"কম্পিউটার ভিশন" কী?

কম্পিউটার ভিশন হলো কৃত্রিম বুদ্ধিমত্তার সেই শাখা, যা ছবি ও ভিডিও থেকে দৃশ্যমান তথ্য বুঝতে এবং তার অর্থ বের করতে মেশিনকে সক্ষম করার ওপর কেন্দ্রীভূত। এই ব্যবস্থাগুলোকে বিপুল সংখ্যক লেবেলযুক্ত ছবি দিয়ে প্রশিক্ষণ দেওয়া হয়, যাতে তারা প্যাটার্ন, প্রান্তরেখা, আকৃতি ও বস্তু চিনতে শেখে, ফলে তারা মুখ শনাক্ত করতে, রাস্তার সাইন পড়তে, ছবি বাছাই করতে, বা মেডিকেল স্ক্যানে টিউমারের মতো সন্দেহজনক আকৃতি চিহ্নিত করতে পারে, প্রায়ই মানুষের একই ছবি দেখার চেয়ে দ্রুত ও সামঞ্জস্যপূর্ণভাবে।

একটা উচ্চ-রেজোলিউশনের মনিটর কেবল মানুষকে ছবি দেখানোর একটা প্রদর্শন যন্ত্র মাত্র; এটা পর্দায় কী আছে তা বুঝতে বা ব্যাখ্যা করতে পারে না। চোখের অস্ত্রোপচার একটা চিকিৎসা প্রক্রিয়া, যা মানুষের চোখের ওপর করা হয়, ডিজিটাল ছবি বিশ্লেষণকারী সফটওয়্যারের সাথে এর কোনো সম্পর্ক নেই।

স্বচালিত গাড়ি আর মেডিকেল ইমেজিং দুটোই খুব একই রকম মৌলিক কম্পিউটার ভিশন কৌশলের ওপর নির্ভর করে, যে কারণে একটা ক্ষেত্রের অগ্রগতি—যেমন স্বচালিত যানবাহনের জন্য উন্নত বস্তু শনাক্তকরণ—প্রায়ই দ্রুত ক্যান্সার শনাক্তকরণের মতো সম্পর্কহীন প্রয়োগে পৌঁছে যায়।