Google ကအိပ်မက်တွေတစ်ဦးအာရုံကြောကွန်ယက်ကိုဖြစ်ကြောင်းကိုသိတယ်

artificial အာရုံကြောကွန်ယက်ကို Google ကလူ့ဦးနှောက်ကိုတူအောင်ဖန်တီးရန်ဖန်တီးခဲ့သည်။ ဒီနည်းပညာအမျိုးမျိုးပုံရိပ်တွေအသိအမှတ်ပြုရန်နှင့်ခွဲခြမ်းစိတ်ဖြာဖို့ခွင့်ပြုပါတယ်။ စက်ရုပ်အိပ်မက်မက်နိုင်ခဲ့မယ်ဆိုရင်ဘယ်အရာကိုဖြစ်မည်ကို: developer များပြီးတာနဲ့စိတ်ဝင်စားဖို့ဆိုတဲ့မေးခွန်းကိုပေါ်ထွက်လာကြသနည်း ထိုသို့သောထူးဆန်းမေးခွန်းတစ်ခုကိုဘယ်နေရာမှာထဲကပေါ်ထွန်းဘဲနေ၏။ ဒါဟာပုံရိပ်တွေနက်ရှိုင်းသောအိပ်မက်ကိုဖန်တီးရန်စီမံချက်၏အစိတ်အပိုင်းတစ်ခုဖြစ်ပါတယ်။

"နက်ရှိုင်းသောအိပ်မက်"

developer များဆော့ဖ်ဝဲတိကျတဲ့ရည်ရွယ်ချက်မတိုင်မီထားတော်မူ၏။ သို့သော်ဤအိပ်မက်၏ပြန်လည်တည်ဆောက်ရေး၏ရည်ရွယ်ချက်မဟုတ်ခဲ့ပေ။ ကျွမ်းကျင်သူများကပေါ်မှာအနည်းငယ်သည်အခြားအလွှာပြုရန်တွန်းအားပေးခြင်းဖြင့်မူရင်းပုံတစ်ပုံ၏အခြေခံပေါ်မှာအာရုံကြောကွန်ယက်ကိုပုံရိပ်ပြောင်းလဲမှုမေတ္တာရပ်ခံပါပြီ။ ဒါကြောင့်ထွက်လှည့်အတိုင်း, software ကိုလေ့လာသင်ယူရန်လွယ်ကူသည်။ ထို့ကြောင့်ထို program ထောက်လှမ်း function ကိုသတ်မှတ်ထားသောမော်ဒယ်များတိုးတက်လာဖို့နိုင်ခဲ့သည်။

လေ့ကျင့်ရေး

အတုအာရုံကြောကွန်ရက်များ၏ function ကိုတိုးတက်စေရန်, developer များကွန်ပျူတာကတဆင့်တစ်ဦးထက်ပိုသန်းပုံရိပ်တွေလွန်ပြီ။ အဆိုပြုထားဓာတ်ပုံများကိုအင်ဂျင်နီယာများ၏တစ်ဦးချင်းစီပြီးနောက်အရာဝတ္ထုပေါ်တွင်တွေ့ရသော image ကိုအလေးပေးဖို့ကားကိုဖန်ဆင်းသောကြောင့်, ဒါဟာတစ်လောကီနှင့်အချိန်-စားသုံးအလုပ်ဖြစ်ခဲ့သည်။ သက်သက်အာရုံကြောကွန်ယက်ကိုမျိုးစုံအလွှာပါဝင်ပါသည်နှင့်ရှာဖွေရေး၏တစ်ဦးထက်ပိုတိကျအနက်အဆင့်သို့မဟုတ် status ကိုအပေါ်မူတည်ပါသည်။ ဥပမာအားဖြင့်, တစ်ဦးချင်းစီတ္ထုများ၏ထောက်လှမ်းဘို့ output ကိုအလွှာကိုက်ညီ။

Hallucinogenic အရည်အသွေးကိုဓာတ်ပုံများကို

အဆိုပါအာရုံကြောကွန်ယက်၏ပုံသဏ္ဍာန်နှင့်အညီတိကျတဲ့အရာဝတ္ထုများ၏အသိအမှတ်ပြုမှုလုပ်ဆောင်ချက်များကိုတိုးမြှင့်ပြီးနောက် ပို. ခက်ခဲအလုပ်ရင်ဆိုင်ခဲ့ရသည်။ အင်ဂျင်နီယာများခွေး, လမ်းဆုံလမ်းခွ, ငါးကြက်တံခွန်, ငှက်ပျောနှင့်အခြားပစ္စည်းများဖြစ်ကြသည်ပေးသောသူတို့တွင်အချို့အရာဝတ္ထုများ၏ပုံများ, ဖန်တီးရန်ကိုယ့်ကိုကိုယ်မောင်းခိုင်းတယ်။ အဆိုပါအပြောင်းအရွေ့အပြည့်အဝကိုယ်တိုင်ကဖြောင့်မတ်လျက်ရှိသည်။ ထိုအခါစက်ရုပ်အိပ်မက်တွေတစ် hallucinogenic အရည်အသွေးကိုသတ်မှတ်ပုံတွေကိုလူ့မျက်စိအသိအမှတ်ပြုရန်နိုင်ပါတယ်ပါစေ။

စီမံကိန်းများ၏အဆုံးစွန်ရည်မှန်းချက်

Google ကခြုံငုံရုပ်ပုံပေါ် Non-တည်ရှိအသေးစိတ်ကို detect လုပ်ဖို့ဖြစ်နိုင်ခြေရှိရာအမှတ်ဖို့အာရုံကြောကွန်ယက်ကိုတိုးတက်လာဖို့ရှာဖွေနေသည်။ ကျနော်တို့အင်ဂျင်နီယာများအတုထောက်လှမ်းရေးများ၏မသိစိတ်တစ်ပိုင်းသို့ကြည့်ရှုနိုငျခဲ့ကွတကြောင်းပြောနိုင်ပါသည်။ developer များဟာအာရုံကြောကွန်ယက်၏အထက်အလွှာတစ်ဦးချင်းစီတ္ထုကိုအသိအမှတ်မပြုဖို့သင်ယူတော်မူကြောင်းကိုတဦးတည်းအတွက်ပုံရိပ်တွေ load မှစတင်ခဲ့သည့်အခါကဖြစ်ပျက်ခဲ့သည်။ ခွေးမိုဃ်းတိမ်ကိုစီးတဲ့ကွန်ယက်ကိုတူအောင်ဖန်တီးထားဒါဥပမာတစ်ခုကြိုတင် parameter သည် "ဟုမိုဃ်းတိမ်ကိုစီးနေတဲ့ခွေးကိုအသွင်သဏ္ဌာန်" ။ သင်သည်ထိုရလဒ် load တစ်ခုချင်းစီကိုအချိန်ပိုကောင်းနှင့်ပိုမိုကောင်းမွန်ထွက်လာ၏။

ထို့ကြောင့် "နက်ရှိုင်းသောအိပ်မက်" ဟုအဆိုပါကွန်ပျူတာသည်ပုံရိပ် setting များကို modify လုပ်နိုင်စွမ်းကိုပေး၏။ ထိုသို့ပုံရိပ်တွင်ပါရှိသောကြသည်မဟုတ်သည့်အရာဝတ္ထု, အသိအမှတ်မပြုခွင့်ပြုလိုက်ပါတယ်။ သင် "မိုးအုံ့မိုဃ်းကောင်းကင်" ကိုတောင်းဆိုသောအခါယခုကွန်ယက်ကိုတစ်အံ့သြစရာကောင်းလောက်အောင်ထူးဆန်းခွေးနှင့်ခရုပေးသည်။

ကောက်ချက်

စီမံကိန်းကာလအတွင်းသုတေသီများအသုံးပြုသောနည်းလမ်းများ, နားလည်နှင့်မည်သို့အရာဝတ္ထုခွဲခြားဘို့ရှုပ်ထွေးတာဝန်များကိုဖျော်ဖြေတဲ့အာရုံကြောကွန်ယက်ကိုနိုင်စွမ်းမြင်ယောင်ရန်ကူညီပေးနေ။ ဤသည်ကွန်ရက်ဗိသုကာများ၏တိုးတက်မှုမှဦးဆောင်နှင့်သင်ယူမှုလုပ်ငန်းစဉ်၏စင်မြင့်ကိုထိန်းချုပ်ခွင့်ပြုထားခဲ့သည်။