Issuu on Google+


Wstęp

Mój pomysł na doktorat

4.

Chciałam stworzyć produkt, który nie tylko pogłębi zainteresowania, ale również wprowadzi „świeżość” w sporcie jakim jest wędkarstwo. Projekt powinien zwrócić uwagę młodzieży poprzez wykorzystanie najnowszych technologii oraz dobrze znanych funkcjonalności w nowej formie. Jego przejrzystość powinna również spowodować zainteresowanie osób starszych, którzy zwykle boją się nowinek technicznych. Głównym zadaniem aplikacji będzie ułatwiona pomoc dla wędkarzy (zarówno amatorów

jak i profesjonalistów) w dostępie do wiedzy. To powinno zminimalizować uśmiercanie ryb będących pod ochroną lub w okresie lęgowym, co jest obecnie bolączką Polskiego Związku Wędkarskiego. Dodatkowo aplikacja (za pomocą połączenia z mediami społecznościowymi) pozwoli na zapisanie oraz podzielenie się złowionym okazem ze znajomymi.Aplikacja ma również funkcję społeczną. Za pomocą specjalnego forum oraz spersonalizowanego konta użytkownicy będą mogli wymieniać się


Spis treści

Badania

Algorytm

Inspiracje

8-15

16-17

18-25

Inspiracje

Tauron S.A.

Pozostałe projekty

18-25

54-59

60-69


Badania

Co chciałabym stworzyć?

8.

Chciałabym stworzyć aplikację mobilną, która (dzięki użytkownikom) sama mogłaby się uczyć. Aplikacja byłaby skierowana do wybranej grupy docelowej, którą byliby wędkarze sportowi oraz rekreacyjni. Zbudowana byłaby na niedawno powstałym algorytmie, który imituje naszą pamięć. Dzięki temu po zrobieniu zdjęcia złowionej rybie, aplikacja mogłaby nie tylko ją rozpoznać, ale podać również potrzebne informacje, których zwykle (szczególnie początkującym wędkarzom)

brakuje. Miałoby to wymiar przede wszystkim ekologiczny, ponieważ bardzo wielu amatorów łowi i zabija gatunki, które są albo pod ochroną, albo w okresie ochronnym, co wynika z ich niewieczy. Urządzenie miałoby również wymiar społeczny: wędkarze nie tylko mogliby dzielić się swoimi wynikami w mediach społecznościowych, mogliby poznawać nowe osoby, znajdować siebie po udostępnionej lokalizacji, dzielić się sprawdzonymi wskazówkami, czy znajdować nowe miejsca na łowiska. Widzę


w tym również aspekt ekonomiczny: jeżeli aplikacja zostałaby pobrana przez wielu użytkowników, mogłabym rozpocząć promowanie (oczywiście za opłatą) łowisk komercyjnych, zawodów wędkarskich, promocji w sklepach dla wędkarzy. Wszystko to odbywałoby się za pomocą specjalnych spersonalizowanych wiadomości zwanych push’ami, które użytkownicy dostawaliby bezpośrednio na swoje smartfony.

9.


Zdjęcie: Płoć podczas połowu.

Pierwszy rok pracy nad aplikacją

Przede wszystkim chciałabym go poświęcić na zebranie wszelkich potrzebnych informacji oraz na zaprojektowanie swojej aplikacji. Pierwszy rok pracy mogłabym podzielić na trzy etapy: zbieranie informacji, projektowanie, oraz testowanie. Zebrane informacje powinny nakreślić potrzeby wędkarzy (zarówno amatorów jak i specjalistów), którzy potencjalnie mogliby korzystać z aplikacji. Po ustaleniu wszelkich potrzeb mogłabym przejść do projektowania. Później poddana zostałaby testom na grupie

kontrolnej, którą stanowiłoby przynajmniej 100 osób w różnym wieku. Dokładny czas zakończenia testów będzie zależał od wielu czynników, którymi może być na przykład usprawnienie samego produktu lub uproszczenie jego opcji, aby były bardziej czytelne dla użytkowników. Wtedy wróciłabym do poprzednich etapów, czyli zbierania informacji oraz do projektowania. Na końcu aplikacja znów zostałaby poddana testom.

11.


Badania

Zdjęcie: Jeden z wędkarzy zarzucający przynętę nad Jeziorem Chycińskim.

Drugi rok pracy nad aplikacją 12.

Po dokładnym przetestowaniu nie pozostaje nic innego jak wdrożenie aplikacji do App Store, czy Google Play. Później czekałyby mnie kolejne etapy pracy: zwiększanie liczby użytkowników (marketing) oraz dodawanie dodatkowych funkcjonalności do aplikacji w formie bezpłatnej aktualizacji. Marketing działałby dwutorowo: zarówno za sprawą mediów społecznościowych (specjalne konto na Instagramie, Facebooku, Snapchacie) oraz za sprawą materiałów drukowanych, rozprowa-

dzanych po łowiskach, czy sklepach wędkarskich. Pod koniec drugiego roku pracy, chciałabym mieć około 1000 czynnych użytkowników. Wówczas mogłabym wrócić kolejny raz do etapu projektowania, aby wymyślić i dodać kolejne funkcjonalności, którymi mogłyby być rankingi, dodatkowo punktowane łowiska, nagrody w postaci wirtualnych pieniędzy itp.


Zdjęcie: Wobler używany do wędkowania spinningowego.

Trzeci rok pracy nad aplikacją

Ostatni rok pracy poświęciłabym przede wszystkim na dodaniu płatnych funkcji, które mogłyby zostać wykupywane za sprawą wirtualnych pieniędzy (taki zabieg stosuje się obecnie w wielu grach mobilnych). Dałoby to nie tylko kolejne fundusze, potrzebne do dalszego rozwoju aplikacji, ale również większe możliwości w jej dalszej promocji. Docelowo chciałabym, by aplikacja spełniania rolę nie tylko edukacyjną i społeczną. Za sprawą specjalnego forum, czy minigier mogłaby stać

się przerywnikiem lub „zabijaczem czasu” podczas wędkarskich podbojów. Podsumowaniem trzech lat pracy byłaby specjalnie zorganizowana wystawa, na której byłyby wystawione zdjęcia zrobione przez użytkowników, rankingi, informacje dotyczące ściągnięć oraz użytkowników (średnia wieku, płeć, miejsca użytkowania).

15.


Algorytm

Jak algorytm rozpoznaje obrazy? 16.

Wszystko zaczęło się od pomysłu specjalistów od projektowania generatywnego z niemieckiego Onformative, którzy zaprzysięgnęli komputery do poszukiwania twarzy na powierzchni naszej planety. Efektem ich pracy jest projekt Google Faces, który na dostępnych na Google Maps satelitarnych zdjęciach Ziemi znajduje miejsca przypominające twarze. Celem eksperymentu jest zbadanie, jak można zasymulować na komputerze fizjologiczny fenomen, jakim jest rozpoznawanie pewnych

powtarzalnośc. Algorytm poszukujący twarzy (konkretnie FaceTracker stworzony przez Jasona Saragiha), został „nakarmiony” zdjęciami satelitarnymi Ziemi, które przegląda po kawałku. Po zakończeniu iteracji, czyli obejrzeniu całej powierzchni planety, przychodzi czas na zbliżenie i rozpoczęcie poszukiwań od nowa. Jeśli automat odnajdzie twarz, zapisuje jej współrzędne. Członkowie onformative pochwalili się już wynikami z pierwszych iteracji. Nie wszystkie wyniki w 100% przypo-


minały twarze ludzkie. Wszystko zależy od danych, które dostanie algorytm. Im więcej dokładniejszych zdjęć, oznaczonych jako dany obiekt, tym większe prawdopodobieństwo, że algorytm rozpozna frazę prawidłowo. Właśnie przy pomocy tego (trochę zmienionego) algorytmu, chciałabym, aby moja aplikacja rozpoznawała poszczególne gatunki ryb. Bazą danych, z których czerpałaby obrazy, byłaby Google Grafika. Po wpisaniu danej frazy (na przykład Łosoś), algorytm przerobiłby wszyst-

kie możliwe wyniki, które zostałyby wyświetlone, wyciągając wszystkie podobieństwa i prawidłowości. Im więcej zdjęć, zbadanych przypadków, tym dokładniejszy wynik. Korzystając wyłącznie z jednej frazy aplikacja jest w stanie rozpoznać przywołanego wcześniej łososia w 70%.

17.


Inspiracje

Od inspiracji do aplikacji

18.

Obecnie na rynku znajduje się kilka różnych aplikacji rozpoznających obrazy lub angażujących użytkownika do podwyższania swoich rzeczywistych umiejętności. Algorytm FaceTracker najczęściej wykorzystywany jest w portalach randkowych, społecznościowych lub przez agencje detektywistyczne.


Inspiracje

Zdjęcie: Ekran powitalny aplikacji FindFace.

Aplikacja FindFace rozpozna Cię wszędzie 20.

Dwa miesiące zajęło aplikacji Find Face zdobycie pół miliona użytkowników, w większości z Rosji i innych postradzieckich państw. Zdaniem komentatorów, może ona na dobre skończyć z osobistą anonimowością. Innowacyjny, bardzo szybki algorytm rozpoznawania twarzy pozwala bowiem użytkownikom FindFace ustalić tożsamość sfotografowanych przez nich osób z nawet 80% pewnością. Bazę danych dla Find Face stanowi serwis społecznościowy Vkontakte, dziś mający po-

nad 200 mln aktywnych użytkowników i około miliard fotografii. Stworzona przez startup Trinity Digital aplikacja wykorzystuje moc obliczeniową raptem kilku serwerów, by przeszukać tę bazę fotografii i dopasować najbardziej pasujące twarze, a do nich nazwiska. Jak do tej pory za pomocą ich aplikacji przeprowadzono już niemal 3 mln wyszukiwań.


Inspiracje

Zdjęcie: Skrócony opis działania aplikacji, gdzie użytkownik robi zdjęcie nieznajomej, a aplikacja znajduje jej profil w sieci.

Aplikacja NameTag

22.

Amerykańskim odpowiednikiem FindFace jest aplikacja NameTag. Widzisz fajną dziewczynę/ chłopaka w autobusie? Chcesz zagadać, ale wcześniej może warto byłoby poznać jakieś informację na jej/jego temat? Wyciągasz telefon, robisz zdjęcie, a NameTag dopasowuje je do profili mediów społecznościowych takich jak Facebook, Twitter czy Instagram. Niezły pomysł. NameTag to aplikacja, która niebawem ma pojawić się na systemach Android, iOS i Google Glass. Po zrobieniu zdjęcia, pro-

gram wysyła je na swoje serwery i porównuje z milionami internetowych danych, by dopasować obiekt fotografii do konkretnego imienia i nazwiska. Wyświetla także inne zdjęcia danej osoby i jej profile mediów społecznościowych. Funkcją społeczną aplikacji jest fakt, iż porównuje ona zdjęcie z rejestrem przestępców seksualnych, co ma znacznie poprawić bezpieczeństwo randkujących osób.


Inspiracje

Zdjęcie: Element gry Pokemon Go, którym jest trening w miejscu publicznym.

Aplikacja Pokemon GO

24.

Pokemon GO to wydana na urządzenia mobilne z systemem Android nietypowa gra RPG. Projekt robi użytek z technologii AR. Za pomocą kamery rejestrowany jest otaczający gracza świat, a następnie nakładane na niego są trójwymiarowe obiekty i postacie. W ten sposób szukamy pokemonów, chwytamy je, a następnie toczymy za ich pomocą bitwy z innymi trenerami tych stworków. Gra łączy uniwersum sympatycznych Pokemonów z najnowszymi osiągnięciami techniki mobilnej

oraz technologią rzeczywistości rozszerzonej. Opisywana produkcja jest efektem współpracy posiadającej wyłączną licencję na wykorzystanie marki tytułowych stworków firmy The Pokemon Company, z będącą częścią koncernu Google ekipą Niantic Labs, znaną głównie za sprawą popularnej aplikacji Ingress.



Doktorat