- Prawa autorskie
- Charakter publikacji
- WSTĘP
- 1.4. Praca i codzienne życie
- ROZDZIAŁ 2 IT — FUNDAMENTY ŚWIATA CYFROWEGO
- 2.1. Czym jest IT?
- 2.2. Najważniejsze obszary IT
- 2.2.1. Sprzęt komputerowy
- 2.2.2. Oprogramowanie
- 2.2.3. Sieci komputerowe
- 2.2.4. Bazy danych
- 2.2.5. Cyberbezpieczeństwo
- 2.2.6. Chmura obliczeniowa
- 2.9.1. Chmura a sztuczna inteligencja
- 2.12. Podsumowanie rozdziału
- ROZDZIAŁ 3 JAK DZIAŁA KOMPUTER?
- 3.3.1. Jak działa procesor?
- 3.3.2. Rdzenie i wątki
- 3.3.3. Częstotliwość taktowania
- 3.3.4. Procesor a sztuczna inteligencja
- 3.5.1. Kompatybilność podzespołów
- 3.6.1. Dysk HDD
- 3.6.2. Dysk SSD
- 3.7.1. Grafika zintegrowana i dedykowana
- 3.7.3. GPU i rzeczywistość wirtualna
- Etap 1. Zasilanie
- Etap 2. Firmware
- Etap 5. Uruchomienie programu rozruchowego
- Etap 6. Ładowanie systemu operacyjnego
- Etap 7. Gotowość do pracy
- 3.12.1. Dlaczego dwa stany?
- 3.15. Podsumowanie rozdziału
- ROZDZIAŁ 4 SYSTEMY OPERACYJNE I OPROGRAMOWANIE
- 4.3. Najpopularniejsze systemy operacyjne
- 4.3.1. Windows
- 4.3.2. macOS
- 4.3.3. Linux
- 4.3.4. Android i iOS
- 4.5.1. Interfejs wiersza poleceń
- 4.6. Procesy i wielozadaniowość
- 4.7.1. Rozszerzenia plików
- 4.9.1. Instalowanie oprogramowania
- 4.10.1. Oprogramowanie open source
- 4.11.2. Koniec wsparcia technicznego
- 4.12. Wirtualizacja — komputer w komputerze
- 4.14. Oprogramowanie a sztuczna inteligencja
- 4.14.1. Model AI a aplikacja AI
- 4.15. Oprogramowanie a rzeczywistość wirtualna
- 4.17. Podsumowanie rozdziału
- Programowanie w IT
- Programowanie w sztucznej inteligencji
- Programowanie w VR
- Python
- JavaScript
- C i C++
- C#
- Java
- 5.4. Pierwszy program w Pythonie
- 5.5. Zmienne — przechowywanie informacji
- Zasady nazywania zmiennych
- 5.6. Typy danych
- Pętla for
- Pętla while
- 5.13. Komentarze i czytelność kodu
- 5.14. Błędy w programowaniu
- Błędy składniowe
- Błędy wykonania
- Błędy logiczne
- Debugowanie
- 5.15. Testowanie programów
- Krok 1. Zainstaluj Pythona
- Krok 2. Wybierz edytor
- Krok 4. Uruchom program
- Możliwe rozszerzenia
- Zadania rozszerzające
- 5.19. Programowanie obiektowe — wprowadzenie
- 5.21. Programowanie a sztuczna inteligencja
- Przykład wykorzystania AI
- Programowanie a uczenie maszynowe
- 5.22. Programowanie a rzeczywistość wirtualna
- Etap pierwszy — podstawy
- Etap czwarty — specjalizacja
- Kopiowanie kodu bez zrozumienia
- Ignorowanie komunikatów o błędach
- Brak testowania
- 5.26. Podsumowanie
- 6.1. Czym jest internet?
- Krótka historia internetu
- Internet jako sieć sieci
- Sieci lokalne i rozległe
- Klient i serwer
- Topologie sieci
- IPv4
- Adresy prywatne i publiczne
- IPv6
- Hierarchia DNS
- Najważniejsze rodzaje rekordów DNS
- Przełącznik sieciowy
- Router
- Model warstwowy
- TCP — kontrolowana transmisja danych
- UDP — prostszy transport
- IP — przekazywanie pakietów
- HTTPS — szyfrowana komunikacja
- Porty sieciowe
- Serwer fizyczny i serwer wirtualny
- Serwery WWW
- Bazy danych
- Skalowanie usług
- HTML, CSS i JavaScript
- Renderowanie strony
- Pamięć podręczna
- Ethernet
- Wi-Fi
- Internet mobilny
- Przepustowość a opóźnienie
- Jak działa chmura?
- Najważniejsze cechy chmury
- Chmura publiczna, prywatna i hybrydowa
- Chmura a lokalny komputer
- IaaS — Infrastructure as a Service
- PaaS — Platform as a Service
- SaaS — Software as a Service
- Porównanie modeli
- 6.13. Cyberbezpieczeństwo w sieci
- Najczęstsze zagrożenia
- Aktualizacje oprogramowania
- Publiczne sieci Wi-Fi
- Kopie zapasowe
- Uczenie modeli AI
- API — interfejs programistyczny
- AI lokalna i AI w chmurze
- Prywatność danych w usługach AI
- Gry wieloosobowe
- Zdalne renderowanie
- AI w wirtualnym świecie
- Krok 1. Użytkownik wpisuje adres
- Krok 9. Pobierane są dodatkowe zasoby
- ping
- ipconfig
- nslookup
- tracert
- Przetwarzanie brzegowe — edge computing
- Internet rzeczy — IoT
- Automatyzacja sieci
- 6.19. Ćwiczenia praktyczne
- Ćwiczenie 2. Sprawdź komunikację
- Ćwiczenie 3. Sprawdź DNS
- Inteligencja a wykonywanie instrukcji
- Podstawy matematyczne i pierwsze pytania
- Narodziny dziedziny AI
- Systemy ekspertowe
- Okresy spowolnienia
- Rozwój uczenia maszynowego
- Przełom w XXI wieku
- Współczesna AI
- Uczenie maszynowe — Machine Learning
- Przetwarzanie języka naturalnego — NLP
- Widzenie komputerowe — Computer Vision
- Robotyka i inteligentne sterowanie
- Systemy ekspertowe i reprezentacja wiedzy
- Planowanie i optymalizacja
- AI oparta na danych
- Systemy hybrydowe
- Ogólna sztuczna inteligencja — AGI
- Superinteligencja
- Dane treningowe, walidacyjne i testowe
- Uogólnianie
- Uczenie nadzorowane
- Uczenie nienadzorowane
- Uczenie przez wzmacnianie
- Sztuczny neuron
- Warstwy sieci
- Trening sieci neuronowej
- Generowanie tekstu
- Generowanie obrazów
- Generowanie kodu
- 7.10. Duże modele językowe — LLM
- Kontekst rozmowy
- Wyszukiwarki internetowe
- Nawigacja i transport
- Bankowość i wykrywanie oszustw
- Medycyna
- Edukacja
- Rozrywka i gry komputerowe
- Pomoc w nauce programowania
- Wyszukiwanie błędów
- Dokumentacja
- Automatyzacja pracy
- 7.13. AI i rzeczywistość wirtualna
- Inteligentne postacie
- Wirtualni instruktorzy
- Generowanie środowisk
- Ograniczenia techniczne
- Błędne odpowiedzi
- Zależność od danych
- Uprzedzenia i stronniczość
- Ograniczona niezawodność
- Koszty obliczeń
- Prywatność i bezpieczeństwo
- 7.15. Etyka sztucznej inteligencji
- Odpowiedzialność za decyzje
- Przejrzystość
- Prywatność
- Regulacje
- Krok 1. Poznaj podstawy informatyki
- Krok 2. Naucz się programowania
- Krok 3. Poznaj podstawy matematyki
- Krok 5. Zbuduj pierwszy model
- Krok 6. Eksperymentuj z gotowymi modelami
- Krok 7. Twórz projekty
- 7.21. Podsumowanie rozdziału
- Dane niestrukturalne
- Cechy i etykiety
- 8.5. Przygotowanie danych
- Brakujące wartości
- Duplikaty
- Błędne wartości
- Kodowanie kategorii
- Skalowanie danych
- Uczenie nadzorowane — Supervised Learning
- Uczenie nienadzorowane — Unsupervised Learning
- Porównanie metod
- Zbiór treningowy
- Zbiór walidacyjny
- Zbiór testowy
- Przykładowy podział
- Nadmierne dopasowanie — Overfitting
- Niedostateczne dopasowanie — Underfitting
- Regresja liniowa
- Regresja logistyczna
- Drzewa decyzyjne
- Lasy losowe — Random Forest
- Maszyny wektorów nośnych — SVM
- K-najbliższych sąsiadów — KNN
- K-średnich — K-Means
- Sieci neuronowe
- Accuracy — dokładność klasyfikacji
- Precision — precyzja
- Recall — czułość
- F1-score
- Błędy w klasyfikacji
- Metryki regresji
- Krok 1. Przygotowanie środowiska
- Krok 2. Wprowadzenie kodu
- Krok 3. Uruchomienie programu
- 8.13. Eksperymentowanie z modelem
- Dodatkowe ćwiczenie
- Przeciek danych — Data Leakage
- Nieprawidłowe przygotowanie danych
- Nieodpowiedni podział czasowy
- 8.16. Hiperparametry i optymalizacja modelu
- Bankowość
- Medycyna
- Przemysł
- Transport
- Edukacja
- Handel elektroniczny
- Zależność od danych
- Uprzedzenia w danych
- Brak gwarancji poprawności
- Zmiana warunków
- Koszty obliczeniowe
- Prywatność i bezpieczeństwo
- Najważniejsze elementy MLOps
- Przykład
- Etap pierwszy — Python
- Etap trzeci — analiza danych
- Etap czwarty — pierwsze algorytmy
- Ćwiczenie 3 — przewidywanie cen
- 8.26. Podsumowanie rozdziału
- Przykład intuicyjny
- 9.3. Budowa sztucznego neuronu
- Czym jest bias?
- Przykład liczbowy
- 9.4. Funkcje aktywacji
- ReLU
- Sigmoid
- Tanh
- Softmax
- 9.5. Warstwy sieci neuronowej
- Warstwa wejściowa
- Warstwy ukryte
- Warstwa wyjściowa
- Hierarchiczne reprezentacje
- Etap trzeci — obliczenie straty
- Etap czwarty — propagacja wsteczna
- Błąd średniokwadratowy
- Entropia krzyżowa
- Epoki i partie danych
- Overfitting
- Underfitting
- Regularyzacja
- Early stopping
- 9.11. Konwolucyjne sieci neuronowe — CNN
- Operacja konwolucji
- Warstwy konwolucyjne
- Pooling
- Zastosowania CNN
- 9.12. Rekurencyjne sieci neuronowe — RNN
- LSTM i GRU
- Self-attention
- Generowanie tekstu
- Generowanie obrazów
- Generowanie dźwięku
- Generowanie kodu
- Dlaczego to działa?
- Krok 1. Instalacja biblioteki
- Krok 2. Kod programu
- Krok 4. Uruchomienie
- Krok 5. Eksperyment
- CPU — procesor
- GPU — karta graficzna
- Pamięć RAM
- Pamięć GPU
- Chmura obliczeniowa
- 9.19. Deep Learning w robotyce
- Rozpoznawanie obiektów
- Analiza otoczenia
- Sterowanie ruchem
- Rozpoznawanie dłoni
- Animacja postaci
- Inteligentne postacie
- Generowanie elementów środowiska
- Wydajność i opóźnienia
- Błędne wyniki
- Uprzedzenia
- Prywatność
- Wyjaśnialność
- Bezpieczeństwo wdrożenia
- Człowiek pozostaje odpowiedzialny
- Ćwiczenie 2 — eksperyment z siecią
- Ćwiczenie 3 — rozpoznawanie obrazów
- 9.24. Podsumowanie rozdziału
- Etap 1. Przygotowanie danych
- Etap 2. Trenowanie modelu
- Etap 4. Generowanie odpowiedzi
- Etap 5. Ocena i poprawianie wyniku
- Rola kontekstu
- Praca iteracyjna
- 10.6. Generowanie obrazów
- Ograniczenia generatorów obrazów
- 10.8. Generowanie wideo i animacji
- Przykładowe zastosowania
- 10.9. Generatywna AI w programowaniu
- Przykład 3. Analiza błędu
- Programista i AI
- 10.11. Multimodalna sztuczna inteligencja
- Przykład praktyczny
- 10.13. Halucynacje modeli generatywnych
- Jak ograniczać ryzyko?
- Brak gwarancji prawdziwości
- Ograniczenia kontekstu
- Aktualność informacji
- Koszt obliczeniowy
- Ograniczenia kontroli
- Brak ludzkiej odpowiedzialności
- Prywatność danych
- Prawa autorskie
- Dezinformacja i podszywanie się
- Bezpieczne korzystanie
- Obsługa klienta
- Marketing
- Dokumentacja techniczna
- Analiza danych
- Automatyzacja procesów
- Generowanie środowisk
- Wirtualne postacie
- Personalizacja doświadczenia
- Ograniczenia techniczne
- Jak działa program?
- Jak rozbudować projekt?
- Automatyzacja zadań
- Nowe umiejętności
- Przejrzystość
- Sprawiedliwość
- Ochrona prywatności
- Odpowiedzialność
- Nadzór człowieka
- Regulacje
- Etap 1. Poznaj podstawy AI
- Etap 4. Weryfikuj rezultaty
- Etap 5. Poznaj API
- Etap 6. Poznaj modele lokalne
- Etap 7. Zbuduj projekt
- 10.26. Pytania kontrolne i ćwiczenia
- Ćwiczenie 2. Weryfikacja informacji
- Ćwiczenie 3. Generator edukacyjny
- Ćwiczenie 4. Projekt asystenta
- Ćwiczenie 5. AI w VR
- 10.27. Podsumowanie rozdziału
- Tokeny a koszty
- 11.5. Embeddingi — reprezentacje znaczenia
- Embeddingi w wyszukiwaniu informacji
- 11.6. Architektura Transformer
- Główne elementy Transformera
- Położenie tokenów
- Warstwy modelu
- Query, Key i Value
- Multi-head attention
- Ograniczenia mechanizmu attention
- 11.9. Temperatura i parametry generowania
- Temperatura
- Top-p
- Maksymalna liczba tokenów
- Dobór parametrów do zadania
- Przykład
- Okno kontekstowe a pamięć
- Główne źródła błędów
- Jak weryfikować odpowiedzi?
- Jak działa RAG?
- Przykład zastosowania RAG
- 11.14. LLM a agenci AI
- Cykl działania agenta
- Możliwe rozszerzenia
- Zestaw testowy
- Przykładowe kryteria
- Ocena automatyczna i ludzka
- Poufne dane
- Prompt injection
- Zasada minimalnych uprawnień
- Logowanie i monitoring
- Rozwiązanie hybrydowe
- Modele multimodalne
- Dłuższy kontekst
- Lepsze wykorzystanie narzędzi
- Efektywność obliczeniowa
- Modele specjalistyczne
- Wiarygodność i bezpieczeństwo
- 11.22. Pytania kontrolne i ćwiczenia
- Ćwiczenie 2. Eksperyment z promptem
- Ćwiczenie 3. Projekt RAG
- Ćwiczenie 4. Asystent programistyczny
- 11.23. Podsumowanie rozdziału
- Najważniejsze cechy agenta
- Planowanie
- Wykonywanie działań
- Ocena rezultatu
- 12.5. Narzędzia agentów AI
- Narzędzia internetowe
- Narzędzia programistyczne
- Narzędzia biznesowe
- 12.7. Pamięć i kontekst agenta
- Kontekst bieżącej rozmowy
- Pamięć trwała
- Bazy wektorowe i wyszukiwanie semantyczne
- 12.8. Rodzaje agentów AI
- Agenci reaktywni
- Agenci planujący
- Agenci współpracujący
- Etap szósty — kontrola
- 12.11. Prosty agent w Pythonie
- Co robi program?
- 12.14. Systemy wieloagentowe
- 12.15. Automatyzacja w programowaniu
- Analiza wymagań
- Tworzenie kodu
- Debugowanie
- Testowanie
- Dokumentacja
- Przegląd kodu
- 12.16. Automatyzacja pracy z danymi
- 12.17. RPA i agenci AI
- Nieprawidłowe decyzje
- Nadmierne uprawnienia
- Prompt injection
- Utrata lub ujawnienie danych
- Niekontrolowane koszty
- Krok pierwszy — Python
- Krok drugi — API
- Krok czwarty — narzędzia
- Cel projektu
- Etap drugi — baza wiedzy
- Etap trzeci — integracja z LLM
- Etap piąty — testy
- Etap szósty — raportowanie
- 12.24. Przyszłość agentów AI
- 12.25. Słownik pojęć
- 12.26. Ćwiczenia dla czytelnika
- 12.27. Podsumowanie rozdziału
- Rozdział 13. Tworzenie własnych aplikacji AI
- 13.1. Wprowadzenie
- Przykład
- 13.4. Wybór technologii
- Python
- HTML i CSS
- Bazy danych
- Biblioteki i frameworki
- 13.5. Architektura aplikacji AI
- Tworzenie katalogu projektu
- Przykład integracji
- Struktura instrukcji
- 13.10. Budowanie interfejsu graficznego
- Przykład
- Główne elementy systemu RAG
- 13.13. Obsługa błędów i niezawodność
- Walidacja danych wejściowych
- Ponawianie zapytań
- Limity
- 13.14. Testowanie aplikacji AI
- Testy jednostkowe
- Testy integracyjne
- Testy jakości odpowiedzi
- Testy regresyjne
- 13.15. Bezpieczeństwo aplikacji AI
- Ochrona kluczy API
- Kontrola dostępu
- Ochrona danych
- Prompt injection
- Model lokalny
- Model w chmurze
- 13.17. Wydajność i koszty
- 13.18. Publikowanie aplikacji
- Dokumentacja
- Cel
- Kryteria ukończenia
- 13.21. Kierunki rozwoju aplikacji AI
- 13.22. Słownik pojęć
- 13.23. Ćwiczenia dla czytelnika
- 13.24. Podsumowanie rozdziału
- Początki symulacji
- Eksperymenty w latach 60. XX wieku
- Lata 80. i 90
- Rozwój współczesnych gogli
- Wyświetlacze
- Soczewki
- Pole widzenia
- Regulacja optyczna
- 14.6. Śledzenie ruchu
- Trzy stopnie swobody — 3DoF
- Sześć stopni swobody — 6DoF
- 14.7. Kontrolery, dłonie i interakcja
- Sprzężenie zwrotne
- 14.8. Dźwięk przestrzenny
- PC VR
- Samodzielne gogle VR
- Rozwiązania hybrydowe
- 14.10. Wydajność i płynność obrazu
- Opóźnienie
- Unity
- Unreal Engine
- OpenXR
- Jak wybrać silnik?
- 14.12. Tworzenie pierwszego świata 3D
- Scena
- Materiały i tekstury
- Oświetlenie
- 14.13. Interakcja z obiektami w VR
- 14.14. Zastosowanie VR w grach
- 14.15. VR w edukacji
- Nauka anatomii
- Historia
- Fizyka
- Nauka zawodowa
- Informatyka
- Projektowanie produktów
- Architektura
- Szkolenia pracowników
- Współpraca zespołowa
- Choroba symulatorowa
- Zasady ograniczania dyskomfortu
- Bezpieczna przestrzeń
- 14.19. Dostępność i ergonomia
- 14.20. Prywatność w środowisku VR
- 14.21. VR a sztuczna inteligencja
- Wirtualni asystenci
- Inteligentne postacie
- Personalizacja nauki
- Generowanie środowisk
- 14.22. Wirtualni asystenci i głos w VR
- VR — rzeczywistość wirtualna
- AR — rzeczywistość rozszerzona
- MR — rzeczywistość mieszana
- Cel projektu
- Etap pierwszy — przygotowanie sceny
- Etap trzeci — interakcja
- Etap czwarty — quiz
- Etap piąty — asystent AI
- Etap szósty — testy
- Lepsza optyka i wyświetlacze
- Śledzenie oczu
- Rozwój haptyki
- Połączenie z AI
- Zastosowania profesjonalne
- 14.26. Słownik pojęć
- 14.27. Ćwiczenia dla czytelnika
- 14.28. Podsumowanie rozdziału
- Rozdział 15. Sprzęt i technologie VR 15.1. Wprowadzenie
- 15.2.1. Gogle samodzielne
- 15.3.1. Rozdzielczość
- 15.3.2. Efekt siatki pikseli
- 15.3.3. Gęstość pikseli i ostrość
- 15.4. Rodzaje wyświetlaczy
- 15.4.1. LCD
- 15.4.2. OLED
- 15.4.3. Inne rozwiązania
- 15.5.1. Soczewki Fresnela
- 15.5.2. Soczewki typu pancake
- 15.5.3. Pole widzenia
- 15.5.4. Regulacja rozstawu soczewek
- 15.6.3. Opóźnienie
- 15.7. Czujniki i śledzenie ruchu
- 15.7.1. IMU
- 15.7.2. Śledzenie optyczne
- 15.7.3. Śledzenie zewnętrzne
- 15.7.4. Śledzenie 3DoF i 6DoF
- 15.8. Kontrolery VR
- 15.8.2. Śledzenie dłoni
- 15.8.3. Rękawice haptyczne
- 15.9. Dźwięk przestrzenny
- 15.10. Komputer do VR
- 15.10.1. Karta graficzna
- 15.10.2. Procesor
- 15.10.3. Pamięć RAM
- 15.10.4. Dysk SSD
- 15.10.5. Chłodzenie i zasilanie
- 15.11.1. USB
- 15.11.2. DisplayPort i HDMI
- 15.11.3. VR bezprzewodowe
- 15.12. Systemy operacyjne i oprogramowanie VR
- 15.12.1. OpenXR
- 15.12.2. Unity
- 15.12.4. Narzędzia modelowania 3D
- 15.13. Śledzenie oczu i twarzy
- 15.13.1. Eye tracking
- 15.13.2. Śledzenie twarzy
- 15.14. Śledzenie ciała i ruchu nóg
- 15.16.1. Bezpieczna przestrzeń
- 15.16.2. Higiena
- 15.16.3. Ochrona prywatności
- 15.17.1. VR do gier
- 15.17.2. VR do nauki
- 15.17.4. VR do programowania
- Etap 1. Określenie celu
- Etap 2. Wybór gogli
- Etap 4. Instalacja oprogramowania
- Etap 5. Testowanie
- 15.20. Przyszłość sprzętu VR
- 15.20.1. Mniejsze i lżejsze gogle
- 15.20.2. Lepsza jakość obrazu
- 15.20.3. Dłuższy czas pracy
- 15.20.4. Bardziej naturalna interakcja
- 15.20.5. Integracja z AI
- 15.21. Słownik pojęć
- 15.22. Ćwiczenia praktyczne
- Ćwiczenie 1. Analiza specyfikacji
- Ćwiczenie 2. Projekt stanowiska
- Ćwiczenie 4. Projekt edukacyjny VR
- 15.23. Podsumowanie rozdziału
- 16.3. Podstawowe elementy sceny 3D
- 16.3.2. Materiały
- 16.3.3. Tekstury
- 16.3.4. Oświetlenie
- 16.3.5. Kamera
- 16.4.1. Liczba wielokątów
- 16.4.2. Topologia
- 16.4.3. Normalne powierzchni
- 16.5. Modelowanie 3D
- 16.5.1. Modelowanie z podstawowych brył
- 16.5.3. Modelowanie proceduralne
- 16.6.1. Punkt odniesienia użytkownika
- 16.7. Materiały i teksturowanie
- 16.7.1. Kolor podstawowy
- 16.7.2. Metaliczność
- 16.7.3. Szorstkość
- 16.7.4. Mapy tekstur
- 16.8. Oświetlenie w środowisku 3D
- 16.8.1. Światło kierunkowe
- 16.8.2. Światło punktowe
- 16.8.3. Reflektor
- 16.8.4. Oświetlenie globalne
- 16.8.5. Cienie
- 16.9.1. Rasteryzacja
- 16.9.2. Ray tracing
- 16.9.3. Rozdzielczość renderowania
- 16.9.4. Optymalizacja obrazu
- 16.10. Silniki do tworzenia światów 3D
- 16.10.1. Unity
- 16.10.2. Unreal Engine
- 16.10.3. Blender
- 16.11. Interakcje w wirtualnym świecie
- 16.11.1. Interakcje z obiektami
- 16.11.2. Raycast
- 16.11.3. Kolizje
- 16.11.4. Informacja zwrotna
- 16.12. Fizyka wirtualnego świata
- 16.12.1. Grawitacja
- 16.12.2. Ciała fizyczne
- 16.12.3. Symulacja a rzeczywistość
- 16.13. Animacja obiektów i postaci
- 16.13.2. Szkielety postaci
- 16.13.3. Animacja w VR
- 16.14. Projektowanie przestrzeni i poziomów
- 16.14.1. Czytelny układ
- 16.15. Komfort użytkownika w środowisku VR
- 16.15.1. Stabilny punkt odniesienia
- 16.15.2. Ruch użytkownika
- 16.15.3. Ograniczanie choroby symulatorowej
- 16.16. Optymalizacja światów 3D dla VR
- 16.16.2. Culling
- 16.16.3. Zarządzanie teksturami
- 16.16.4. Testowanie wydajności
- Etap 1. Określenie funkcji
- Etap 3. Import do silnika
- Etap 5. Dodanie interakcji
- Etap 6. Dodanie ruchu użytkownika
- Etap 7. Testowanie
- 16.18.1. Generowanie pomysłów
- 16.18.2. Tworzenie tekstur
- 16.18.3. Generowanie kodu
- 16.18.4. Inteligentne postacie
- Błąd 2. Brak planu
- Błąd 3. Nieprawidłowa skala
- Błąd 4. Nadmierna liczba szczegółów
- Błąd 5. Brak testów w goglach
- Błąd 6. Ignorowanie użytkownika
- 16.21. Przyszłość tworzenia światów 3D
- 16.22. Słownik pojęć
- 16.23. Ćwiczenia praktyczne
- Ćwiczenie 2. Przygotuj model 3D
- Ćwiczenie 4. Zaprojektuj interakcję
- Ćwiczenie 6. Dodaj element AI
- Najważniejsze zastosowania AI w VR
- 17.3.1. Warstwa sprzętowa
- 17.3.2. Warstwa środowiska 3D
- 17.3.3. Warstwa komunikacji
- 17.3.4. Warstwa decyzyjna
- 17.3.5. Warstwa bezpieczeństwa
- 17.4.1. Wirtualny nauczyciel
- 17.4.2. Wirtualny przewodnik
- 17.4.3. Wirtualny rozmówca
- 17.5.1. Kontekst rozmowy
- 17.5.2. Ograniczanie błędnych odpowiedzi
- 17.6.2. Synteza mowy
- 17.6.3. Synchronizacja ruchu ust
- 17.7.1. Maszyny stanów
- 17.7.2. Drzewa zachowań
- 17.7.3. Podejście hybrydowe
- 17.8. Personalizacja doświadczenia VR
- 17.8.3. Analiza postępów
- 17.9. AI w grach VR
- 17.9.1. Inteligentni przeciwnicy
- 17.9.2. Generowanie zadań
- 17.9.3. Dynamiczny świat
- 17.10. AI w edukacji VR
- 17.10.1. Nauka informatyki
- 17.10.2. Nauka programowania
- 17.10.3. Nauka języków obcych
- 17.10.4. Symulacje zawodowe
- 17.11. AI i VR w medycynie
- 17.11.1. Nauka anatomii
- 17.11.2. Symulacje procedur
- 17.11.3. Rehabilitacja
- 17.12.1. Wirtualne szkolenia
- 17.12.2. Cyfrowe bliźniaki
- 17.13.1. Generowanie koncepcji
- 17.13.2. Generowanie zasobów
- 17.13.3. Automatyzacja pracy
- 17.14. Agenci AI w środowisku VR
- 17.14.1. Asystent użytkownika
- 17.14.3. Planowanie działań
- Cel projektu
- Etap 1. Przygotowanie środowiska
- Etap 4. Generowanie odpowiedzi
- Etap 5. Dodanie interakcji
- Etap 6. Testowanie
- 17.17. Wyzwania techniczne
- 17.17.1. Opóźnienia
- 17.17.2. Wymagania sprzętowe
- 17.17.3. Stabilność działania
- 17.17.4. Integracja różnych komponentów
- 17.18.1. Minimalizacja danych
- 17.18.2. Informowanie użytkownika
- 17.18.4. Unikanie manipulacji
- Etap 1. Podstawy grafiki 3D
- Etap 2. Nauka silnika 3D
- Etap 4. Podstawy programowania
- Etap 5. Integracja modelu AI
- Etap 6. Testowanie i poprawianie
- 17.21. Słownik pojęć
- 17.22. Ćwiczenia praktyczne
- 17.23. Podsumowanie rozdziału
- 18.2.2. Przykłady zastosowania AR
- 18.2.3. Zalety i ograniczenia AR
- 18.3.1. Elementy systemu VR
- 18.3.3. Ograniczenia VR
- 18.4.1. Jak działa MR?
- 18.4.2. Przykłady zastosowania MR
- 18.6.1. Rozpoznawanie obiektów
- 18.6.2. Rozpoznawanie gestów
- 18.6.3. Rozumienie mowy
- 18.6.4. Inteligentni asystenci przestrzenni
- 18.7. Rozszerzona rzeczywistość w edukacji
- 18.7.1. Nauka anatomii
- 18.7.2. Nauka fizyki
- 18.7.3. Nauka informatyki
- 18.7.4. Ograniczenia edukacyjne
- 18.8.1. Szkolenie personelu
- 18.8.2. Wizualizacja anatomii
- 18.8.3. Rehabilitacja
- 18.8.4. Wyzwania
- 18.9.1. Instrukcje serwisowe
- 18.9.2. Cyfrowe bliźniaki
- 18.9.3. Szkolenia BHP
- 18.13. Wydajność i komfort użytkownika
- 18.14. Bezpieczeństwo i prywatność
- 18.15. Przyszłość AR, VR i MR
- 18.18. Ćwiczenia praktyczne
- 18.19. Podsumowanie
- 19.2.1. Sprzęt komputerowy
- 19.2.2. Systemy operacyjne
- 19.2.3. Sieci i komunikacja
- 19.4.1. Wizualizacja danych
- 19.4.2. Interakcja z modelami
- Przetwarzanie lokalne
- Edukacja
- Przemysł
- Architektura
- Medycyna
- Rozrywka
- Dostępność
- 19.9. Wyzwania techniczne
- 19.12. Podsumowanie
- 20.2.1. Poufność
- 20.2.2. Integralność
- 20.2.3. Dostępność
- 20.3.1. Phishing
- 20.3.2. Złośliwe oprogramowanie
- 20.3.3. Ransomware
- 20.3.4. Ataki na hasła
- 20.3.5. Nieaktualne oprogramowanie
- 20.5.1. Halucynacje modeli
- 20.5.2. Prompt injection
- 20.5.3. Nadmierne uprawnienia agentów AI
- 20.6. Deepfake i wiarygodność informacji
- 20.7. Prywatność w VR i AR
- 20.8. Etyka sztucznej inteligencji
- 20.8.1. Stronniczość danych
- 20.8.2. Przejrzystość
- 20.8.3. Odpowiedzialność
- 20.12. Podsumowanie
- 21.2. Przyszłość komputerów i infrastruktury IT
- 21.2.1. Większa wydajność
- 21.2.2. Przetwarzanie brzegowe
- 21.2.3. Chmura obliczeniowa
- 21.3. Rozwój sztucznej inteligencji
- 21.3.1. Modele multimodalne
- 21.3.3. Agenci AI
- 21.3.4. Personalizacja
- 21.4.1. Nowe kompetencje
- 21.5.1. Lżejsze urządzenia
- 21.5.2. Lepsza jakość obrazu
- 21.5.3. Naturalna interakcja
- 21.5.4. Symulacje szkoleniowe
- 21.6. Przyszłość AR i MR
- 21.7. AI w wirtualnych światach
- 21.12. Podsumowanie
- 22.2.1. Przygotowanie środowiska
- 22.2.2. Przykładowy kod
- 22.2.3. Jak działa program?
- 22.2.4. Możliwe rozszerzenia
- 22.3.1. Plan projektu
- 22.3.2. Przykładowy kod
- 22.4.1. Przykładowy kod
- 22.4.2. Rozbudowa projektu
- 22.5.2. Ważne zasady
- 22.6.1. Najważniejsze etapy
- 22.6.2. Na co uważać?
- 22.7.1. Plan środowiska
- 22.8.1. Minimalna wersja
- 22.8.2. Komfort użytkownika
- 22.9.1. Architektura
- 22.9.2. Przykład interakcji
- 22.9.3. Bezpieczeństwo
- Etap pierwszy — podstawy IT
- Etap drugi — programowanie
- Etap trzeci — praca z danymi
- Etap czwarty — sztuczna inteligencja
- Etap piąty — aplikacje
- Etap szósty — grafika 3D i VR
- Technologia jest narzędziem
- Podstawy mają znaczenie
- AI nie jest nieomylna
- Praktyka przyspiesza naukę
- Nie trzeba wiedzieć wszystkiego
- O autorze
- Koniec książki
E-book
za 31.5
drukowana A5
za 104.66