Kan AI se ting på tværs af det brede EM-spektrum og forstå, hvad den ser, for eksempel i røntgen- eller mikrobølgeområdet ?
Afgiv din stemme — læs så hvad vores redaktør og AI-modellerne fandt.
At udvide opfattelsen ud over det menneskeligt synlige lys til bånd som røntgen eller mikrobølger lover adgang til helt nye typer information. Dog kan manglen på domænespecifikke træningsdata begrænse, hvor godt AI kan fortolke, hvad disse sensorer "ser". Udfordringen bliver mere kompleks, når man forsøger at forbinde meget forskellige dele af det elektromagnetiske spektrum.
Background
AI-systemer kan analysere billeder fanget på tværs af det elektromagnetiske (EM) spektrum, herunder røntgen-, mikrobølge- og synlige bånd, ved hjælp af maskinlæringsmodeller, der er fortrænede på mærkede datasæt fra hvert domæne. For eksempel er dybe konvolutionelle netværk og vision-transformere blevet finjusteret til medicinsk røntgenfortolkning og til syntetisk aperturradar (SAR) til at detektere objekter eller miljømæssige træk i mikrobølgedata. Dog forringes ydeevnen, når modeller overføres direkte mellem meget forskellige bånd uden tilstrækkelige domænespecifikke data eller fysik-informeret regularisering. Tværspektret forståelse forbliver derfor et aktivt forskningsområde, der kombinerer sensorfusion, domæneadaptation og forklarbar AI-teknikker. — Beriget 12. maj 2026 · Kilde: National Academies of Sciences, Engineering, and Medicine
Foreslå et tag
Mangler et begreb i dette emne? Foreslå det, admin gennemgår.
Status senest tjekket May 15, 2026.
Galleri
Kan AI se ting på tværs af det brede EM-spektrum og forstå, hvad den ser, for eksempel i røntgen- eller mikrobølgeområdet?
Snævre demoer findes — men panelet var ikke enigt.
Juryen var enige om, at AI er blevet bemærkelsesværdigt god til at opfatte og kategorisere bølger – som røntgenstråler gennem mikrobølgeovne – men standsede kort foran en fuld forståelse, der føles menneskelig. To jurymedlemmer nikkede “Næsten”, fordi maskinerne er fremragende til tal og etiketter, men ingen kunne sværge på, at koden egentlig *ser* som vi gør. Kendelse: “AI kan kaste nettet vidt ud, men savner stadig nettets betydning.”
The jury agreed AI has grown remarkably good at sensing and categorizing waves—like X-rays through microwave ovens—but stopped short of full comprehension that feels human. Two jurors nodded “Almost” because the machines excel at numbers and labels, yet none could swear the code truly *sees* as we do. Ruling: “AI can cast the net wide, yet still misses the net’s meaning.”
But the data is real.
The Case File
Across 2 sessions, 6 jurors have heard this case. Combined tally: 1 YES · 2 ALMOST · 3 NO · 0 IN RESEARCH.
Note: cumulative includes older juror opinions. The current session tally above is the live verdict.
By a vote of 1 — 2 — 0, the panel returns a verdict of NæSTEN, with verdict confidence of 83%. The court so orders. Verdict upgraded from prior session.
"AI can process EM spectrum data across bands like X-ray or microwave, but not with universal human-like understanding."
"AI systems can process and interpret multispectral and hyperspectral data, including X-ray and microwave, when trained on labeled sensor inputs from specialized imaging equipment."
"AI analyzes multispectral data"
Individuelle nævningers udtalelser vises på originalengelsk for at bevare bevismæssig præcision.
Hvad publikum mener
Nej 60% · Ja 0% · Måske 40% 5 votesDiskussion
no comments⚖ 2 jury checks · seneste for 10 timer siden
Hver række er et separat jurytjek. Nævninger er AI-modeller (identiteter holdt neutrale med vilje). Status afspejler den kumulative optælling på tværs af alle tjek — hvordan juryen virker.
Flere i technology
Kan AI vurdere en persons kørefærdigheder ved hjælp af indbyggede sensorer i bilen og potentielt rapportere dem til myndighederne ?
Kan AI oversætte gamle sprog ?
Can AI predict heart failure hospitalization risk using patient-generated ecg data from smartwatches ?