Machine Translated by Google

Dự Thảo Ý Tưởng Lớn 1 - Biểu Đồ Tiến Triển www.AI4K12.org

Quá trình chuyển đổi từ tín hiệu sang ý LO = Mục tiêu học tập: những gì học sinh có thể làm được.
Ý tưởng Nhận thức là sự trích xuất ý nghĩa nghĩa diễn ra theo từng giai đoạn, với các
Máy tính nhận thức thế giới
lớn #1: từ thông tin giác quan sử dụng kiến thức. đặc điểm ngày càng trừu tượng và tri
bằng các cảm biến. thức ở cấp độ cao hơn được áp dụng trong EU = Sự hiểu biết lâu dài: những gì học sinh nên biết.
Sự nhận thức từng giai đoạn.

Ý tưởng K-2 3-5 6-8 9-12

cảm biến LO: Nhận biết các giác quan và cơ quan cảm giác của con người. LO: So sánh nhận thức của con người và động vật. LO: Cho ví dụ về cách con người kết hợp thông tin từ Không áp dụng -- vì mục đích AI, chủ đề này đã được
(Những sinh vật sống) nhiều phương thức. giải quyết thỏa đáng ở các nhóm cấp thấp hơn. Các khóa
EU: Mọi người trải nghiệm thế giới thông qua thị giác, EU: Một số loài động vật trải nghiệm thế giới học khác, chẳng hạn như sinh học hoặc tự chọn về tâm
1-Ái thính giác, xúc giác, vị giác và khứu giác. khác với con người. EU: Mọi người có thể khai thác mối tương quan giữa các lý học cảm giác, có thể đi vào chi tiết hơn về các chủ
giác quan, chẳng hạn như thị giác và âm thanh, để hiểu các đề như mùi vị, khứu giác, cảm nhận bản thân và cơ quan
Unpacked: Dơi và cá heo sử dụng sonar. Ong có thể nhìn tín hiệu mơ hồ. tiền đình.
thấy tia cực tím. Chuột không có tầm nhìn màu sắc; chó bị mù

màu đỏ-lục. Chó và chuột có thể nghe thấy tần số cao hơn con
người.
Unpacked: Trong môi trường ồn ào, lời nói sẽ dễ hiểu hơn
khi có thể nhìn thấy miệng của người nói. Mọi người tìm
hiểu các âm thanh liên quan đến các hành động khác nhau
(chẳng hạn như làm rơi đồ vật) và có thể nhận ra khi âm
thanh không phù hợp với mong đợi của họ.
Tài liệu làm giàu có thể có: nhìn vào ảo ảnh quang học
(ảo ảnh Muller-Lyer, tam giác Kanizsa) và hỏi xem hệ
thống thị giác máy tính cũng phải tuân theo những ảo ảnh nào.

cảm biến LO: Định vị và xác định các cảm biến (máy ảnh, LO: Minh họa cảm biến máy tính khác với cảm nhận của con LO: Cho ví dụ về cách các tác nhân thông minh kết hợp LO: Mô tả những hạn chế và ưu điểm của các loại cảm biến
(Cảm Biến Máy Tính) micrô) trên máy tính, điện thoại, rô-bốt và các thiết bị người như thế nào. thông tin từ nhiều cảm biến. máy tính.
khác.
1-A-ii EU: Hầu hết các máy tính không có vị giác EU: Máy tính EU: Ô tô tự lái kết hợp tầm nhìn máy tính với hình ảnh EU: Cảm biến là thiết bị đo các hiện tượng vật lý như ánh
"nhìn" qua máy quay video và ngửi hoặc chạm, nhưng chúng có thể cảm nhận được một số thứ "nghe" qua micrô. radar hoặc lidar. Đo lường GPS và dữ liệu gia tốc kế để sáng, âm thanh, nhiệt độ hoặc áp suất.
mà con người không thể, chẳng hạn như phát xạ tia hồng tạo thành một đại diện chi tiết về môi trường và

ngoại, âm thanh tần số cực thấp hoặc cao, hoặc từ chuyển động của chúng thông qua đó.
tính. Chưa đóng gói: Máy ảnh có độ phân giải, dải động và độ
nhạy quang phổ hạn chế.
Micrô có độ nhạy và đáp ứng tần số hạn chế. Tín
hiệu có thể bị suy giảm do tiếng ồn, chẳng hạn như micrô
trong môi trường ồn ào. Một số cảm biến có thể phát
hiện những thứ mà con người không thể, chẳng hạn như
hình ảnh hồng ngoại hoặc tia cực tím hoặc âm thanh siêu âm.

cảm biến không áp dụng

LO: Giải thích cách hình ảnh được thể hiện bằng kỹ thuật số LO: Giải thích cách âm thanh được thể hiện bằng kỹ thuật số LO: Giải thích cách trình bày dữ liệu radar,
(Mã hóa kỹ thuật số) trong máy tính. trong máy tính. lidar, GPS và gia tốc kế.

1-A-iii EU: Hình ảnh được mã hóa dưới dạng mảng pixel 2D, trong đó EU: Âm thanh được mã hóa kỹ thuật số bằng cách lấy mẫu EU: Radar và lidar thực hiện chụp ảnh độ sâu: mỗi pixel là
mỗi pixel là một số biểu thị độ sáng của phần hình dạng sóng tại các điểm rời rạc (thường là vài nghìn mẫu mỗi một giá trị độ sâu. GPS lập tam giác vị trí bằng cách sử
ảnh đó hoặc giá trị RGB biểu thị độ sáng của các thành phần giây), tạo ra một chuỗi số. dụng tín hiệu vệ tinh và đưa ra vị trí là kinh độ và vĩ độ.
màu đỏ, lục và lam của phần đó. Gia tốc kế đo gia tốc theo 3 chiều trực giao.

Đã giải nén: Radar và lidar đo khoảng cách là thời gian để

tín hiệu phản xạ quay trở lại bộ thu phát. GPS xác
định vị trí bằng cách lập tam giác các tín hiệu
được định thời chính xác từ ba vệ tinh trở lên. Gia tốc kế
sử dụng máy đo biến dạng định hướng trực giao để đo gia tốc
trong không gian ba chiều.

V.0.1 - Phát hành ngày 28 tháng 5 năm 2020 1

Có thể thay đổi dựa trên phản hồi của công chúng
Machine Translated by Google

Dự Thảo Ý Tưởng Lớn 1 - Biểu Đồ Tiến Triển www.AI4K12.org

Quá trình chuyển đổi từ tín hiệu sang ý LO = Mục tiêu học tập: những gì học sinh có thể làm
Ý tưởng Nhận thức là sự trích xuất ý nghĩa nghĩa diễn ra theo từng giai đoạn, với các được.
Máy tính nhận thức thế giới
lớn #1: từ thông tin giác quan sử dụng kiến thức. đặc điểm ngày càng trừu tượng và tri
bằng các cảm biến. thức ở cấp độ cao hơn được áp dụng trong EU = Sự hiểu biết lâu dài: những gì học sinh nên
Sự nhận thức từng giai đoạn.
biết.

Ý tưởng K-2 3-5 6-8 9-12

Xử lý LO: Cho ví dụ về máy thông minh và máy không LO: Sử dụng công cụ phần mềm chẳng hạn như phiên LO: Cho ví dụ về các loại nhận thức máy tính khác nhau LO: Giải thích các thuật toán nhận thức và cách chúng được
(Cảm nhận vs. thông minh và thảo luận điều gì làm cho máy thông âm giọng nói hoặc bản trình diễn nhận dạng đối tượng trực có thể trích xuất ý nghĩa từ các tín hiệu cảm giác. sử dụng trong các ứng dụng trong thế giới thực.

Sự nhận thức) minh.
1-Với EU: Nhiều máy sử dụng cảm biến, nhưng không phải tất
cả đều sử dụng chúng một cách thông minh. Máy không
thông minh bị giới hạn ở cảm biến đơn giản. Máy
thông minh thể hiện nhận thức.
quan để chứng minh nhận thức của máy và giải thích tại
sao đây là nhận thức chứ không chỉ là cảm giác đơn thuần.
EU: Nhận thức là sự trích xuất ý nghĩa từ các tín hiệu
giác quan.
Đã giải nén: nhận dạng giọng nói và nhận diện
EU: Có nhiều thuật toán chuyên dụng cho các tác vụ
nhận thức, chẳng hạn như nhận diện khuôn mặt, nhận
dạng nét mặt, nhận dạng đối tượng, phát hiện
chướng ngại vật, nhận dạng giọng nói, đo độ căng
của giọng nói, nhận dạng âm nhạc, v.v.
Châu Âu: Nhiều thiết bị và dịch vụ dựa trên
các thuật toán nhận thức chuyên biệt, ví dụ: trình đọc
biển số xe, trình đọc mã zip, mở khóa điện thoại
dựa trên khuôn mặt, gắn thẻ mọi người trong các bài
đăng trên Facebook, nhận dạng đối tượng (ví dụ: Google
Lens) hoặc dịch vụ khách hàng dựa trên giọng nói.

Giải nén: Máy ảnh và điện thoại có thể ghi và phát lại
hình ảnh và âm thanh, nhưng việc trích xuất ý
nghĩa từ những tín hiệu này cần có máy tính có trí tuệ
nhân tạo.
khuôn mặt là những ví dụ về nhận thức. Cửa tự
động được kích hoạt bởi một miếng đệm áp suất hoặc
cảm biến siêu âm không thể hiện nhận thức vì nó
chỉ phản ứng với tín hiệu thô thay vì sử dụng kiến thức
để trích xuất ý nghĩa từ tín hiệu.

Xử lý LO: Đưa ra ví dụ về các đặc điểm mà người ta sẽ tìm
(Khai thác tính năng) kiếm nếu muốn nhận ra một loại đối tượng nhất định
(ví dụ: mèo) trong một hình ảnh.
1-B-ii
EU: Các tính năng trực quan của một đối tượng bao gồm
các phần phụ, kết cấu và màu sắc của nó.
Giải nén: để nhận biết mèo, người ta sẽ tìm tai, bàn
chân, râu, mũi và đuôi hình con mèo; cho kết cấu trông
giống như lông thú; và cho các mẫu màu đặc
trưng của mèo.
LO: Minh họa cách hoạt động của tính năng nhận diện khuôn mặt bằng
cách trích xuất các đặc điểm trên khuôn mặt.
EU: Máy dò khuôn mặt sử dụng các thuật toán đặc biệt
để tìm kiếm mắt, mũi, miệng và các đường quai hàm.
Đã giải nén: Nhận dạng khuôn mặt tiến thêm một
bước và cố gắng xác định khuôn mặt của ai đã được
phát hiện. Việc nhận dạng dựa trên các thuộc
tính có thể định lượng được như khoảng cách giữa hai
mắt hoặc hình dạng của đường quai hàm.
LO: Minh họa khái niệm trích xuất tính năng từ hình
ảnh bằng cách mô phỏng bộ dò cạnh.
EU: Vị trí và hướng của các cạnh trong ảnh là các
đặc điểm có thể được phát hiện bằng cách tìm
cách sắp xếp cụ thể các pixel sáng và tối trong
một khu vực nhỏ (cục bộ).
LO: Giải thích cách trích xuất các tính năng từ
dạng sóng và hình ảnh.
EU: Biểu đồ phổ giọng nói cho thấy năng lượng hiện
diện dưới dạng sóng ở các dải tần số khác nhau.
Các chất định dạng là các đặc điểm thính giác được định
nghĩa là các vùng năng lượng tập trung
trong quang phổ. Trích xuất tính năng từ hình ảnh
bắt đầu bằng việc phát hiện các cạnh trong hình
ảnh hoặc độ dốc cường độ ở nhiều tỷ lệ.
Giải nén: Các mẫu định dạng khác nhau được liên
kết với các âm thanh lời nói khác nhau, tức là các
nguyên âm và phụ âm khác nhau.

Xử lý LO: Mô tả các âm khác nhau tạo nên ngôn ngữ nói của LO: Minh họa cách các chuỗi âm thanh có thể được nhận LO: Minh họa cách các chuỗi từ có thể LO: Minh họa hệ thống phân cấp trừu tượng cho lời nói được nhận dạng là cụm
(Đường ống trừu tượng: một người, và với mỗi nguyên âm, hãy cho một từ dạng là từ ứng cử viên, ngay cả khi một số âm thanh từ, ngay cả khi một số hiểu biết, từ dạng sóng đến câu, từ không rõ ràng, bằng cách xem cách các từ khớp với
Ngôn ngữ) chứa âm đó. không rõ ràng. nhau để cho biết kiến thức ở mỗi cấp độ được sử dụng như thế nào với nhau.
giải quyết sự mơ hồ trong các cấp dưới đây.
1-B-iii EU: Để máy tính hiểu được lời nói, nó phải có EU: Chuyển từ âm sang từ là một bước trong quy trình
khả năng nhận ra âm thanh mà từ đó được tạo ra. trừu tượng hóa để hiểu lời nói. EU: Thông tin ở cấp độ biểu diễn cao hơn EU: Hệ thống phân cấp ngôn ngữ nói là: có thể được sử dụng
để giải quyết sự mơ hồ ở cấp độ thấp hơn dạng sóng -> cử chỉ phát âm -> âm thanh -> của đường ống trừu tượng
hóa ngôn ngữ. hình vị -> từ -> cụm từ -> câu.
Giải nén: Có 15 nguyên âm trong tiếng Anh Mỹ: Giải nén: xem xét vấn đề đoán một từ có bốn chữ cái
5 ngắn, 5 dài và 5 "khác". chỉ được cung cấp một phần thông tin về âm thanh Giải nén: trong một cụm từ gồm ba từ, nếu từ đầu Giải nén: Để chuyển từ các tín hiệu ồn ào, mơ hồ sang
Các từ dành cho 5 nguyên âm ngắn là: bid, bed, bad, ở mỗi vị trí, ví dụ: âm thanh đầu tiên là "f" hoặc tiên có thể là "ghế" hoặc "biển" hoặc "xem", từ ý nghĩa đòi hỏi phải nhận ra cấu trúc và áp dụng
bog và bug. "d" và âm thanh thứ hai là "l" hoặc "n". Kiến thức về thứ hai có thể là "the" hoặc "a" hoặc "of" và từ thứ ba kiến thức miền ở nhiều cấp độ trừu tượng. Một ví dụ
các hạn chế giữa các âm liền kề trong một từ có thể có thể là "moody" hoặc "movie", thì cụm từ có khả năng cổ điển: các câu "Làm thế nào để nhận dạng giọng
được sử dụng để thu hẹp các khả năng. Trong trường hợp nhất là "xem phim" vì nó phổ biến cả về mặt ngữ pháp và nói" và "Làm thế nào để phá hủy một bãi biển đẹp" hầu
này, chỉ có "fl" là một chuỗi từ bắt đầu hợp lệ trong thống kê. như giống hệt nhau ở cấp độ dạng sóng.
tiếng Anh. Các lựa chọn thay thế như "ghế một người ủ rũ" nghe
có vẻ tương tự, nhưng không phổ biến về mặt
ngữ pháp cũng như thống kê.

V.0.1 - Phát hành ngày 28 tháng 5 năm 2020 2

Có thể thay đổi dựa trên phản hồi của công chúng
Machine Translated by Google

Dự Thảo Ý Tưởng Lớn 1 - Biểu Đồ Tiến Triển www.AI4K12.org

Quá trình chuyển đổi từ tín hiệu sang ý LO = Mục tiêu học tập: những gì học sinh có thể làm
Ý tưởng Nhận thức là sự trích xuất ý nghĩa nghĩa diễn ra theo từng giai đoạn, với các được.
Máy tính nhận thức thế giới
lớn #1: từ thông tin giác quan sử dụng kiến thức. đặc điểm ngày càng trừu tượng và tri
bằng các cảm biến. thức ở cấp độ cao hơn được áp dụng trong EU = Sự hiểu biết lâu dài: những gì học sinh nên biết.
Sự nhận thức từng giai đoạn.

Ý tưởng K-2 3-5 6-8 9-12

Xử lý LO: Thể hiện sự phân chia hình/mặt đất bằng cách xác định LO: Minh họa đường viền của các đối tượng bị LO: Mô tả cách các bộ phát hiện cạnh có thể được LO: Chứng minh cách lập luận nhận thức ở mức độ trừu
(Đường ống trừu tượng: các hình ở tiền cảnh và hậu cảnh trong một hình che khuất một phần (bị chặn) trong ảnh khác với hình kết hợp để tạo thành các bộ phát hiện tính năng tượng cao hơn dựa trên các mức độ trừu tượng thấp
Tầm nhìn) ảnh. dạng thực của đối tượng như thế nào. phức tạp hơn, ví dụ: cho các chữ cái hoặc hình dạng. hơn trước đó.

1-B-iv EU: Các cảnh trực quan có cấu trúc bao gồm nền và tiền
cảnh, với các đối tượng tiền cảnh che một phần (chặn)
nền.
Giải nén: Hiểu rằng các cảnh có cấu trúc đối với
chúng là một cách để tiếp cận vấn đề nhận thức
hình ảnh của máy.
Châu Âu: Hiểu các cảnh phức tạp đòi hỏi phải tính
đến các tác động của tắc nghẽn khi cố gắng nhận dạng đối
tượng.
Không đóng gói: xem xét hai hộp ngũ cốc, một hộp ở
phía trước và che một phần hộp kia.
Học sinh có thể được yêu cầu vẽ (trên một tờ giấy riêng)
đường viền của mỗi hộp giống như trong hình. Hộp
EU: Quá trình chuyển từ tín hiệu sang ý nghĩa diễn
ra theo từng giai đoạn, với các đặc điểm ngày càng phức
tạp được trích xuất ở mỗi giai đoạn.
Đã giải nén: Ví dụ: phát hiện chữ "A" bằng cách tìm tổ
hợp của ba cạnh được định hướng. Các cạnh được phát hiện
bằng cách nhìn vào pixel.
EU: Cảnh bao gồm các đối tượng, bao gồm các bề mặt và
ranh giới.
Các ranh giới được đánh dấu bằng các đường viền, bao
gồm các cạnh, được tạo thành từ các pixel.
Mối quan hệ giữa các đối tượng trong một cảnh, chẳng
hạn như một đối tượng che khuất một đối tượng khác,
được suy ra từ sự sắp xếp các bề mặt và ranh giới
của chúng.

Máy tính phải thực hiện phân vùng tiền cảnh/hậu cảnh bị che sẽ là một hình chữ nhật, nhưng hộp bị che sẽ là
để chọn ra các đối tượng trong ảnh. một đa giác lõm. Sau đó, học sinh có thể được yêu cầu vẽ
đường viền thực sự của hộp dưới dạng một đường chấm
trong hình ảnh gốc. Họ nên nhận ra rằng họ đang suy ra

đại cương thực sự; hộp có thể bị lỗi và có hình dạng

khác ở vùng mà họ không thể nhìn thấy.

Kiến thức tên miền LO: Mô tả một số điều mà một tác nhân thông minh phải LO: Thể hiện cách hệ thống chuyển văn bản thành giọng nói LO: Phân loại một hình ảnh nhất định (ví dụ: "cảnh giao LO: Phân tích một hoặc nhiều bộ dữ liệu hình ảnh trực
(Các loại tên miền "biết" để hiểu được ý nghĩa của một câu hỏi. thông", có thể giải quyết sự mơ hồ dựa trên ngữ cảnh và cách "cảnh thiên nhiên", "cuộc tụ họp xã hội", v.v.) và sau tuyến và mô tả thông tin mà bộ dữ liệu cung cấp cũng như
Kiến thức) đó tỷ lệ lỗi của nó tăng lên khi được cung cấp một cách phi ngữ pháp mô tả các loại kiến thức mà máy tính nhập cách sử dụng thông tin này để trích xuất kiến thức

vào hoặc vô nghĩa. sẽ cần để hiểu những cảnh thuộc loại này. miền cho hệ thống thị giác máy tính.
1-Có EU: Để hiểu các yêu cầu nói, máy tính phải biết từ vựng
và quy ước phát âm của chúng ta, đồng thời chúng EU: Các hệ thống nhận dạng giọng nói được đào tạo trên EU: Miền kiến thức trong các hệ thống AI thường được
phải có khả năng phân biệt câu hỏi với mệnh lệnh. hàng triệu cách nói, cho phép chúng phân biệt Châu Âu: Kiến thức về lĩnh vực thị giác bao gồm lấy từ số liệu thống kê được thu thập từ hàng triệu câu

Unpacked: Hiểu truy vấn bằng giọng nói chẳng hạn như
"Hôm nay trời có mưa không?" yêu cầu tất cả các
kiến thức trên.
các chuỗi từ phổ biến với các từ không phổ biến, giúp
chúng chọn cách diễn giải tín hiệu có khả năng nhất.
Unpacked: So sánh cách phiên âm của "người cưỡi ngựa
ghì cương ngựa" với "nhà vua trị vì ngựa". Hoặc kiểm
tra hệ thống về "phù thủy nào là phù thủy nào" hoặc "hai
cách để đi là quá nhiều". Để khám phá những ảnh hưởng về
mặt ngữ pháp, hãy so sánh độ chính xác phiên âm của
một câu được đọc với trật tự từ bình thường so với
cùng một câu được đọc với trật tự từ (không phải từng
biết loại đối tượng nào có khả năng xuất hiện trong một
cảnh, nơi chúng có khả năng xuất hiện trong mối quan
hệ với các đối tượng khác và cách che khuất và đổ bóng
có thể thay đổi diện mạo của đối tượng.
Unpacked: Trong cảnh giao thông, ô tô xuất hiện trên
đường, một số biển báo giao thông xuất hiện dọc theo
đường nhưng không ở trên đường, một số biển báo xuất
hiện phía trên đường và người đi bộ xuất hiện trên
vỉa hè, ở lối băng qua đường và đôi khi trên đường.
Trong một cảnh thiên nhiên, phần trên của hình ảnh có
hoặc hình ảnh.
Đã giải nén: cơ sở dữ liệu hình ảnh mẫu:
ImageNet: https://image-net.org/
Coco: http://cocodataset.org/#explore
Dự đoán từ khi nhập văn bản hoặc email là một ví dụ về
việc sử dụng dự đoán thống kê tương tự như những gì được
tìm thấy trong các hệ thống nhận thức cấp cao.
Việc phân tích các bộ sưu tập lớn các hình ảnh tạo ra số
liệu thống kê về loại đối tượng nào có khả năng xuất hiện
đồng thời trong một cảnh.

từ riêng lẻ) bị đảo ngược, ví dụ: "xem quang cảnh" thể là bầu trời xanh và phần dưới của hình ảnh có thể là
so với "xem biển". cỏ hoặc cây xanh.

V.0.1 - Phát hành ngày 28 tháng 5 năm 2020 3

Có thể thay đổi dựa trên phản hồi của công chúng
Machine Translated by Google

Dự Thảo Ý Tưởng Lớn 1 - Biểu Đồ Tiến Triển www.AI4K12.org

Quá trình chuyển đổi từ tín hiệu sang ý LO = Mục tiêu học tập: những gì học sinh có thể làm
Ý tưởng Nhận thức là sự trích xuất ý nghĩa nghĩa diễn ra theo từng giai đoạn, với các được.
Máy tính nhận thức thế giới
lớn #1: từ thông tin giác quan sử dụng kiến thức. đặc điểm ngày càng trừu tượng và tri
bằng các cảm biến. thức ở cấp độ cao hơn được áp dụng trong EU = Hiểu biết lâu dài: những điều học sinh nên biết.

Sự nhận thức từng giai đoạn.

Ý tưởng K-2 3-5 6-8 9-12

Kiến thức tên miền LO: Thảo luận về lý do tại sao các tác nhân thông LO: Thảo luận về cách kiến thức miền cần đủ rộng để bao LO: Mô tả làm thế nào một hệ thống tầm nhìn có thể thể hiện LO: Mô tả một số khó khăn kỹ thuật trong việc làm cho

(Bao gồm) minh cần có khả năng hiểu các ngôn ngữ khác ngoài tiếng Anh.
gồm tất cả các nhóm mà một ứng dụng dự định phục vụ. sự thiên vị văn hóa nếu nó thiếu kiến thức về các đối tượng hệ thống nhận thức máy tính hoạt động tốt cho các
nhóm khác nhau.
không được tìm thấy trong nền văn hóa của những người đã tạo ra nó.
1-C-ii EU: Hệ thống nhận dạng giọng nói cần chứa các
ngôn ngữ khác nhau vì nhiều kiểu người khác nhau sẽ sử EU: Hệ thống nhận dạng giọng nói cần chứa các EU: Kiến thức miền phải tính đến nhiều nền văn Châu Âu: Các đặc điểm khuôn mặt tối hoặc có độ

dụng chúng.
Đã giải nén: Cài đặt Alexa cung cấp nhiều phương ngữ
tiếng Anh (Mỹ, Anh, Canada, Ấn Độ) và nhiều ngôn
ngữ châu Âu và châu Á.
loại giọng khác nhau và cách phát âm thay thế.
Hệ thống nhận dạng âm nhạc phải biết về các thể
loại âm nhạc khác nhau.
hóa nếu ứng dụng AI phục vụ các nhóm khác nhau. tương phản thấp khó nhận ra hơn các đặc điểm sáng,
có độ tương phản cao. Lời nói của trẻ em ở mức độ cao
hơn và ít phát âm rõ ràng hơn so với lời nói của người lớn.
Unpacked: Một chiếc xe tự lái chỉ biết về biển báo
giao thông ở Mỹ sẽ không thể nhận ra biển báo giao
thông ở Châu Âu hay Châu Á.

V.0.1 - Phát hành ngày 28 tháng 5 năm 2020 4

Có thể thay đổi dựa trên phản hồi của công chúng