ÐÑÐµÐ¼Ñ Ð¸ СÑекло Так вÑпала ÐаÑÑа HD VKlipe Net
Људски мозак може узети много информација о сцени испред ње да доноси одлуке. Јелен скаче испред аутомобила? Слам на кочницама. Аутомобил успорава напред? Цханге ланес.
За аутономна возила, ове одлуке нису тако једноставне. Можда нећемо регистровати да наши мозгови чак обрађују све информације потребне за акцију, али аутономни системи морају узети у обзир много варијабли прије примјене кочница. Ако систем не прочита пут исправно, може доћи до фаталних падова. Прича објављена у МИТ-у Тецхнологи Ревиев у понедјељак описује како аутомобилска технолошка компанија Мобилеие користи учење појачања како би тренирала умјетну интелигенцију иза аутономних возила. Овај метод се ослања на податке о вожњи у стварном свету, и што је већи скуп података, брже је А.И. учи како да избегне падове. Ипак, постоји један проблем. Конкурентне аутомобилске компаније не желе да деле.
Управо сада, софтверски инжењери морају рачунати за сваки могући сценариј и програмирати аутомобил да се носи с њима. Али у стварном свету, путеви су веома динамично и разнолико окружење. Не постоји начин да инжењери предвиде сваку могућу ситуацију.
Умјесто да програмирају аутомобиле да би предвидјели сваки сценариј, инжењери могу програмирати аутомобиле како би сами научили како се кретати по сценаријима. Учење појачања у суштини обучава аутономна возила награђивањем добрих резултата. Након експериментисања и падања, аутомобил учи шта да ради у разним ситуацијама и то може применити на будуће сценарије.
Кључ за учење о појачавању аутономних возила су подаци. Пуно података. Да би аутомобили сазнали о свим различитим сценаријима које би евентуално могли наићи, подаци прикупљени у стварном свијету морају бити доступни софтверу аутомобила како би практично сазнали шта треба радити.
Добијање аутомобилских компанија да поделе своје податке је велики изазов. Такмичари нису познати по томе што деле своје аутомобиле. Али ако они отворе своје податке компанијама као што је Мобилеие, онда ће возила која могу да се возе (барем на аутопуту) бити много реалнија.
Лепи путеви и пажљиви пешаци су блокада за потпуно аутономне аутомобиле
Да бисмо направили најбоље аутономне аутомобиле, мораћемо да их поставимо у најгорим условима. Док тимови девелопера напорно раде како би послали своје компјутерски опремљене аутомобиле на улице Калифорније, дизајнери система широм свијета гурају своје аутомобиле до крајњих граница у мање опростивим окружењима.
Јесу ли учење кодирања и учење новог језика исте ствари?
Нова апликација Лрн нема времена ни за самогласнике ни за трикове: учитајте је и зароните равно у срце њене сврхе, која вас учи да кодирате. Натхан Бернард, који је створио апликацију Цоффее Тиндер-фор-нетворкинг, крајем јула лансирао је Лрн са суоснивачем Цхираг Јаином и Логаном Бернардом. Нису им требао ...
Нови материјали отпорни на вибрације омогућит ће аутономне аутомобиле идеалној канцеларији
Спремни за рад у покрету? Док су неки аутори који заговарају самоконтролу, потенцијал технологије да креирају "мобилне канцеларије", претварајући драгоцено време путовања у продуктивно време, тешко је видети како би људи могли да производе добар посао у климавим поставкама на путу.