Artikel ini dikhususkan untuk antarmuka, serta teknologi yang muncul setelah layar sentuh dan perangkat pengenalan suara.
Apple Watch, yang, omong-omong, jauh dari komputer paling kuat saat ini, mampu memproses gigabytes data setiap detik. Otak kita memiliki puluhan miliar neuron dan lebih dari empat kuadriliun senyawa, sementara jumlah informasi yang dapat diproses setiap detiknya sangat besar sehingga kita bahkan tidak dapat memperkirakannya. Namun demikian, jembatan antara otak manusia yang sangat kuat dan dunia teknologi tinggi 0s dan 1s yang sama cepatnya tidak lebih dari perangkat sederhana, seperti keyboard dan mouse komputer, yang telah lama menjadi biasa.
Apple Watch 250 kali lebih kuat daripada komputer yang dengannya modul bulan Apollo bisa mendarat di permukaan bulan. Ketika komputer berevolusi, bidang aplikasi mereka menjadi lebih dan lebih luas: dari komputerisasi seluruh bangunan ke nanometer komputer biasa. Namun, keyboard tetap menjadi sarana interaksi yang paling dapat diandalkan dan banyak digunakan antara seseorang dan komputer.
Pengembangan keyboard komputer pertama dimulai lebih dari
50 tahun yang lalu.
Apa yang akan mengganti keyboard dan mouse?
Sudah hari ini kita dapat mengamati adopsi komputer yang tersebar luas di semua jenis objek di sekitar kita, namun, karena menyambungkan keyboard dan mouse ke objek yang terkomputerisasi tidak selalu nyaman, cara lain harus ditemukan untuk memastikan interaksi. Saat ini, solusi yang paling relevan adalah interaksi menggunakan benda pintar atau IoT - perangkat pengenalan suara. Baiklah, mari kita melihat lebih dekat pada metode interaksi yang sedang dikembangkan oleh para pengembang dan perusahaan riset hari ini.
Sentuh Interaksi
Kemajuan teknologi multisensor dan interaksi melalui gerakan multisensor telah menjadikan layar sentuh menjadi favorit di antara antarmuka. Peneliti dan pemilik startup sedang melakukan penelitian yang bertujuan untuk meningkatkan interaksi dengan bantuan sentuhan: misalnya, perangkat akan dapat menentukan seberapa banyak Anda menekan layar, bagian mana dari jari Anda yang Anda lakukan ini, dan juga siapa yang benar-benar menyentuh perangkat.
Sentuhan 3D iPhone dapat menentukan kekuatan yang Anda sentuh di layar.Qeexo dapat memahami bagian mana dari jari Anda yang Anda sentuh layar.Salah satu favorit saya adalah metode interaksi Swept Frequency Capacitive Sensing (SFCS) yang dikembangkan oleh Profesor Chris Harrison dari Carnegie Mellon University.Interaksi Suara
Penelitian yang didanai DARPA di bidang ini sejauh 70-an (!), Tetapi sampai saat ini, penelitian tersebut belum diterapkan dalam kehidupan. Namun demikian, berkat teknologi pembelajaran yang dalam, perangkat pengenal suara modern telah banyak digunakan. Pada saat ini, masalah terbesar dengan pengenalan suara bukanlah dalam menguraikannya, tetapi lebih pada persepsi dan pemahaman oleh perangkat tentang makna pesan yang dikirimkan kepada mereka.
Hound melakukan pekerjaan yang hebat dengan pengenalan ucapan kontekstual.Interaksi mata
Sistem pelacakan mata mengukur baik arah mata atau pergerakan mata relatif terhadap kepala. Karena berkurangnya biaya kamera dan sensor, dan juga dengan mempertimbangkan semakin populernya kacamata realitas virtual, interaksi pengguna dan komputer yang menggunakan sistem pelacakan mata menjadi lebih relevan dari sebelumnya.
Teknologi Eyefluence Google memungkinkan Anda berinteraksi dengan realitas virtual dengan gerakan mata Anda.Tobii, yang meluncurkan Penawaran Umum Perdana (IPO) pada tahun 2015, dan produsen elektronik konsumen sedang melakukan penelitian bersama pada sistem pelacakan mata.Interaksi gerakan
Menurut pendapat saya, sistem pelacakan gerakan adalah yang paling keren di antara sistem interaksi manusia-komputer. Saya secara pribadi melakukan penelitian tentang berbagai metode pelacakan gerakan, dan berikut adalah beberapa teknologi yang digunakan saat ini:
Unit Pengukuran Inersia (IIU)
Data dari accelerometer, giroskop, dan kompas (semuanya bersama-sama atau hanya beberapa dari mereka) digunakan untuk melacak gerakan. Kebutuhan untuk kalibrasi ulang dan koefisien korespondensi yang cukup rendah antara informasi yang masuk dan yang diterima adalah beberapa masalah yang melekat dalam metode ini.
Hasil penelitian yang dilakukan oleh CMU Future Interfaces Group, adalah klasifikasi yang jelas menggunakan data dengan tingkat pengambilan sampel yang tinggi.Iluminator inframerah + kamera (sensor kedalaman)
Banyak sistem pelacakan gerakan keren yang disajikan di atas menggunakan kombinasi kamera resolusi tinggi, iluminator inframerah, dan kamera inframerah. Sistem seperti ini bekerja sebagai berikut: sistem seperti itu memproyeksikan ribuan titik kecil pada objek apa pun, sedangkan distorsi bervariasi tergantung pada seberapa jauh objek tersebut berada (ada banyak metode serupa lainnya, misalnya ToF, tapi saya tidak masuk ke prinsip kerja mereka Saya akan). Berbagai versi teknologi ini digunakan dalam platform berikut: Kinect, RealSense dari Intel, Leap Motion, Tango dari Google.
Leap Motion adalah perangkat pelacakan gerakan.Apple telah mengambil langkah untuk memperkenalkan sistem serupa di kamera depan iPhone X untuk FaceID.Medan elektromagnetik
Dalam metode ini, jari atau bagian lain dari tubuh adalah objek konduktif yang mendistorsi medan elektromagnetik yang dibuat ketika antena pemancar menyentuh objek.
Jam tangan pintar AuraSense menggunakan 1 pemancar dan 4 antena untuk melacak gerakan.Radar
Radar telah lama digunakan untuk melacak pergerakan berbagai objek - dari pesawat ke kapal dan mobil. Google ATAP benar-benar melakukan pekerjaan perhiasan, menciptakan radar dalam bentuk microchip berukuran 8 kali 10 mm. Chipset serbaguna ini dapat diintegrasikan ke dalam jam tangan pintar, televisi, dan perangkat lain untuk melacak pergerakan.
Google Project ATAP Project Soli.Antarmuka otot-mesin dari Thalmic Labs.Biosignal
Jika teknologi modern ini masih belum membuat Anda jatuh pingsan, maka jangan berhenti di situ. Semua metode di atas mengukur dan mendeteksi produk sampingan dari gerakan kita.
Memproses sinyal langsung dari saraf otot adalah langkah maju untuk meningkatkan interaksi antara orang dan komputer.
Pemrosesan sinyal electromyographic permukaan (sEMG) disediakan dengan memasang sensor pada kulit bisep / trisep atau lengan bawah, sementara sinyal dari berbagai kelompok otot dikirim ke alat pelacak. Karena kenyataan bahwa sinyal sEMG sangat bising, dimungkinkan untuk menentukan gerakan tertentu.
Thalmic Labs adalah salah satu perusahaan pertama yang mengembangkan perangkat khusus berdasarkan sEMG - gelang Myo.Setelah membeli perangkat semacam itu, tentu saja Anda ingin memakainya di pergelangan tangan Anda, namun otot-otot pergelangan tangan cukup dalam, sehingga akan sulit bagi perangkat untuk mendapatkan sinyal yang akurat untuk melacak gerakan.
Lab CTRL, yang telah lama beredar di pasaran, telah menciptakan alat pelacak gesture SEMG yang dapat Anda kenakan di pergelangan tangan Anda. Perangkat semacam itu dari CTRL Labs mengukur sinyal sEMG dan mendeteksi drive saraf yang masuk ke otak setelah gerakan. Metode ini adalah langkah selanjutnya menuju interaksi yang efektif antara komputer dan otak manusia. Berkat teknologi perusahaan ini, Anda dapat mengetik pesan di ponsel dengan tangan di saku.
Antarmuka neurocomputer
Banyak yang telah terjadi selama setahun terakhir: DARPA menginvestasikan $ 65 juta dalam pengembangan antarmuka saraf; Elon Musk mengumpulkan $ 27 juta untuk Neuralink; Pendiri kernel Brian Johnson menginvestasikan $ 100 juta dalam proyeknya; dan Facebook telah mulai bekerja pada pengembangan antarmuka neurokomputer (NCI). Ada dua jenis NCI:
NCI non-invasif
Perangkat electroencephalography (ElectroEncephaloGraphy) menerima sinyal dari sensor yang dipasang di kulit kepala.
Bayangkan sebuah mikrofon dipasang di atas stadion sepak bola. Anda tidak akan tahu apa yang dibicarakan oleh setiap orang, tetapi dengan salam dan poni yang keras Anda dapat memahami apakah tujuan telah tercapai.
Antarmuka berdasarkan ElectroEncephaloGraphy (EEG) sebenarnya tidak bisa benar-benar membaca pikiran Anda. Paradigma NQI yang paling umum digunakan adalah P300 Speller. Misalnya, Anda ingin mengetik huruf "R"; komputer secara acak menampilkan karakter yang berbeda; segera setelah Anda melihat "R" di layar, otak Anda akan terkejut dan memberikan sinyal khusus. Ini adalah cara yang agak masuk akal, tetapi saya tidak akan mengatakan bahwa komputer "membaca pikiran Anda", karena Anda tidak dapat menentukan apa yang dipikirkan seseorang tentang huruf "R", tetapi lebih terlihat seperti trik sulap yang berfungsi, bagaimanapun, pada topik.
Perusahaan seperti Emotiv, NeuroSky, Neurable, dan beberapa lainnya telah mengembangkan headset EEG untuk pasar konsumen yang luas. Facebook's Building 8 mengumumkan proyek Brain Typing, yang menggunakan metode lain untuk menentukan sinyal dari otak yang disebut Functional Near Infrared Spectroscopy (fNIRS), yang bertujuan untuk melacak 100 kata per menit.
Neuro Interface Neurable.NCI invasif
Saat ini, ini adalah langkah tertinggi di bidang antarmuka manusia-mesin. Interaksi antara seseorang dan komputer menggunakan NCI invasif dipastikan dengan menempelkan elektroda langsung ke otak manusia. Namun, perlu dicatat bahwa para pendukung pendekatan ini menghadapi sejumlah masalah yang belum terselesaikan yang masih harus mereka selesaikan di masa depan.
Tantangan yang harus dipecahkan
Mungkin, membaca artikel ini, idenya muncul di benak Anda: mereka mengatakan, jika semua teknologi di atas sudah ada, lalu mengapa kita masih menggunakan keyboard dan mouse. Namun, agar teknologi baru yang memungkinkan manusia dan komputer berinteraksi, bisa menjadi produk konsumen, ia harus memiliki beberapa fitur.
Akurasi
Apakah Anda akan menggunakan layar sentuh sebagai antarmuka utama jika hanya merespons 7 dari 10 sentuhan Anda? Sangat penting bahwa antarmuka, yang akan bertanggung jawab penuh atas interaksi antara perangkat dan pengguna, memiliki akurasi setinggi mungkin.
Menunggu waktu
Bayangkan saja: Anda mengetik pesan di keyboard, sementara kata-kata di layar hanya muncul 2 detik setelah menekan tombol. Bahkan penundaan satu detik akan berdampak negatif pada pengalaman pengguna. Antarmuka manusia-mesin dengan respons tertunda bahkan beberapa ratus milidetik sama sekali tidak berguna.
Pelatihan
Antarmuka manusia-mesin yang baru seharusnya tidak menyiratkan bahwa pengguna belajar banyak gerakan khusus. Misalnya, bayangkan Anda harus mempelajari gerakan terpisah untuk setiap huruf dari alfabet!
Umpan balik
Bunyi klik keyboard, getaran telepon, sinyal suara kecil dari asisten suara - semua ini berfungsi sebagai semacam peringatan bagi pengguna tentang penyelesaian siklus umpan balik (atau tindakan yang ia panggil). Putaran umpan balik adalah salah satu aspek terpenting dari antarmuka apa pun yang sering tidak diperhatikan oleh pengguna. Otak kita diatur sedemikian rupa sehingga menunggu konfirmasi bahwa beberapa tindakan telah selesai dan kami mendapatkan beberapa hasil.
Salah satu alasan mengapa sangat sulit untuk mengganti keyboard dengan perangkat pelacakan gerakan lainnya adalah kurangnya kemampuan perangkat tersebut untuk secara eksplisit memberi tahu pengguna tentang tindakan yang diselesaikan.Saat ini, para peneliti sudah bekerja keras untuk membuat layar sentuh yang dapat memberikan umpan balik sentuhan dalam format 3D, sehingga interaksi dengan layar sentuh harus mencapai tingkat yang baru. Selain itu, Apple telah melakukan pekerjaan yang benar-benar luar biasa ke arah ini.Apa yang menanti kita di masa depan
Karena semua hal di atas, mungkin bagi Anda bahwa kami tidak akan melihat bagaimana sesuatu yang baru akan mengubah keyboard, setidaknya dalam waktu dekat. Jadi, saya ingin membagikan pendapat saya tentang fitur apa yang harus dimiliki antarmuka masa depan:
- Multimodality. Kami akan menggunakan antarmuka yang berbeda dalam kasus yang berbeda. Untuk memasukkan teks, kita masih akan menggunakan keyboard; layar sentuh - untuk menggambar dan mendesain; perangkat pengenalan suara - untuk berinteraksi dengan asisten pribadi digital kami; sistem untuk melacak gerakan menggunakan radar - saat mengemudi; sistem antarmuka otot-mesin - untuk game dan realitas virtual; dan antarmuka neurokomputer - untuk memilih musik yang paling cocok untuk suasana hati kita.
- Pengakuan konteks. Misalnya, Anda membaca artikel di laptop Anda tentang kebakaran hutan di California utara, dan kemudian menggunakan headphone pintar untuk mengajukan pertanyaan dari asisten suara virtual: "Seberapa kuat angin di daerah ini sekarang?" Jadi, asisten virtual harus memahami bahwa Anda bertanya dengan tepat tentang area di mana ada kebakaran saat ini.
- Automatisme . Mengingat perkembangan AI, komputer akan dapat memprediksi dengan lebih baik apa yang Anda rencanakan, dan dengan demikian Anda bahkan tidak harus memberikan perintah kepadanya. Dia akan tahu musik apa yang harus dihidupkan ketika Anda bangun, sehingga Anda tidak memerlukan antarmuka apa pun untuk mencari dan memutar trek favorit Anda.
- Layanan
Promosi Reddit Pertama:
Beli Reddit Upvotes