இன்றைய தேதி | AegonEyes இப்போது எங்களைப் பற்றி தொடர்பு தனியுரிமை Newsroom
BREAKING உலகத்தை தமிழில் பாருங்கள் — முக்கிய செய்திகள் உடனுக்குடன்...

2026 காட்சி மற்றும் இயற்பியல் செயற்கை நுண்ணறிவின் நிலை: 700க்கும் மேற்பட்ட நடைமுறை வல்லுநர்களின் ஆய்வு – வைலி அறிவியல் மற்றும் பொறியியல் உள்ளடக்க மையம்

இந்த இலவச வெள்ளை ஆவணத்தை இன்றே பதிவிறக்கவும்!

இந்த வெள்ளை ஆவணம், 700க்கும் மேற்பட்ட நடைமுறை வல்லுநர்கள் எவ்வாறு காட்சி மற்றும் இயற்பியல் செயற்கை நுண்ணறிவை உருவாக்குகின்றனர், ஏன் மாதிரிகள் தோல்வியடைகின்றன, மேலும் தரவு பணிகள் உற்பத்தி வெற்றியை எவ்வாறு தீர்மானிக்கின்றன என்பதைப் பற்றிய அறிக்கையை வழங்குகிறது.

நீங்கள் கற்றுக்கொள்வது:

- காட்சி மற்றும் இயற்பியல் செயற்கை நுண்ணறிவிலிருந்து 78% குழுக்கள் ஏற்கனவே அளவிடக்கூடிய மதிப்பைப் பெறுகின்றன, அதே நேரத்தில் 74% குழுக்கள் அதன் வாய்ப்புகளுக்கு ஒப்பிடும்போது இத்துறை இன்னும் போதுமான முதலீடு பெறவில்லை எனக் கருதுகின்றன.

- வெற்றிகரமாக தயாரிப்புகளை வெளியிடும் குழுக்கள், சிக்கல்களைச் சந்திக்கும் குழுக்களை விட தரவு பணிகளில் மூன்று மடங்கு அதிக நேரத்தை முதலீடு செய்கின்றன.

- 92% பயனர்கள் இத்துறை அடுத்து எங்கு செல்லப் போகிறது என்பது பற்றிய தங்கள் கருத்துகள்.

‘உள்ளே பார்க்க’ என்பதைக் கிளிக் செய்து இப்போதே பதிவிறக்கவும்.

உள்ளே பார்க்க

ஐஇஇஇ ஸ்பெக்ட்ரம் மற்றும் வைலி, வாக்ஸல்51 நிறுவனத்தால் வழங்கப்படும் இந்த வெள்ளை ஆவணத்தை உங்களுக்கு வழங்குவதில் பெருமை கொள்கின்றன.

மேலும் தகவல்

செயற்கை நுண்ணறிவின் கடந்த ஦சாப்த முன்னேற்றம் உரையின் மீது அடிப்படையாக அமைந்திருந்தது, ஆனால் இப்போது முன்னணி இயற்பியல் உலகத்திலிருந்து வரும் தரவுகளை நோக்கியதாக மாறியுள்ளது. காணொளி, லைடார் (LiDAR) புள்ளிக் கூட்டங்கள், சென்சார் தரவு ஓட்டங்கள் மற்றும் பிற உயர்-பரிமாண தரவுகள் இப்போது இயற்பியல் இடத்தில் உணர்வு, தர்க்கம் மற்றும் செயல்பாடுகளை இயக்கும் அமைப்புகளை இயக்குகின்றன. இந்த அறிக்கை, 2026 ஆம் ஆண்டில் 700க்கும் மேற்பட்ட தொழில்முறை நிபுணர்களை ஆய்வு செய்து தயாரிக்கப்பட்டது; இது குழுக்கள் இன்று எவ்வாறு இயற்பியல் செயற்கை நுண்ணறிவை உருவாக்குகின்றன என்பதை ஆவணப்படுத்துகிறது. இது, மாதிரிகளின் பெரும்பாலான தோல்விகளுக்கு தரவு சார்ந்த பிரச்சனைகளே காரணம் எனவும், பெரிய கட்டமைப்புகளை துரத்துவதை விட தரவை தேர்ந்தெடுத்து தரம் உயர்த்துவது முக்கியம் எனவும் காட்டுகிறது. குறிப்பிடுதல் (Annotation) இன்னும் செலவு அதிகமானதும், வீணானதுமாக உள்ளது, ஏனெனில் குழுக்கள் பெரும்பாலும் அனைத்தையும் குறிப்பிட்டுவிட்டு, பின்னர் உற்பத்திக்கு முன்னர் அதன் பெரும்பகுதியை தள்ளிவிடுகின்றன. இந்த கண்டுபிடிப்புகள், தரவு சேகரிப்பு அல்ல, தரவு பணிகளே வெற்றிகரமாக தயாரிப்புகளை வெளியிடும் குழுக்களையும், தடைப்படும் குழுக்களையும் பிரிக்கின்றன என்பதை விளக்குகின்றன.

ஆதாரம் IEEE Spectrum https://content.knowledgehub.wiley.com/the-2026-state-of-visual-and-physical-ai-a-survey-of-700-practitioners-on-data-models-and-production/

Share Facebook X WhatsApp Telegram