سناب تكشف عن أحدث أدوات الذكاء الاصطناعي للواقع المعزز
تاريخ النشر: 19th, June 2024 GMT
أطلقت شركة سناب المالكة لتطبيق سناب شات اليوم الثلاثاء أحدث إصداراتها من تقنية الذكاء الاصطناعي التوليدي والذي سيسمح لمستخدميه برؤية مؤثرات خاصة أكثر واقعية عند استخدام كاميرات الهاتف لتصوير أنفسهم.
يأتي ذلك في ظل سعي الشركة لأن تظل متقدمة على منافساتها في مجال وسائل التواصل الاجتماعي.
كما كشفت سناب، الرائدة في مجال الواقع المعزز والتي تدخل تأثيرات بالكمبيوتر على الصور أو المقاطع المصورة من العالم الحقيقي، عن نسخة مطورة من برنامجها (لينس ستوديو) الذي يتيح تطوير خواص الواقع المعزز لسناب شات وغيره من المواقع والتطبيقات.
وقالت الشركة إن مستخدمي سناب شات سيكونون قادرين على استخدام المؤثرات الخاصة المتقدمة للواقع المعزز، والتي تسمى لينسز، خلال الأشهر المقبلة.
يتضمن لينس ستوديو الآن مجموعة من أدوات الذكاء الاصطناعي التوليدي مثل مساعد الذكاء الاصطناعي الذي يمكنه الإجابة عن الأسئلة إذا كان المطور بحاجة إلى المساعدة. أخبار ذات صلة
وهناك أداة أخرى ستسمح للفنانين بكتابة أمر وإنشاء صورة ثلاثية الأبعاد تلقائياً يمكنهم استخدامها لعدسة الواقع المعزز الخاصة بهم، مما يلغي الحاجة إلى تطوير نموذج ثلاثي الأبعاد من الصفر.
المصدر: وكالات
المصدر: صحيفة الاتحاد
كلمات دلالية: سناب شات الذكاء الاصطناعي الذکاء الاصطناعی
إقرأ أيضاً:
الذكاء الاصطناعي يساعد على توقع الخصائص الكيميائية
طور باحثون تطبيقا أطلقوا عليه اسم "ChemXploreML" يتنبأ بالخصائص الكيميائية ويسرعها، دون الحاجة إلى مهارات برمجة متعمقة.
من الأهداف الأساسية المشتركة لمعظم باحثي الكيمياء الحاجة إلى التنبؤ بخصائص الجزيء، مثل درجة غليانه أو انصهاره. بمجرد أن يتمكن الباحثون من تحديد هذا التنبؤ بدقة، يصبحون قادرين على المضي قدمًا في عملهم، محققين اكتشافات تُفضي إلى أدوية ومواد وغيرها. مع ذلك، ارتبطت الطرق التقليدية للكشف عن هذه التنبؤات، تاريخيًا، بتكلفة باهظة، استنزاف الوقت والجهد المبذول في المعدات، بالإضافة إلى التمويل.
تمكن فرع من الذكاء الاصطناعي، يُعرف باسم التعلم الآلي machine learning (ML)، من تخفيف عبء التنبؤ بخصائص الجزيئات إلى حد ما، لكن الأدوات المتقدمة التي تُسرّع العملية بشكل أكثر فعالية، من خلال التعلم من البيانات الموجودة لإجراء تنبؤات سريعة للجزيئات الجديدة، تتطلب من المستخدم امتلاك مستوى عالٍ من الخبرة البرمجية. هذا يُشكّل عائقًا أمام العديد من الكيميائيين، الذين قد لا يمتلكون الكفاءة الحسابية اللازمة لاجتياز عملية التنبؤ.
للتخفيف من هذا التحدي، ابتكر باحثون في مجموعة "ماكغواير" للأبحاث في معهد ماساتشوستس للتكنولوجيا (MIT) تطبيق ChemXploreML، وهو تطبيق سطح مكتب سهل الاستخدام يُساعد الكيميائيين على إجراء هذه التنبؤات المهمة دون الحاجة إلى مهارات برمجة متقدمة. هذا التطبيق متاح مجانًا وسهل التنزيل ويعمل على المنصات الرئيسية، كما أنه مصمم للعمل دون اتصال بالإنترنت، مما يُحافظ على خصوصية بيانات البحث.
وقد تم توضيح هذه التقنية الجديدة والمثيرة في مقال نُشر مؤخرًا في مجلة المعلومات والنمذجة الكيميائية Journal of Chemical Information and Modeling.
اقرأ أيضا... أداة ذكاء اصطناعي مجانية تعد تقارير طبية مثل الأنظمة التجارية
إحدى العقبات المحددة في مجال التعلم الآلي الكيميائي هي ترجمة البنى الجزيئية إلى لغة رقمية تفهمها أجهزة الكمبيوتر. يُؤتمت برنامج ChemXploreML هذه العملية المعقدة باستخدام "مُضمِّنات جزيئية" مدمجة قوية تُحوّل البنى الكيميائية إلى متجهات رقمية غنية بالمعلومات. بعد ذلك، يُطبّق البرنامج خوارزميات متطورة لتحديد الأنماط والتنبؤ بدقة بالخصائص الجزيئية، مثل درجات الغليان والانصهار، كل ذلك من خلال واجهة رسومية تفاعلية سهلة الاستخدام.
يقول أرافيند نيفاس ماريموثو، باحث في مجموعة ماكغواير والمؤلف الرئيسي للمقالة "يهدف ChemXploreML إلى تعميم استخدام التعلم الآلي في العلوم الكيميائية"، مضيفا "من خلال إنشاء تطبيق سطح مكتب سهل الاستخدام وقوي وقابل للعمل دون اتصال بالإنترنت، نضع أحدث النمذجة التنبؤية بين يدي الكيميائيين مباشرةً، بغض النظر عن خبراتهم البرمجية. هذا العمل لا يُسرّع البحث عن أدوية ومواد جديدة من خلال تسريع عملية الفحص وتخفيض تكلفتها فحسب، بل يفتح تصميمه المرن آفاقًا جديدة للابتكارات المستقبلية".
صُمم تطبيق ChemXploreML ليتطور مع مرور الوقت. لذا، مع تطور التقنيات والخوارزميات المستقبلية، يُمكن دمجها بسلاسة في التطبيق، مما يضمن للباحثين الوصول الدائم إلى أحدث الأساليب وتطبيقها. تم اختبار التطبيق على خمس خصائص جزيئية رئيسية للمركبات العضوية: نقطة الانصهار، ونقطة الغليان، وضغط البخار، ودرجة الحرارة الحرجة، والضغط الحرج، وحقق درجات دقة عالية وصلت إلى 93% لدرجة الحرارة الحرجة. كما أظهر الباحثون أن طريقة جديدة وأكثر إحكامًا لتمثيل الجزيئات كانت دقيقة تقريبًا مثل الطرق القياسية ولكنها كانت أسرع بما يصل إلى 10 مرات.
يقول ماريموثو: "نتصور مستقبلًا يُمكن فيه لأي باحث تخصيص وتطبيق التعلم الآلي بسهولة لحل تحديات فريدة، من تطوير مواد مستدامة إلى استكشاف الكيمياء المعقدة للفضاء بين النجوم".
مصطفى أوفى (أبوظبي)
مباريات سيراميكا كليوباترا فى الدور الأول 2025-2026