十分に速く、このFire TV Stick Liteは今日わずか19.99ドルで所有しています

Hack Chat

で真実に異なる光を照らすことは、他の波長から集中することができる情報の大量を省略します。雨が降っているときや霧のように、露出が一般的に影響を与える小さな問題も同様にあります。これが起こると、これに依存する自己運転車やトラックなどのアプリケーションは大きな問題を抱えています。他の波長に敏感なセンサーの利用を利用すると、それにもかかわらず、これらの問題の多くを防ぐことができます。 短波赤外線（SWIR）は、1.4μm~3μm、または100THz~214THzの電磁スペクトルのほぼ一部です。この位置は、可視光とマイクロ波との間、および20th~37THzで長波IRを上回る。 LWIRは、LWIRが人体のような暖かいものによって発せられたものです。 SWIRは大気中の水の影響を受けず、同様に可視光に不透明な材料を通過します。このようにして、PCBからの何でも、PCBからの何でも、あるいは見えないか、見えない、または非常に困難な詳細を捉えるために、分析に利用されることを可能にします。 残念ながら、熱カメラセンサーのように、SWIRセンサーはかなり高価です。あるいは、それらはむしろ最近まで上昇し、これらのセンサのコストを大幅に減らす量子ドットベースのセンサーの出現がありました。 短波を撮影する 赤外線放射線を一般に捕捉することを可能にするセンサは、焦点面アレイ（FPA）と呼ばれる長方形のピクセルアレイからなり、同様に見つめたアレイとして理解される。これは、CMOS（AP）などの他の波長と同様に可視光で利用されるCCDセンサーと似ています。これらのFPAは通常、シリコンベースのセンサが見えるように、近赤外スペクトルの一部に敏感であるため、通常はシリコンから作られています。 近赤外線の近赤外を超える波長の場合、よりエキゾチックな材料とプロセスが一般的に必要です。 SWIRセンサーの材料は、その波長では敏感であるだけでなく、手数料をセンサーで利用するのに効果的に十分なほど効果的に十分に伝達され得ることを確実にするために適切な電子移動度を有することが必要である。これは、現時点ではガリウムインジウム砒素（GainAS）が最も人気がある場所です。 （科学文献ではInGaAsと交換可能に言及されています。） GaInAsは、Duchemin et alによってInP基質上で効果的に成長していると非常に最初に報告されていました。 （1981）1980年に有機金属化学気相成長を利用して、今日GaInAsセンサー構造を製造する主な技術である。蒸着相の後、これらのGaInAs DIEはシリコンベースのインターフェースに細心の注意を払って、それがかなり遅く、労働集約的、したがって費用がかかるプロセスである。 James WebBエリア望遠鏡（JWST）に設置されている2K x 2Kピクセル解像度を備えたHGCDTEベースのハワイセンサーモジュール。 これは、コストタグをさらにぶつけることが不可能であると述べていない。 James WebBエリア望遠鏡用のNIRセンサーが開発されたとき、GainASセンサーは騒々しい、そして高い暗電流と同様に騒々しいことが発見されました。これにより、各センサーがそれぞれ四半期普通の米ドルの天文学的なコストタグと同様に、各センサーがGaInAsセンサーと同様にGaInAsセンサーに組み立てられたままになっています。 これはGAINASベースのセンサの弱さを説明している。熱放射からの信号中のノイズを減少させるために、それらは一般に極低温冷却器または同様の解を利用して冷却される。これは、これらのセンサーを操作することの複雑さだけでなく、費用にかなり大きくなります。 これからの主な取り出しは、電磁スペクトルの特定の部分に同様に選択できる材料がいくつかあることを示すことです。どの機能が予算に加えて、どの機能によってもこれによって異なります。 SWIRセンサーがe.で利用することになるにつれて驚くべきことQAのための産業生産ラインおよび自律的または運転支援車およびトラックは、適切な天候よりも視覚的な制限を回避するための産業上の車およびトラックは、カウントレスドルでのGaInASベースのセンサーは、そのような用途で利用するのに費用がかかるのは費用がかかる。 適切なトレードオフ 一般的な、安価なSWIRセンサーのために、漁獲速度と感度との間のトレードオフである限り、GaInASベースのセンサの速度要求と同様に、GaInASベースのセンサのスピード要求を必要としないことは比較的明白です。予算上の利益を一致させます。これが、SWIRスペクトルにおける許容可能な感光性が、QDSの能力が標的スペクトルにかなり正確に調整される能力の好意的な適切な感光性として、鉛硫化鉛（PBS）系コロイド量子ドット（CQD）がかなりの注意を払っている理由である。 PBS CQDSに関する大きな問題は、Kwon etとの長続き安定化（パッシベーション）です。al。

Sir Winston Churchillは、「ウィザード戦争」として第二次世界大戦を話しました。同盟国と軸力の両方が戦場で互いに電子的な利点を得るためにレースにありました。現時点では多くの技術が生まれました – それらのうちの1つはコード化されたメッセージを解読する機能です。この達成を達成することができたガジェットは現代のコンピューターへの前兆でした。 1946年に、アメリカ軍は、コンピュータと同様にENIAC、または電子数値積分器を設立しました。 17,000を超える真空管を利用すると、ENIACは以前のすべての電気機械的コンピュータよりも数桁早かった。しかしながら、科学者の恍惚とした大部分がプログラム可能だったという部分でした。それは、人工知能（AI）の概念を増加させるであろうプログラム可能なコンピュータの概念でした。 時間が前進するにつれて、コンピュータはより速くほど小さくなるようになりました。トランジスタ半導体の作成はマイクロプロセッサに増加し、これはコンピュータプログラミングの進歩を促進した。 AIは蒸気を拾い始めました、そしてPunditsはすぐに私たち自身のコンピュータインテリジェンスがどのように超えるかを正確に宣言し始めました。 Elizaのようなプログラムやブロックのようなプログラムは、将来的に早く早くなるにつれて、彼らは間違いなく人間が早くなるにつれて、彼らは人間のように信じることができるでしょう。 しかし、それはまもなくこれがそうではないだろうことを削除されました。これらおよび多くの他のAIプログラムは、彼らがしたものではなく、それらのものもしなかった、またはそれらのアルゴリズムは適応可能であった。彼らは彼らの特定の課題で「スマート」でも、彼らの行動から知的判断について考えても、彼らは任意のタスクを理解していなかっただけでなく、通常の知的能力にろうそくを保持していなかったかもしれませんでしたラットラット、人間にしてください。 ニューラルネットワーク AIが1980年代後半に夕日に消えたので、ニューラルネットワークの研究者が多くの必要な資金を得ることができました。ニューラルネットワークは、1960年代がAI研究によって積極的に血栓を血統していることを考慮して周りでありました。それが誇大宣伝のように生きていないことが明らかになるまで、リソースの飢えていませんでした。コンピュータとは異なり、オリジナルのAIが基づいていたもの – ニューラルネットワークには、メモリを保存するためのプロセッサまたは中央の場所がありません。 ディープブルーコンピュータ ニューラルネットワークはコンピュータのようにプログラムされていません。それらは、その入力を発見する機能を提供する方法でリンクされています。このようにして、それらは哺乳動物脳と似ています。結局のところ、巨大な写真では脳は非常にあるパターンで一緒に連結されたたくさんのニューロンです。脳へのニューラルネットワークの類似点は、それらがコンピュータベースのAIで幻滅したものの関心を獲得した。 1980年代半ばには、NetTalkの名前によるビジネスは、少なくとも表面上に読み取ることができたニューラルネットワークを開発しました。それは話されている言語に手紙のパターンをマッピングすることを発見することによってこれをすることができました。少し時間の後、それは私的な言葉を話すことを発見しました。 NetTalkは、世界中のニュースヘッドラインを捕まえ、人間の創意工夫の勝利として驚かされました。しかしながら、エンジニアリングの観点から、それが全く難しくなかったのです。それは何も理解しませんでした。それはサウンドでパターンに一致しました。しかし、それはコンピュータベースのAIが多くの問題があったものであることが学びました。 最終的に、ニューラルネットワークは、コンピュータベースのAIと同様の運命を経験するでしょう – 多くの人々が人々が予想されたものを作成できなかった後にフェードするだけでなく、興味のある誇大宣伝のみを経験するでしょう。 新世紀 AIの進歩における21世紀のSAWビットへの移行。 1997年に、IBMSディープブルーは、一連のチェスの試合で自分のゲームで[Garry Kasparov]を破ったときに短いヘッドラインを作った。しかし、濃い青は知的だから勝ちませんでした。それはすぐに速いので勝ちました。深い青はチェスを理解していませんでした。まったく同じ方法で計算機が数学を理解していません。 Googleの開始主義の例映像は視認中に階層の中央から取られます。 現代の時代は、AIとまったく同じ技術の多くを見ました。 Googleは、階層構造と統合されたニューラルネットワークを利用していても、いくつかの魅力的な発見をしています。そのうちの1つはInceptionismと呼ばれるプロセスです。ニューラルネットワークは有望ですが、それらはまだ真の人工の知性への削除の道を表示しない。 IBMのワトソンは、JEOPARDYのトッププレーヤーのいくつかを最も財用することができました。ワトソンを「スマート」として信じるのは簡単ですが、真実からさらに何もありません。ワトソンは、情報を非常に早く閲覧することによってその答えを回収します。それが言っていることを本当に理解する能力はありません。