Η Εκπαιδευτική Ενότητα 6 – Το Εικονικό Περιβάλλον προσφέρει μια εις βάθος εξερεύνηση δύο μετασχηματιστικών τεχνολογικών τομέων: Τεχνητή Νοημοσύνη και Εκτεταμένη Πραγματικότητα. Σχεδιασμένο για να παρέχει τόσο θεωρητικές βάσεις όσο και πρακτικές γνώσεις, εξοπλίζει τους συμμετέχοντες με τις γνώσεις και τις δεξιότητες που απαιτούνται για την κατανόηση και την εφαρμογή τεχνικών αιχμής σε αυτούς τους τομείς. Από τις βασικές αρχές της μηχανικής μάθησης και της βαθιάς μάθησης έως προηγμένες εφαρμογές όπως το Human Digital Twins και από περιβάλλοντα εικονικής πραγματικότητας έως συστήματα επαυξημένης και μικτής πραγματικότητας, το μάθημα γεφυρώνει το χάσμα μεταξύ της καινοτομίας που βασίζεται στην τεχνητή νοημοσύνη και των καθηλωτικών τεχνολογιών εκτεταμένης πραγματικότητας.
Αυτό το μάθημα διαρθρώνεται σε δύο κύριες ενότητες: Τεχνητή Νοημοσύνη και Εκτεταμένη Πραγματικότητα, καθεμία από τις οποίες ασχολείται με κρίσιμες τεχνολογίες και τις εφαρμογές τους.
Η πρώτη ενότητα, που επικεντρώνεται στην Τεχνητή Νοημοσύνη, ξεκινά με μια εισαγωγή στα συστήματα τεχνητής όρασης. Παρέχει μια επισκόπηση της όρασης υπολογιστή και εμβαθύνει στη λειτουργικότητα και τις εφαρμογές των καμερών RGB-D, δίνοντας έμφαση σε διάφορες τεχνικές απόκτησης βάθους όπως η παθητική στερεοσκόπηση, το δομημένο φως, η ώρα πτήσης και η ενεργή στερεοσκόπηση. Επιπλέον, αυτό το μέρος διερευνά βασικές τεχνικές επεξεργασίας εικόνας που στοχεύουν στην προετοιμασία οπτικών δεδομένων για αλγόριθμους Machine Learning (ML) και Deep Learning (DL).
Προχωρώντας στις βασικές αρχές της Τεχνητής Νοημοσύνης, η ενότητα ορίζει βασικές αρχές και εξηγεί τους διαφορετικούς τύπους μηχανικής μάθησης, παρουσιάζοντας τυπικούς αλγόριθμους ως προοίμιο για την εισαγωγή της βαθιάς μάθησης. Αυτή η ενότητα τονίζει επίσης τη σημασία των μετρήσεων αξιολόγησης, συμπεριλαμβανομένου του πίνακα σύγχυσης, της ακρίβειας, της ακρίβειας, της ανάκλησης και της βαθμολογίας F1, που είναι ζωτικής σημασίας για την αξιολόγηση της απόδοσης των μοντέλων AI.
Η ενότητα βαθιάς μάθησης ολοκληρώνει αυτήν την ενότητα ανιχνεύοντας την ιστορία, τις δυνατότητες και τις προκλήσεις που σχετίζονται με αυτό το προηγμένο πεδίο. Ιδιαίτερη προσοχή δίνεται στις τεχνικές βελτιστοποίησης απόδοσης, με έμφαση στην αύξηση δεδομένων και τον κρίσιμο ρόλο της. Το μάθημα υπογραμμίζει επίσης τις εφαρμογές της βαθιάς μάθησης στην ανάπτυξη Ανθρώπινων Ψηφιακών Διδύμων, ειδικά για την παρακολούθηση της ανθρώπινης συμπεριφοράς για εις βάθος ανάλυση συμπεριφοράς.
Η δεύτερη ενότητα του μαθήματος μετατοπίζεται στην εκτεταμένη πραγματικότητα (XR), ξεκινώντας με μια επισκόπηση του φάσματος XR, που καλύπτει την Επαυξημένη, τη Μικτή και την Εικονική Πραγματικότητα. Εξετάζει οθόνες που τοποθετούνται στο κεφάλι (HMD), εστιάζοντας σε τεχνολογίες όπως το Hololens 2 για επαυξημένη πραγματικότητα και οι συσκευές Meta Quest για εφαρμογές μικτής και εικονικής πραγματικότητας.
Στη συνέχεια, η ενότητα εμβαθύνει σε περιβάλλοντα εικονικής πραγματικότητας, ξεκινώντας με τις βασικές αρχές της τρισδιάστατης μοντελοποίησης και καθοδηγώντας τους συμμετέχοντες στη διαδικασία δημιουργίας ενός πλέγματος από την αρχή. Οι συμμετέχοντες θα μάθουν για την υφή και τη σκίαση, συμπεριλαμβανομένης της χρήσης υλικών, χρωμάτων και φωτισμού. Αυτό το τμήμα εισάγει επίσης τα βασικά της κινούμενης εικόνας υπολογιστή, τονίζοντας τον ρόλο της στη βελτίωση της εμπειρίας χρήστη.
Τέλος, η Εκπαιδευτική Ενότητα εξερευνά την επαυξημένη και μεικτή πραγματικότητα, ξεκινώντας με τεχνικές παρακολούθησης αντικειμένων που συγκρίνουν προσεγγίσεις που βασίζονται σε δείκτες και προσεγγίσεις χωρίς δείκτες. Απευθύνεται επίσης στο σχεδιασμό διεπαφής χρήστη, δίνοντας έμφαση στον τρόπο ανάπτυξης εφαρμογών χρησιμοποιώντας μια προσέγγιση με επίκεντρο τον χρήστη για μεγιστοποίηση της χρηστικότητας και της αφοσίωσης.
Αυτή η ολοκληρωμένη Εκπαιδευτική Ενότητα παρέχει στους συμμετέχοντες τα θεωρητικά θεμέλια και τις πρακτικές δεξιότητες για να εργαστούν με τεχνολογίες τεχνητής νοημοσύνης και εκτεταμένης πραγματικότητας, διασφαλίζοντας ότι είναι καλά προετοιμασμένοι για τις προκλήσεις και τις ευκαιρίες σε αυτούς τους ταχέως εξελισσόμενους τομείς.
