỉ phép và những ngày nghỉ lễ.
Glas.AI (R) có thể theo dõi hành vi của người dùng, thống kê thời gian khởi hành hàng ngày và cung cấp thời gian này cho bên thứ 3. Hoặc, Glas.AI (R) cũng có thể sử dụng thông tin này để dự đoán thời gian khởi hành và điều khiển thiết bị làm ấm ô tô trước 20 phút nếu thời tiết bên ngoài lạnh, đồng thời điều khiển thiết lập các thông số cho ô tô trước khi khởi hành.
Glas.AI (R) cũng có thể điều khiểu hệ thống làm mát ô tô nếu thời tiết bên ngoài quá nóng.
Đây chỉ là một trường hợp ví dụ về việc áp dụng Glas.AI (R), khả năng thực tế của Glas.AI (R) là rất lớn.
GLAS.AI (R) là một nền tảng xử lý hoàn toàn trên dữ liệu và sử dụng một API rất trực quan cho bất kỳ dữ liệu input/output nào. Hơn nữa, Glas.AI (R) cũng là một framework nên có thể phát triển các hệ thống suy luận và ra quyết định trên nó. Việc phát triển các hệ thống suy luận trên Glas.AI (R) được thực hiện bằng các đoạn script trực quan.
Phân Tích Dự Đoán Hành Vi Người Dùng
Dự đoán những gì người dùng sẽ làm tiếp theo
Hiểu được sở thích của người dùng là chìa khóa trong kỷ nguyên lái xe tự hành sắp tới. Biết sâu sắc về sở thích của người dùng là rất quan trọng để vận hành an toàn, tin cậy và thoải mái của xe tự hành.
Nền tảng của chúng tôi chứa một tập hợp các plug-ins chuyên theo dõi và nhận biết các sở thích của người dùng.
Ví dụ, Nền tảng của chúng tôi có thể tự động nhận biết vị trí nhà riêng và cơ quan của người dùng chỉ trong 3 ngày sử dụng * và có thể sử dụng các vị trí địa lý này để dự đoán thói quen và cách di chuyển trong cuộc sống hàng ngày của người dùng.
Một số ví dụ khác như nhận biết thời gian xuất phát khỏi nhà, thời gian đến nơi làm việc hay tuyến đường đi là người dùng ưa thích. Hệ thống có thể nhận biết các trạm xăng, siêu thị, các con đường và lối tắt mà người dùng yêu thích. Thông tin này rất hữu ích để tăng trải nghiệm người dùng.
Tất cả quá trình xử lý này được thực hiện đồng thời cũng tôn trọng quyền riêng tư của người dùng bằng cách tận dụng sức mạnh xử lý của điện thoại thông minh ngày nay.
* độ chính xác này áp dụng cho nhà riêng và cơ quan của người dùng có vị trí địa lý ổn định.
Nền tảng của chúng tôi chứa một tập hợp các plug-ins chuyên theo dõi và nhận biết các sở thích của người dùng.
Ví dụ, Nền tảng của chúng tôi có thể tự động nhận biết vị trí nhà riêng và cơ quan của người dùng chỉ trong 3 ngày sử dụng * và có thể sử dụng các vị trí địa lý này để dự đoán thói quen và cách di chuyển trong cuộc sống hàng ngày của người dùng.
Một số ví dụ khác như nhận biết thời gian xuất phát khỏi nhà, thời gian đến nơi làm việc hay tuyến đường đi là người dùng ưa thích. Hệ thống có thể nhận biết các trạm xăng, siêu thị, các con đường và lối tắt mà người dùng yêu thích. Thông tin này rất hữu ích để tăng trải nghiệm người dùng.
Tất cả quá trình xử lý này được thực hiện đồng thời cũng tôn trọng quyền riêng tư của người dùng bằng cách tận dụng sức mạnh xử lý của điện thoại thông minh ngày nay.
* độ chính xác này áp dụng cho nhà riêng và cơ quan của người dùng có vị trí địa lý ổn định.
Nhận Dạng Giọng Nói Tự Động
Hướng tới giao tiếp người-máy một cách tự nhiên
Vì lời nói là cách phổ biến nhất để tương tác với con người, nên đây là một bước tự nhiên để hỗ trợ hiểu giọng nói như một phương pháp tương tác với Glas.AI (R). Plug-in Hiểu Giọng Nói sẽ chuyển đổi ý nghĩa của các câu do người dùng nói thành các Suy Nghĩ và Khái Niệm được hiểu và lưu trữ trong framework. Tuy nhiên bài toán Hiểu Giọng Nói thì không đơn giản.
Ai trong chúng ta cũng tham dự ít nhất một lần trong đời một bữa tiệc. Những bữa tiệc như vậy, việc tất cả khách mời tham gia một cuộc trò chuyện là không thực tế. Vì vậy, thay vào đó, họ chia thành các nhóm hai, ba hoặc bốn người để thảo luận về nhiều chủ đề khác nhau.
Kết quả là có hàng chục cuộc thảo luận đồng thời- và có rất nhiều tiếng ồn xung quanh. Tuy nhiên, hầu như mọi khách sẽ dễ dàng hiểu được các thảo luận trong nhóm mà họ tham gia. Hiện tượng này được biết đến là hiệu ứng tiệc cocktail.
Tình huống này cũng thường xảy ra bên trong ô tô khi có nhiều hành khách tham gia vào các cuộc trò chuyện, trong khi người lái xe đang ra lệnh điều khiển ô tô bằng giọng nói.
Glas.AI (R) và thư viện VoiceTuner (R) sử dụng một tập hợp các mạng nơ-ron học sâu giúp khử nhiễu tín hiệu nhiều giọng nói, sau đó tách từng giọng nói trên một kênh âm thanh riêng biệt. Chỉ kênh chứa giọng nói đăng ký trước mới được chuyển qua bước nhận dạng giọng nói.
Hệ thống nhận dạng giọng nói này có sẵn trên Android và QNX. Các hệ điều hành khác có thể được cung cấp theo yêu cầu.
Ai trong chúng ta cũng tham dự ít nhất một lần trong đời một bữa tiệc. Những bữa tiệc như vậy, việc tất cả khách mời tham gia một cuộc trò chuyện là không thực tế. Vì vậy, thay vào đó, họ chia thành các nhóm hai, ba hoặc bốn người để thảo luận về nhiều chủ đề khác nhau.
Kết quả là có hàng chục cuộc thảo luận đồng thời- và có rất nhiều tiếng ồn xung quanh. Tuy nhiên, hầu như mọi khách sẽ dễ dàng hiểu được các thảo luận trong nhóm mà họ tham gia. Hiện tượng này được biết đến là hiệu ứng tiệc cocktail.
Tình huống này cũng thường xảy ra bên trong ô tô khi có nhiều hành khách tham gia vào các cuộc trò chuyện, trong khi người lái xe đang ra lệnh điều khiển ô tô bằng giọng nói.
Glas.AI (R) và thư viện VoiceTuner (R) sử dụng một tập hợp các mạng nơ-ron học sâu giúp khử nhiễu tín hiệu nhiều giọng nói, sau đó tách từng giọng nói trên một kênh âm thanh riêng biệt. Chỉ kênh chứa giọng nói đăng ký trước mới được chuyển qua bước nhận dạng giọng nói.
Hệ thống nhận dạng giọng nói này có sẵn trên Android và QNX. Các hệ điều hành khác có thể được cung cấp theo yêu cầu.
