ගිම්හානය මධ්යයේ සෝයා බෝංචි ප්රාන්තය පරීක්ෂා කිරීම සඳහා ක්ෂේත්ර නිරීක්ෂණ - වෙහෙස මහන්සි වී වැඩ කිරීම, නමුත් නව ප්රභේද ඉවත් කිරීමේදී අවශ්ය වැඩ.
වැඩෙන සමයේ දැවෙන සූර්යයා යටතේ අභිරුචිකරණ සූර්යයා යටතේ අභිජනනය කරන්නන් දරුණුතම සූර්යයා යටතේ ඉබාගාතේ යා යුතුය. එහෙත්, මෙම සං signs ා හඳුනා ගැනීම ස්වයංක්රීය කිරීමට අවස්ථාව නොතකා, විද්යා scientists යින්ට නව ප්රභේද වෙළඳපොළ තුරන් කිරීම සඳහා කාලය වැඩි කිරීමට කැමති ස්ථාන ලෙස පරීක්ෂා කළ නොහැක.
ඉලිනොයිස් විශ්ව විද්යාලය පිළිබඳ නව අධ්යයනයේ දී විද්යා scientists යින් පුරෝකථනය කරන්නේ ඩ්රෝන හා කෘතිම බුද්ධියෙන් පින්තූර දින දෙකක් තුළ සෝයා බෝංචි හි මේරීමයි.
"පොඩ් කල්පිරීම සඳහා තක්සේරු කිරීම බොහෝ කාලයක් අවශ්ය වන අතර මෙහිදී බොහෝ විට වැරැද්දක් කළ හැකිය. , ඉලිනොයිස් හි ආධ්ය සහකාර මහාචාර්යවරයා සහ අධ්යයන සහයෝගීකරුවා. "බොහෝ දෙනෙක් ඩ්රෝන යානා වලින් ස්නැප්ෂොට් භාවිතා කිරීමට උත්සාහ කළ නමුත් එය කිරීමට නිවැරදි ක්රමයක් සොයාගත්තේය."
නඩු පහක්, වැඩෙන සමය තුනක් සහ රටවල් දෙකක් තුළ මාටින් සමඟ වැඩ කරන ආචාර්ය උපාධි සහිත රොඩ්රිගෝ ට්රෙවියන් විසින් පරිගණක ඉගැන්වීම සඳහා පරිගණක ඉගැන්වීය. "නරක" රූප පවා පරිගණක සලකා බලා අර්ථ දැක්වීමට හැකි බව සැලකිල්ලට ගැනීම වැදගත්ය.
"සෑම දින තුනකට වරක්ම පින්තූර එකතු කිරීමට අපට අවශ්ය යැයි කියමු, නමුත් වලාකුළු දිස් වූ පසු, පින්තූරවල ගුණාත්මක භාවයට බලපායි. අවසානයේදී, විවිධ වර්ෂ සඳහා හෝ විවිධ ස්ථාන වලින් ඔබට දත්ත ලැබුණු විට, ඒවා සියල්ලම රූප ගණන, කාල පරතරයන් සහ යනාදියෙහි දෘෂ්ටි කෝණයෙන් වෙනස් වේ. අප වර්ධනය කර ඇති ප්රධාන නවෝත්පාදනයන් යනු ලැබුණු සියළුම තොරතුරු සැලකිල්ලට ගත හැකි ආකාරයයි. අපගේ ආකෘතිය හොඳින් ක්රියාත්මක වන්නේ දත්ත කොතරම් වාර ගණනක් වුවද, "ට්රෙවාසන් මෙසේ පවසයි.
ට්රෙවීසන් කෘතිම බුද්ධිය භාවිතා කරමින්, ගැඹුරු සංක්ෂිප්ත ස්නායුක ජාල (සීඑන්එන්) ලෙස හැඳින්වේ. සීඑන්එන් යනු රූපවල සංරචක අර්ථ නිරූපණය කිරීම - වර්ණය, හැඩය, වයනය - අපගේ ඇස්වලින් ලබාගත් තොරතුරු වන මිනිස් මොළය මිනිස් මොළය ඉගෙන ගන්නා ක්රමයක් හා සමාන බව ඔහු පවසයි.
"ආකාර, දේශසීමා සහ වයනය හැරුණු විට සීඑන්එන් වර්ණයෙහි කුඩා වෙනස්කම් හඳුනා ගනී. අපට, වඩාත්ම වැදගත් දෙය විය. නමුත් අප භාවිතා කළ කෘතිම බුද්ධි බුද්ධි අංශවල ආකෘතිවල වාසිය නම්, අපි අස්වැන්න හෝ පරතරය වැනි තවත් ලක්ෂණයක් පුරෝකථනය කිරීම සඳහා එකම ආදර්ශයක් භාවිතා කිරීම ඉතා සරල බවයි. ඉතින්, දැන්, අපට මෙම ආකෘති ඇති අතර, වෙනත් බොහෝ කාර්යයන් ඉටු කිරීමේ උපාය මාර්ග භාවිතා කිරීම සඳහා ජනතාව එකම උපක්රමයක් භාවිතා කිරීමට වඩා පහසු විය යුතුය. "යනුවෙන් ට්රොයිසන් පැහැදිලි කළේය.
වාණිජ සමාගම්වල තාක්ෂණය මූලික වශයෙන් වාණිජ සමාගම් බෝ කිරීම සඳහා ප්රයෝජනවත් වන බව විද්යා ists යෝ පවසති.
"ඉදිරි වර්ෂවලදී එය භාවිතා කිරීමට අනිවාර්යයෙන්ම අවශ්ය වන අධ්යයන කටයුතුවලට සහභාගී වූ ආංශික හවුල්කරුවන් අපට සිටියහ. ඔවුන් ඉතා හොඳ වැදගත් දායකත්වයක් ලබා දුන්නා. ශාක හා ගොවීන් සඳහා තීරණ ගන්නා ක්ෂේත්ර අභිජනනය කරන්නන් සඳහා පිළිතුරු අදාළ බවට සහතික කර ගැනීමට ඔවුන්ට අවශ්ය විය "යනුවෙන් නිකලස් මාටින් පැවසීය.
(මූලාශ්රය: ෆාම්ටරයෝ.කොම්. ඡායාරූපය: ගෙටි රූප).