Mostanában egyre több hír van a transindexen amely valamilyen szinten kapcsolódik a mesterséges intelligenciához. Itt van például ez, hogy jövőre Kolozsváron is bevezetik a vezető nélküli buszokat, hasonlóan Bécshez, Párizshoz és Lyonhoz.
Nos, valószínűleg a Navya fogja itt is tesztelni a buszait egy két kilóméteres útszakaszon és ehhez olcsó munkaerőre volt szüksége, ezért a Műszaki Egyetemmel kötött szerződést, hogy diákok, esetleg doktoranduszok monitorizálják a kisbusz diagnosztikai berendezéseit. Esetleg ha akarnak egy doktorátust írni, akkor megkapják a nyers adatok egy részét és lehet rajtuk néhány algoritmust tesztelni és mérni a hatékonyságát. A közlekedési vállalatok mindig szeretik mindenféle úttalan útakon kipróbálni a rendszereiket, a diákok meg szeretik a sok jól kalibrált adatot, szóval mindenki jól jár.
És ez jó.
Ami nem jó, az az, hogy ilyen cikkek is születnek (igazából csak a címével van bajom, meg a tartalom Istenre vonatkozó részével).
Van még egy cikk, amire reagálni akarok, igazából ez is az egyik oka, hogy újrakezdtem a blogolást, de nem nagyon szentelek neki időt.
Egyébként mindez csak spekuláció részemről, nem állok senkivel kontaktusban aki részt vesz ebben a projektben, de azért van majd akitől rákérdezzek egy-két dologra. Ha beindul a projekt, még visszatérünk rá.
kedd, október 22, 2019
hétfő, október 21, 2019
youtube ajánló
csütörtök, október 17, 2019
youtube ajánló
Mostanában nagyon rácuppantam a youtube-ra, erről majd fogok írni, de ez egy visszatérő téma lesz, ajánlgatok videókat, amelyeket az utóbbi időben (nap, hehe) érdekesnek találtam.
ez: arról, hogy egyetlen megbicsakláson múlhat egy elnökjelölt esélye Amerikai elnökké válni. Persze, ismert ellenpélda is, de ez azért mégis elgondolkodtató és nemsokára illusztráció lesz ez a videó egy bejegyzéshez...
ez: (hang nélkül) arról, hogy fejleszthető olyan minta, amit ha az arcunkra ragasztunk, akkor nem fog felismerni az arcfelismerő mesterséges intelligencia. Ez még nagyon sokszor téma lesz majd a jövőben, de mivel ma láttam a videót, gondoltam a mai napi menü része lesz.
ez: a ráadás, a volt iskolám diákjai egy jó kis koncertet adtak, érdemes meghallgatni.
ez: arról, hogy egyetlen megbicsakláson múlhat egy elnökjelölt esélye Amerikai elnökké válni. Persze, ismert ellenpélda is, de ez azért mégis elgondolkodtató és nemsokára illusztráció lesz ez a videó egy bejegyzéshez...
ez: (hang nélkül) arról, hogy fejleszthető olyan minta, amit ha az arcunkra ragasztunk, akkor nem fog felismerni az arcfelismerő mesterséges intelligencia. Ez még nagyon sokszor téma lesz majd a jövőben, de mivel ma láttam a videót, gondoltam a mai napi menü része lesz.
ez: a ráadás, a volt iskolám diákjai egy jó kis koncertet adtak, érdemes meghallgatni.
megint
Na, többet ez nem lesz, többször nem fogadok emberekkel az emberi szintű mesterséges intelligencia eljöveteléről, úgy érzem, mostmár túlontúl kihasználnám a tájékozatlanságukat. :))))
Egy esetben indítom újra a fogadásokat, ha az OpenAI bezárja a boltot és nem azért, mert az egyik főnök molesztál egy alkalmazottat, hanem azért, mert nem tud elég befektetőt találni az emberi szintű mesterséges intelligencia megvalósításához. Na akkor kicsit kezdek én is kételkedni megint.
Addig is, 19 fogadásnál megállítottam a mókát.
Egy esetben indítom újra a fogadásokat, ha az OpenAI bezárja a boltot és nem azért, mert az egyik főnök molesztál egy alkalmazottat, hanem azért, mert nem tud elég befektetőt találni az emberi szintű mesterséges intelligencia megvalósításához. Na akkor kicsit kezdek én is kételkedni megint.
Addig is, 19 fogadásnál megállítottam a mókát.
a Rubik kockát kirakó robotkézről
Szóval most mutatta be az OpenAI, hogy olyan mesterséges intelligenciát alkottak, ami képes kirakni egy robotkézben tartva egy Rubik kockát.
Youtube videó itt. Blogbejegyzés itt, de ezt nem olvastam el. :)
Azt hiszem, hogy egy kicsit fontos értelmeznem ezt a hírt, mert lehet, hogy nem olyan egyszerű megérteni, miért is olyan fontos ez és amúgy is, mennyire is fontos.
Először is, messze nem ez az első robot, ami képes kirakni a Rubik kockát, itt van pl. ez, amely sokkal gyorsabban csinálja, ráadásul ez mindig képes kirakni, az OpenAI megoldása meg nem mindig.
A két megoldás között az a különbség, hogy az első megoldás sokkal általánosabbnak tűnő módszerekkel készült, mint a második. Mindkét megoldáshoz elég sok ember kellett, meg néhány év kemény munka, viszont elvileg az első megoldás nagyon sok hasonló feladatra alkalmazható módszereket dolgozott ki, míg a második módszerben inkább az emberek fejlődtek sokat a probléma megértésében és számítógépes modellezésben. Ha mindkét esetben elküldjük az embereket vakációzni és új csapattal szeretnénk megoldani azt a feladatot, hogy egy kéz valamilyen gömb alakú tárgyon gombokat nyomogasson valamilyen sorrendben, akkor az első módszerrel csak annyit kell tenni, hogy készítünk a feladatról egy virtuális modellt és írunk egy kis programocskát, ami nagyjából ki tudja értékelni a megnyomott gombok sorrendjét, hogy mennyire felel meg az elvártnak, utána pedig rengeteg számítógépet rátenni, hogy szimulálják ezt a feladatot és addíg próbálkozzanak a megoldásokkal, amíg elfogadható az eredmény. A második módszerrel mindent előlről kell kezedeni, tehát kell tervezni egy olyan robotot, ami képes egy gömböt megtartani, megforgatni, felismerni rajta a gombokat, megnyomni azokat és utána a helyes forgató és megnyomó műveleteket végrehajtani, a jó sorrendben. Egyébként, ha kevés számítógép áll rendelkezésünkre, még mindig lehet, hogy ez a gyorsabb módszer, az első ugyanis rengeteg számítási kapacitást igényel egyelőre, de jelenleg erről az az általános vélekedés, hogy nem jelent gondot, mert egyrészt az algoritmusokat is tudjuk gyorsítani és a számítógépek is gyorsulnak még, bár már egyre nehezebb kihozni belőlük az optimális teljesítményt.
Na, ez lehet, hogy még zavarosabb mint eddig volt. A lényeg az, hogy a tanuló algoritmusokon alapuló problémamegoldás most nagyon népszerű, mert úgy gondoljuk, hogy bármeddig képesek vagyunk javítani a teljesítményüket, csak elég idő és energiát kell rá szánni. Erről biztos fogok még írni.
Ami számomra igazán érdekes, az az, hogy hogyan oldották meg a szimulációban tanult mozgás való világba való átültetését. Az utóbbi pár évben jelent meg ez a technika, amit domain randomizationnak nevezük, ami nagyjából azt jelenti, hogy véletlenszerűsítjük a szimuláció egyes paramétereit és ezzel kényszerítjük a tanuló rendszert arra, hogy ne csak a képben található apró jeleket tanulgassa, hanem próbálja megérteni azokat az összefüggéseket, amelyek mindig igazak, a pixelek színétől függetlenül. Persze, ha véletlenszerűséget alkalmazunk, akkor (szinte) mindig lassabb lesz az algoritmusunk, hiszen sok esetet ki kell próbáljon. Viszont most úgy tűnik, hogy ez egy jó módszer arra, hogy robusztus eredményeket érjünk el, szóval a szimlációban tanultak a való világban is alkalmazhatóak legyenek, ahol sosem lehet tudni, hogy egy zsiráf mikor zavar be a képbe. :)
Ez a módszer jelenleg az egyetlen olyan módszer, ami engem egy kicsit is meggyőz, hogy valamikor önvezető autókat fogunk tudni készíteni, hiszen ha egy véletlenszerűsített világban el fog tudni vezetni az autónk, akkor a való világban sem lehet neki gondja. Az egyetlen gond csak az, hogy elég nehéz egy bonyolultabb véletlenszerűsített világot szimulálni, ugyanis azt még relatív egyszerű, hogy mindenféle állat átvonulhasson az autó előtt, de hogyan fogjuk szimulálni a különböző alkoholszinttel rendelkező többi söfört szimulálni? Egy megoldás lehet az, hogy szép lassan haladunk a véletlenszerűsítéssel, először csak kicsit rángatják a kormányt, aztán jobban, stb. de nehéz kérdés az, hogy konvergál-e ez valaha. Meglátjuk, remélem azért nem olyan sok idő múlva.
Miért fontos ez az eredmény? Szerintem egy fontos lépés ez azon az úton, hogy komolyabban kezdjenek sokan az olyan robotok fejlesztésén dolgozni, amelyeknek fontos lesz az, hogy kezük legyen, szóval vagy emberekkel kell együttműködjenek, vagy nagyon általános feladatokat kell megoldjanak, amelyekhez nagyon hasznos ez az architektúra, vagy mindkettő.
Persze, a tanuló algoritmus skálázása is fontos lesz, de ezt az OpenAI is tudja, az ő robotkezük sem tud feldobni egy labdát és elkapni azt. Azt sem tudja, hogy szóban közöljük vele ezt a feladatot. És ők is tisztában vannak azzal, hogy ennyi tanítási idő (valahol 10000 óra körüli szimulációs időt láttam, talán a cikkben szerepel ez, én nem olvastam el, annyira nem érdekel ez a feladat :)) nem elfogadható egy ilyen feladat megoldásához, szóval jobb ha nekifognak kidolgozni valami módszert, amivel faktorizálni (felosztani) tudják a feladatot egy általános és egy specifikus részre, amelyből az általánost jó lenne csak egyszer betanulni. Ez egyébként a mesterséges intelligencia egyik legnagyobb rákfenéje mostanság, szóval pont jó lesz ebben az esetben is tanulmányozni.
Youtube videó itt. Blogbejegyzés itt, de ezt nem olvastam el. :)
Azt hiszem, hogy egy kicsit fontos értelmeznem ezt a hírt, mert lehet, hogy nem olyan egyszerű megérteni, miért is olyan fontos ez és amúgy is, mennyire is fontos.
Először is, messze nem ez az első robot, ami képes kirakni a Rubik kockát, itt van pl. ez, amely sokkal gyorsabban csinálja, ráadásul ez mindig képes kirakni, az OpenAI megoldása meg nem mindig.
A két megoldás között az a különbség, hogy az első megoldás sokkal általánosabbnak tűnő módszerekkel készült, mint a második. Mindkét megoldáshoz elég sok ember kellett, meg néhány év kemény munka, viszont elvileg az első megoldás nagyon sok hasonló feladatra alkalmazható módszereket dolgozott ki, míg a második módszerben inkább az emberek fejlődtek sokat a probléma megértésében és számítógépes modellezésben. Ha mindkét esetben elküldjük az embereket vakációzni és új csapattal szeretnénk megoldani azt a feladatot, hogy egy kéz valamilyen gömb alakú tárgyon gombokat nyomogasson valamilyen sorrendben, akkor az első módszerrel csak annyit kell tenni, hogy készítünk a feladatról egy virtuális modellt és írunk egy kis programocskát, ami nagyjából ki tudja értékelni a megnyomott gombok sorrendjét, hogy mennyire felel meg az elvártnak, utána pedig rengeteg számítógépet rátenni, hogy szimulálják ezt a feladatot és addíg próbálkozzanak a megoldásokkal, amíg elfogadható az eredmény. A második módszerrel mindent előlről kell kezedeni, tehát kell tervezni egy olyan robotot, ami képes egy gömböt megtartani, megforgatni, felismerni rajta a gombokat, megnyomni azokat és utána a helyes forgató és megnyomó műveleteket végrehajtani, a jó sorrendben. Egyébként, ha kevés számítógép áll rendelkezésünkre, még mindig lehet, hogy ez a gyorsabb módszer, az első ugyanis rengeteg számítási kapacitást igényel egyelőre, de jelenleg erről az az általános vélekedés, hogy nem jelent gondot, mert egyrészt az algoritmusokat is tudjuk gyorsítani és a számítógépek is gyorsulnak még, bár már egyre nehezebb kihozni belőlük az optimális teljesítményt.
Na, ez lehet, hogy még zavarosabb mint eddig volt. A lényeg az, hogy a tanuló algoritmusokon alapuló problémamegoldás most nagyon népszerű, mert úgy gondoljuk, hogy bármeddig képesek vagyunk javítani a teljesítményüket, csak elég idő és energiát kell rá szánni. Erről biztos fogok még írni.
Ami számomra igazán érdekes, az az, hogy hogyan oldották meg a szimulációban tanult mozgás való világba való átültetését. Az utóbbi pár évben jelent meg ez a technika, amit domain randomizationnak nevezük, ami nagyjából azt jelenti, hogy véletlenszerűsítjük a szimuláció egyes paramétereit és ezzel kényszerítjük a tanuló rendszert arra, hogy ne csak a képben található apró jeleket tanulgassa, hanem próbálja megérteni azokat az összefüggéseket, amelyek mindig igazak, a pixelek színétől függetlenül. Persze, ha véletlenszerűséget alkalmazunk, akkor (szinte) mindig lassabb lesz az algoritmusunk, hiszen sok esetet ki kell próbáljon. Viszont most úgy tűnik, hogy ez egy jó módszer arra, hogy robusztus eredményeket érjünk el, szóval a szimlációban tanultak a való világban is alkalmazhatóak legyenek, ahol sosem lehet tudni, hogy egy zsiráf mikor zavar be a képbe. :)
Ez a módszer jelenleg az egyetlen olyan módszer, ami engem egy kicsit is meggyőz, hogy valamikor önvezető autókat fogunk tudni készíteni, hiszen ha egy véletlenszerűsített világban el fog tudni vezetni az autónk, akkor a való világban sem lehet neki gondja. Az egyetlen gond csak az, hogy elég nehéz egy bonyolultabb véletlenszerűsített világot szimulálni, ugyanis azt még relatív egyszerű, hogy mindenféle állat átvonulhasson az autó előtt, de hogyan fogjuk szimulálni a különböző alkoholszinttel rendelkező többi söfört szimulálni? Egy megoldás lehet az, hogy szép lassan haladunk a véletlenszerűsítéssel, először csak kicsit rángatják a kormányt, aztán jobban, stb. de nehéz kérdés az, hogy konvergál-e ez valaha. Meglátjuk, remélem azért nem olyan sok idő múlva.
Miért fontos ez az eredmény? Szerintem egy fontos lépés ez azon az úton, hogy komolyabban kezdjenek sokan az olyan robotok fejlesztésén dolgozni, amelyeknek fontos lesz az, hogy kezük legyen, szóval vagy emberekkel kell együttműködjenek, vagy nagyon általános feladatokat kell megoldjanak, amelyekhez nagyon hasznos ez az architektúra, vagy mindkettő.
Persze, a tanuló algoritmus skálázása is fontos lesz, de ezt az OpenAI is tudja, az ő robotkezük sem tud feldobni egy labdát és elkapni azt. Azt sem tudja, hogy szóban közöljük vele ezt a feladatot. És ők is tisztában vannak azzal, hogy ennyi tanítási idő (valahol 10000 óra körüli szimulációs időt láttam, talán a cikkben szerepel ez, én nem olvastam el, annyira nem érdekel ez a feladat :)) nem elfogadható egy ilyen feladat megoldásához, szóval jobb ha nekifognak kidolgozni valami módszert, amivel faktorizálni (felosztani) tudják a feladatot egy általános és egy specifikus részre, amelyből az általánost jó lenne csak egyszer betanulni. Ez egyébként a mesterséges intelligencia egyik legnagyobb rákfenéje mostanság, szóval pont jó lesz ebben az esetben is tanulmányozni.
ribút azaz reboot azaz újraindítás
Úgy döntöttem, hogy újraindítom a blogot. Most van időm írni, ugyanis belefogtam egy saját projektbe, amivel egyelőre még lassan haladok, mert egy játék lesz és sokkal több dolgot akarok benne én megírni, mint azt mostanában illik, szóval egyelőre a Vulkannal szórakozom, kicsit elment az idő mellettem, mióta utoljára grafikát programoztam, de kezdek szép lassan visszarázódni. Erről majd még fogok írni, de egyelőre nem.
Igazából azért is újra blogolásra adom a fejem, hogy a szüleimnek egy kicsit segítsek bizonyos mesterséges intelligenciáról szóló híreket megérteni és talán másoknak is segítség lesz. Ugyanakkor meg ha valamiben tévedek és hozzáértőbb egyén olvassa a gondolataimat, ha kedve van, kijavíthat, az mindig jól jön.
Mostanában olyan időket élünk, hogy lassan igazzá válik, hogyha nem élünk egy alapvető jogunkkal, mégpedig a véleményünk kifejezésével, akkor lassan elveszik azt tőlünk. Szóval az alapötlet marad, nem írok olyant, amit később le kell törölnöm, egyetlen egy bejegyzést töröltem le egyszer, az is elég haszontalanka volt, de akkor valaki úgy érezte, hogy nem kellett volna és tiszteletben tartottam a véleményét. Szóval a vonalat Európa körül húzom meg, ezen belül nem írok semmiről, azon kívül viszont rengeteg olyan dolog történik, amit jó lenne kiírni és mivel jelenleg amúgy sem akarok menni Amerikába és olyan helyre amúgy se megyek soha, ahol megkérdik a szociális hálós felhasználóm azonosítóját, ezért Amerika meg Kína lesz sok.
Nem is tudom, hogy írtam-e, hogy van twitter, meg youtube felhasználóm. Előbbit arra használom, hogy okos embereket kövessek és vicces dolgokat meg mesterséges intelligencia linkeket retweetelgessek. Utóbbit arra használom, hogy 360 fokos videókat tegyek fel, de az a kamerám éppen elég rossz bőrben van, a 180 fokos sztereó kamerámnak meg a hanggal van időnként problémája, szóval ez eléggé parkoló pályán van.
Szóval nemsokára jön a kontent, tudom, hogy a blogolás nem igazán menő már, de nem is azért csinálom, szóval most pont jó így nekem.
Igazából azért is újra blogolásra adom a fejem, hogy a szüleimnek egy kicsit segítsek bizonyos mesterséges intelligenciáról szóló híreket megérteni és talán másoknak is segítség lesz. Ugyanakkor meg ha valamiben tévedek és hozzáértőbb egyén olvassa a gondolataimat, ha kedve van, kijavíthat, az mindig jól jön.
Mostanában olyan időket élünk, hogy lassan igazzá válik, hogyha nem élünk egy alapvető jogunkkal, mégpedig a véleményünk kifejezésével, akkor lassan elveszik azt tőlünk. Szóval az alapötlet marad, nem írok olyant, amit később le kell törölnöm, egyetlen egy bejegyzést töröltem le egyszer, az is elég haszontalanka volt, de akkor valaki úgy érezte, hogy nem kellett volna és tiszteletben tartottam a véleményét. Szóval a vonalat Európa körül húzom meg, ezen belül nem írok semmiről, azon kívül viszont rengeteg olyan dolog történik, amit jó lenne kiírni és mivel jelenleg amúgy sem akarok menni Amerikába és olyan helyre amúgy se megyek soha, ahol megkérdik a szociális hálós felhasználóm azonosítóját, ezért Amerika meg Kína lesz sok.
Nem is tudom, hogy írtam-e, hogy van twitter, meg youtube felhasználóm. Előbbit arra használom, hogy okos embereket kövessek és vicces dolgokat meg mesterséges intelligencia linkeket retweetelgessek. Utóbbit arra használom, hogy 360 fokos videókat tegyek fel, de az a kamerám éppen elég rossz bőrben van, a 180 fokos sztereó kamerámnak meg a hanggal van időnként problémája, szóval ez eléggé parkoló pályán van.
Szóval nemsokára jön a kontent, tudom, hogy a blogolás nem igazán menő már, de nem is azért csinálom, szóval most pont jó így nekem.
Feliratkozás:
Bejegyzések (Atom)