Nauka i tehnologija

[lami]

U americkim gradovima je bilo neko testiranje taksija bez vozaca. Znam da su ih sabotirali, bace im cunjeve na soferku i oni se ukopaju, ali su fakticki bili na drumu.
Ne mora bas svaki scenario da bude pokriven, dovoljno im je da imaju pokrivenost 99.99, a za ostale, sva 4, pa se ukljuci operater daljinski ili otkloni tu prepreku ili ga skloni na prvo bezbedno mesto dok ne dodje servis.

Послато са SM-A528B помоћу Тапатока

[Dzoni_m]

Ali on ne ume da generalizuje, ne ume da uči, ne može da razume. U potpunosti se slažem sa tobom da ovo može da zameni potrebu za raznoraznim Indijcima, kamiondžijama, i

AGI je cilj, ali trenutni AI je daleko od toga. Te najave da "tek što nije" mi ne piju vodu, ovo što sad koristimo jeste i korisno i impresivno ali nije ni blizu pravog razumevanja.

Da sam kamiondžija ne bi se preterano brinuo, dosta je često mišljenje da potpuna autonomna vožnja ne može bez potpunog AGI, tj. inteligencije na nivou čovekove. Koliko god da autonomni sistemi napreduju jako je teško pokriti sve granične slučajeve ako sistem ne razume celokupno okruženje na istom nivou kako ga i čovek razume. Ako naiđe nepredviđena situacija samo može da stane, bez improvizacije.

Upravo ovo sto si napisao: " teško pokriti sve granične slučajeve" znaci da to nije AGI niti AI niti bilo sta "pametno". Ako pokrivas granicne slucajeve u algoritmu samim tim u softveru itd, ti se bavis automatizacijom. Ne kazem da je to banalno, ne kazem da nije napredak, samo to nema veze sa "inteligencijom" na koju mislimo kada kazemo AI.
Robo-taxi u Kaliforniji je odlican primer hypa o samovozecim automobilima. Da, na oko to radi. Problem je kada se sedne i vidi kako su to razvili. Tako sto su uradili kompletan geo-maping celog grada (neke delove nisu i gle cuda tu robo-taxi ne radi). Kako da vozila izgledaju? Pa na krovu imaju LIDAR, Radar, gomilu proximity senzora, kamera (ok kamere treba da imaju) i oni bukvalno imaju digitalnu maput sa svim svojstvima ulice, preciznu detekciju prepreka (zato gomila opreme) i na kraju softver radi OCR znakova i ima saboracjana pravila. To je to. TU nema intelegencije. To je automatizacija po sablonu.

Ono sto Tesla pokusava sa svojim samovoziecim sistemom (ako ikada upali a ne verujem da ce) mogolo bi da se nazove AI voznjom. JEr se solanja na ono na sta se covek oslanja: kamere (oci), podatke o samom vozilu i orjentacija u prostoru na osnovu limitiranog seta parametara. SEnzori kao hard-stop. Opet i to je natezanja nazvati AI voznjom.

Sadasnji chat botovi nisu mnogo bolji od onih od pre 5-6 godina, samo imaju vise obrazaca jer su compute learning modeli brzi i imas gede da ih vrtis relativno povoljno (cloud). JEdina razlika je sto su generativni (mogu da kreiraju text, sliku) ali i to je opet template.

[Gazu]

Ako je tako, onda sam još više u pravu nego što sam mislio.

Mada čak i tako kako kažete, zaista oni mogu da pokriju skoro sve slučajeve automatski, a da čovek može online iz njihove zgrade da preuzme kontrolu nad vozilom i reši taj granični nepredviđeni problem. Npr, da obiđe čunj. Znači, ne može da nas u potpunosti zameni u svim poslovima - može prilično da pomogne, ali nažalost, takvi alati na kraju ne služe za dobrobit celog društva već da se bogati još više bogate dok jedan deo društva ostaje bez posla.

Pa čak i tad, naravno, ti ostali ljudi mogu da se bave i nekim novim poslovima, ali i to je opet dalja razmena bogatstva među ostatkom "srednje klase". Dakle, srednja klasa siromašnija, bogati još bogatiji, pa dok ne dođe do neke nove kuke i motike, boljševičke revolucije, ili nečeg drugog manje ili više nasilnog da se raspodela bogatstva malo revidira.

A ova autonomna vožnja bi u kojem god obliku mogla smanjiti potrebu za vozačima jer i taj vozač iz kompanijine zgrade troši mnogo manje vremena na povremeno pomaganje kompjuteru. Čak i da pričamo o potrebi za serviserima - njih je potrebno mnogo manje nego što je bilo potrebno vozača.

[kragujevac]

Čak i da jednog momenta laboratorijski i dovedu automobile i kamione bez vozača do savršenstva , onda na scenu stupaju zakoni, pravila, ograničenja i ostale prepreke. Sin mi je na poslednjoj godini mastera za automotive engineering na TUM (tehnički univerzitet Minhen) i ono što oni tamo rade i ono što sam mogao da čujem od njega ne daje mi ama bas nikakvu nadu da ću (makar u Nemačkoj) uopšte da doživim bilo kakvu automatizaciju na ulicama ( a imam "tek" 54 godine ) . Ne zbog toga što nema napretka, nego sto je neke stvari bukvalno nemoguće proterati kroz zakone i TÜV, pošto tamo nema inženjera koji imaju dovoljno aktuelnog znanja da istestiraju to novo i prilično revolucionarno što su oni napravili / prave / praviće.
Interesantan primer je bio sa nekim Egzoskeletom koji bi paralizovanima omogućio bukvalno da se kreću. Eno ga, stoji u TUMu već neko vreme, ne mogu da ga "ozvaniče" pošto, jelte, nema ko to da istestira i uvede u upotrebu. A i ne košta malo, pa se verovatno i ne isplati previše baviti se time naveliko. A baš je cool stvar.

[lami]

Ne u Nemackoj, ali najverovatnije ce progurati prvo u Americi. Ne moraju cak ni sve, naprave da autonomni kamioni smeju da voze samo po glavnim auto putevima.

Послато са SM-S918B помоћу Тапатока

[ljubitelj]

U Americi, Kini, Švedskoj to sa kamionima je već napravljeno i operativno.
A za Nemačku se ne brinem, oni ionako nemaju odavno autohotonog tehničkog napretka pa kupuju (licence) sa strane šta god mogu a najviše iz Kine sa kojom se odlično razumeju.

Pitanje je i svrhe autonomnih vozila, za individualni ili kolektivni prevoz.

U Japanu odavno, mislim da ima 20tak godina saobraćaju automatizovani vozovi i metro bez posade i nije bilo nekih problema do sada. To je veoma slično kamionskom rutiranju po jednim istim predefinisanim rutama, prethodno uprogramiranim.

Ja jedva čekam da zaživi autonomni i/ili automatizovan prevoz, mislim da bi veoma olakšalo svekodnevne rutinske prevoze od A do B.

[Geza]

DeepMind’s AI achieves the Impossible: Predicts 2 Million new material that humans could never fathom
https://www.gizmochina.com/2023/12/01/d ... er-fathom/

In a groundbreaking achievement, Google DeepMind, a subsidiary of Alphabet (GOOGL), has harnessed the power of artificial intelligence (AI) to predict the structures of over 2 million new materials. This milestone, published in the prestigious science journal Nature, holds the potential to reshape various industries by significantly improving the production of batteries, solar panels, and computer chips.

Traditionally, the discovery and synthesis of new materials have been both costly and time-consuming, often spanning a decade or more. However, DeepMind’s innovative AI, trained on data from the Materials Project, an international research group founded in 2011, has managed to predict the structure of nearly 400,000 hypothetical material designs. This breakthrough is expected to shorten the typically lengthy 10 to 20-year timeline for material development.


The GNoME Deep Learning Tool, a crucial component of DeepMind’s arsenal, identified an astounding 2.2 million new inorganic crystals, with 380,000 identified as the most stable for experimental research. This predictive accuracy extends to the stability of crystal structures, exemplified by the discovery of 52,000 new layered compounds similar to graphene and 528 potential lithium-ion conductors, a remarkable 25 times more than previous studies.

To facilitate further advancements, DeepMind is taking a collaborative approach by sharing its vast dataset with the research community through the Next Gen Materials Project. The data encompasses all of GNoME’s discoveries and predictions, providing researchers with free access to explore and experiment with the newfound treasure trove of material structures.

A significant leap towards efficient material synthesis has been made possible through DeepMind’s collaboration with the Berkeley Lab, resulting in the creation of a robotic laboratory. This autonomous lab successfully synthesized 41 of the newly discovered materials, demonstrating the transformative potential of AI in experimental synthesis.

Ekin Dogus Cubuk, a research scientist at DeepMind, expressed hope for substantial improvements in experimentation, autonomous synthesis, and machine learning models. The shared optimism extends to Kristin Persson, director of the Materials Project, who emphasized the need to shrink timelines for material development. Despite industry tendencies to be cautious about cost increases, the collaborative breakthroughs driven by AI may reshape dynamics, potentially reducing the time it takes for new materials to become cost-effective.

The convergence of AI and material science showcased by DeepMind’s achievement represents a radical acceleration in technological development. The impact on industries such as energy storage, electronics, and beyond is poised to unlock untold paths of innovation.

[ljuba]

[ljuba]

[ljuba]

[Geza]

[Geza]

Stiže zamena za programere.

[Geza]