Роботы, автоматы, роверы, манипуляторы, аватары, теледроид, теслабот, нейролинк

[Настрел]

Практический пример (может тупой ИИ попался, я не знаю, но с другими не сталкивался).

Ого, куда всё зашло. Уже есть люди сталкивавшиеся с ИИ )))
Хотя вроде бы никто не утверждал что ИИ уже создан.
Уже существуют системы с элементами ИИ. Причем с такими, что многие люди не способны отличить эту систему от реального человека.

Но это же не значит что ИИ уже создан! Это лишь значит, что его создание ВОЗМОЖНО. И уже не столько далеко, как это казалось, скажем 15 лет назад.

Вопрос к ChatGPT:

Ну это тоже самое, что 30 лет назад, показывать несостоятельность ИИ приводя в пример работу на деревянных счетах. См. выше почему.

[mik73]

В любом случае любому ИИ эта, и любая другая, кракозябра, даром не нужна.

Так же, как продаванам и прочим маркетологам, ею торгующим, что характерно.
Вот они друг друга  обучают.

[mik73]

Причем с такими, что многие люди не способны отличить эту систему от реального человека.

От некоторых разновидностей реальных людей эту систему действительно ен отличить. И мы все с этими людьми неоднократно сталкиваемся - они "продвижением продуктов" занимаются. В которых продуктах сами ничего не понимают. Ну и на фига такие ИИ нужны?

Это лишь значит, что его создание ВОЗМОЖНО.

ВОЗМОЖНО оно будет только тогда, когда ИИ возьмёт эту кракозябру попробует её куда нибудь прибить, засунуть, или свернуьт, или установить, или что там еще с ней положено делать, обнаружит, что при этом непременно приходится наступить  на некоторое количество граблей, и вот на основе приобретенного опыта сумеет дать кракозяре какую-нибудь содержательную оценку.

Но это всё - очень вряд ли. А без этого (опыта практического использования кракозябры) - цена информации, которую ИИ о ней подберёт - чуть меньше, чем никакая. Примерно так.

[Настрел]

ВОЗМОЖНО оно будет только тогда, когда ИИ возьмёт эту кракозябру попробует её куда нибудь прибить, засунуть, или свернуьт, или установить, или что там еще с ней положено делать, обнаружит, что при этом непременно приходится наступить  на некоторое количество граблей, и вот на основе приобретенного опыта сумеет дать кракозяре какую-нибудь содержательную оценку.

Автопилот теслы(и не только) решает описанную задачу миллион раз каждый день. 
 

От некоторых разновидностей реальных людей эту систему действительно ен отличить.

Вы всё еще про счеты(ЧатЖПТ), или про все системы с элементами ИИ вообще?
Я уверен, что если вас посадить в автомобиль у которого будет закрыто непрозрачной стенкой водительское место, и несколько раз проехать по городу под управлением реального водителя и под управлением FSD, вы лично не сможете отличить когда был человек, а когда FSD.

Но вряд ли вы после этого начнете себя приписывать к некоторым разновидностям людей.

[simple]

Вот тут вопрос в другом: а зачем ему, ИИ, быть как человек? ЗАЧЕМ?

вы какуюто чушь пишите, выходящую за пределы моего исходного комментария 

[simple]

в тему
ИИ выходит на новый уровень: LLM обретают пространственно-временную картину мира / Хабр (habr.com)

забавная цепочка комментариев
https://habr.com/ru/companies/bothub/articles/770358/#comment_26102550

"ошибается" так же как человек

[АниКей]

[mik73]

Автопилот теслы(и не только) решает описанную задачу миллион раз каждый день.

интересный поворот сюжета.
а он что - тоже ии?
а тогда любая СУ с терминальным управлением - тоже ии?
и, скажем, автопилот, управляющий марсианским вертолётиком, или даже то, что посадочную ступень на Марс сажало, или скажем Буран - оно ии?

я без глума. мне правда интересно - а каково тогда опредение ии?
и какое количество зерён составляет кучу - то есть где грань между программой посадки какого-нибудь Бурана и автопилотом Теслы,  делающая одно не ии, а второе ии?

[Dulevo]

Если алгоритм заложен заранее человеком - то не ИИ.
Скажем затормозить при обнаружении препятствия на дороге

Если программа сама себя обучила по видео - ИИ.

Во 2-м случае поведение гораздо сложнее и гибче. Например может решить не тормозить - а обьехать препятствие.

[nonconvex]

поскольку неспособен синтезировать новые знания.

в синтезе новых нет ничего особенного, отчасти уже делает, да надо еще штук пять качественных скачков и ии станет как человек, а пару и станет очень похож на человека, с трудом будем отличать

Есть особенное. Никто не знает, как это происходит, ну кроме вас конечно. Про скачки говорилось много раз, но каждый скачок разбивался о проклятие размерности. Ускорение на скачках линейное, а сложность проблемы - экспоненциальная - хоть заскакайтесь.

[nonconvex]

что-то подобное сейчас делает и ИИ, ибо он может конечно компилировать из чего угодно что угодно

Вы так говорите, как будто у людей это как-то по другому происходит.
Скорее всего у людей именно так же все и устроенно. Поскольку другого метода еще не обнаружили.

У людей это устроено так-же.

Лично проверяли?

[nonconvex]

Автопилот теслы(и не только) решает описанную задачу миллион раз каждый день.

Или не решает, и требует человека вмешаться, а не то сразу в гроб.

[nonconvex]

Если программа сама себя обучила по видео - ИИ.

Это машинное обучение, что не ИИ, а обычная ассоциативная память известная со времен ЛИСПа.
Доказательство:
Если программа, обучившая сама себя встречает нечто новое, то она считает что у нее глюк и спокойно едет дальше, как это и было с блеском продемонстрировано Крузами в СанФранциско. Ну не учили программу не ездить по лежащим людям!

[Настрел]

мне правда интересно - а каково тогда опредение ии?

Тут довольно подробно
 

а тогда любая СУ с терминальным управлением - тоже ии?

Терминальная система не обладает признаками ИИ.
А автопилот Теслы обладает. И как раз в процессе вождения генерирует новые знания.
В отличии от терминалки, в FSD не заложен алгоритм действий на все возможные на дороге препятствия. По причине бесчисленного количества вариантов препятствий и их комбинаций.
 
Т.е. нельзя заранее сказать как именно Тесла среагирует на некую комбинацию препятствий, собственных векторов состояния, правил дорожного движения и погоды.
Просто потому что у неё такого алгоритма в принципе нет.
 
Тесла сама пытается понять, что за препятствия перед ней, на основании заложенных в её нейросети образцов. Может даже ошибиться, например ночью перепутать разметку с лучом света из щели между досками забора. Или принять велосипедиста за мотоциклиста. Или манекена за пешехода. Как это может сделать и человек. Далее, на основании понятой ней картины дорожной обстановки(которая может в принципе не очень то соответствовать реальной), Тесла принимает решение по маневрированию - т.е. генерирует новое знание, как действовать именно в такой обстановке.
 
И иногда она таким образом влетает в грузовики, или машины дорожной службы. Т.е. генерирует неправильное знание, или ошибается, если хотите. А чтобы она перестала так делать, не надо прописывать какие-то алгоритмы конкретно для грузовика или машины с мигалкой. Надо просто показать ей стопицот фотографий грузовика и объяснить что это грузовик, а это машина с мигалкой, и у них такие-то и такие-то параметры габарита и возможностей по маневру. После чего Тесла уже сама будет решать как ей лучше взаимодействовать с этими предметами на дороге.
 
И при этом это не ИИ. Это система вождения автомобиля с элементами ИИ.
 
Полноценный ИИ пока еще не существует.

[nonconvex]

Тесла сама пытается понять, что за препятствия перед ней, на основании заложенных в её нейросети образцов.

Не "пытается понять", а выбирает ближайший по весу признаков образец, эксплуатируя алгоритм перемножения матриц в процессе.

Далее, на основании понятой ней картины дорожной обстановки(которая может в принципе не очень то соответствовать реальной), Тесла принимает решение по маневрированию - т.е. генерирует новое знание, как действовать именно в такой обстановке.

В таком случае и алгоритм сортировки на новом наборе данных - новое знание. В реальности же ничего она не генерирует, а движется по одному из возможных путей обхода препятствия, или кратчайшему, или менее рискованному, по какой то заранее заложенной шкале.
 

Надо просто показать ей стопицот фотографий грузовика и объяснить что это грузовик, а это машина с мигалкой, и у них такие-то и такие-то параметры габарита и возможностей по маневру. После чего Тесла уже сама будет решать как ей лучше взаимодействовать с этими предметами на дороге.

Вот тут то и лежит фундаментальная проблема экспоненциальной сложности обучения. Не стопицот, а в степени стопицот, поскольку например зимой все сугробы разные. Если хотите проверить - задайте этот вопрос лучшей из систем "ИИ" - чат боту GPT.

Новое знание в данном контексте - это как сопоставление новых изображений с метками, так и генерация новых меток, причем непротиворечиво со старыми. Человек это делает самостоятельно, машина на это неспособна.

[АниКей]

ЗапускиНа орбитеПроектыНаукаТехнологии


Технологии
Китайские учёные предложили прорывной метод роботизированной сборки на орбите
30 октября 2023 года, 18:33
Евгений Статецкий
Современную орбитальную деятельность нельзя представить себе без сборки некоторых механизмов прямо в космосе. Обычно это делают роботы, и традиционные способы управления их манипуляторами часто работают не так, как надо (прежде всего из-за вибраций), приводя к поломкам. Группа китайских учёных при участии одного итальянца предложила решение – сделать поведение роботов более «человекоподобным», ведь люди великолепно умеют совершать мельчайшие операции несмотря на дрожание рук. Своё исследование команда опубликовала в журнале Cyborg and Bionic Systems.
Роботы используются на орбите прежде всего по причине большей приспособленности к суровым космическим условиям по сравнению с космонавтами. Но роботизированной сборке до сих пор не удалось везде достичь нужного уровня точности – требования к характеристикам «рук»-манипуляторов остаются очень жёсткими. Иначе они обязательно что-то ломают.
Группа, состоящая из сотрудников Пекинского технологического университета, Китайского северного научно-исследовательского института транспортных средств и одного их коллеги из Римского университета предложила способ выхода из этого затруднения. Вернее, целый набор способов: различные методы контроля соответствия роботов требованиям, в том числе контроль демпфирования, жесткости, гибридный контроль силы/положения и, разумеется, нечёткие адаптивные алгоритмы управления.
Демпфирование необходимо для рассеивания энергии и ограничения вибрации – чтобы избежать повреждения роботом собираемого объекта. Именно это делает человеческая рука, когда обращается с чем-то очень хрупким – её опорно-двигательный аппарат не только осуществляет тончайшую подстройку, но и потребляет меньше энергии.
Для сбора таких параметров, как сила контакта и скорость, команда создала платформу динамического сбора данных для фиксации движений человеческой руки. Для всех измерений используется чрезвычайно точное и высокопроизводительное оборудование – к примеру, датчик силы ATI omega160 6D. Осталось лишь научить роботов воспроизводить все эти деликатные операции.
Кроме того, обобщив наблюдения, исследовательская группа создала три основных сценария сборки спутника прямо на орбите: «Это может помочь нам лучше моделировать контакт во время роботизированной сборки и более точно контролировать безопасность», – отметил Сяолей Цао, член команды из Пекина.
В ходе эксперимента группа провела моделирование сборки космического спутника с помощью наземной экспериментальной платформы, и робот оправдал ожидания. Он точно дозировал силу и крутящий момент на конце роботизированной руки по всем осям (X, Y и Z), и даже ничего не сломал.
Инженеры уверены, что достижение этого результата будут иметь «важные последствия для будущего исследования и развития космоса». Уже в недалеком будущем роботизированные системы в космосе смогут выполнять сложные манипуляции не хуже человека.

[algol5720]

В недалеком будущем ии научат проектировать КРК и всех конструкторов сократят.Останутся только менагеры,которые будут ставить задачки...

[mik73]

В отличии от терминалки, в FSD не заложен алгоритм действий на все возможные на дороге препятствия. По причине бесчисленного количества вариантов препятствий и их комбинаций.

Терминальная задача - это перевод системы из любого начального состояния в заданное конечное состояние за определенное конечное время. Там нет прописанного алгоритма действий для всех возможных начальных состояний. Там есть цель, к которой нужно прийти и набор методов, как это сделать. В сущности, тот автопилот как раз такие задачи и решает в процессе движения.

Тут довольно подробно
 

Тут, в общем, ничего не написано. По крайней мере - ничего, позволяющего отличить ии он не-ии. Много примеров, экскурсов в историю и изложения разных подходов, а в итоге - "верёвка есть вервие простое". И ничего практически применимого. Вполне типичный продукт того самого "якобы И". Неважно, ии он или еи - И там (в этой статье) немного.

[Настрел]

Тут, в общем, ничего не написано.

Есть такая поговорка. Русская. Древняя.
"Смотрю в книгу - вижу фигу".
Её суть понятна не только лишь всем.

[Dulevo]

Если программа сама себя обучила по видео - ИИ.

Это машинное обучение, что не ИИ, а обычная ассоциативная память известная со времен ЛИСПа.

Машинное обучение (Machine learning) - принципиально не может обучаться по видео. Для этого нужны нейросети, что уже следующий этап развития ИИ систем - Deep learning.
А сейчас уже следующий этап после этого - Large Language Models.