ВНИМАНИЕ! На форуме начался конкурс - астрофотография месяца МАРТ!
AlexDark и 9 Гостей просматривают эту тему.
Постепенно автоматика и роботы вытесняют человеческий труд во многих сферах деятельности. Как вы думаете существуют ли профессии в которых даже теоретически невозможно заменить человека роботом?
торговля лицом
Персонал религиозных организаций.
Есть у меня мнение, что рано или поздно цивилизации осваивают сверхсветовую связь на принципе квантовой запутанности.
В начале желательно найти хотя бы одну профессию в которой можно было бы заменить человека роботом.
В этом смысле шахматы хороший образец замещения: гуртом готовим программу против чемпиона, загружаем все наработки и библиотеки и обыгрываем.
Угу, теперь одну барышню несколько больших дядей заменяют с соответствующим штатом
Да ну?
Студент Имперского колледжа Лондона Мэтью Лай (Matthew Lai) разработал компьютерную программу Giraffe, которая трое суток играла в шахматы сама с собой — и смогла извлечь все предметно-ориентированные знания, необходимые для игры на уровне международного мастера ФИДЕ. Для этого ей достаточно вычислительных ресурсов нормального компьютера. Обучение нейросети происходило 72 часа в 20 тредов на машине с двумя 10-ядерными процессорами Xeon E5-2660.
Звыняюсь а скажите где тот ПК который способен обучаться...я пойду - продам все свое имущество, буду лбом расшибать бетонное основание где находится ПК, и до конца дней подобно евангелистам буду описывать евойное бытие...
Машинное обучение (англ. Machine Learning) — обширный подраздел искусственного интеллекта, математическая дисциплина, использующая разделы математической статистики, численных методов оптимизации, теории вероятностей, дискретного анализа выделяющая знания из данных. Различают два типа обучения. Обучение по прецедентам, или индуктивное обучение, основано на выявлении закономерностей в эмпирических данных. Дедуктивное обучение предполагает формализацию знаний экспертов и их перенос в компьютер в виде базы знаний. Дедуктивное обучение принято относить к области экспертных систем, поэтому термины машинное обучение и обучение по прецедентам можно считать синонимами.Многие методы индуктивного обучения разрабатывались как альтернатива классическим статистическим подходам. Многие методы тесно связаны с извлечением информации (Information Extraction), интеллектуальным анализом данных (Data Mining).
Камрад о скажи же мне куда мне направить мои стопы? Не томи?
МАШИННОЕ ОБУЧЕНИЕСпециалисты по обработке и анализу данных как в промышленности, так и в научных кругах используют GPU в сфере машинного обучения, чтобы добиться значительных усовершенствований в широком спектре приложений, включая приложения для классификации изображений, анализа видеоданных, распознавания речи и обработки текстов на естественном языке. Глубокое обучение, то есть использование сложных, многоуровневых нейронных сетей для создания систем, которые могут выявлять признаки из большого объема немаркированных данных, - именно та область, в которой ведутся активные исследования и инвестиционная деятельность.Хотя машинное обучение существует уже десятки лет, две относительно новые тенденции привели к его широкомасштабному использованию: доступность большого объема данных, а также производительность и эффективность параллельной обработки данных, которая возможна благодаря вычислениям на GPU. GPU используются для обучения этих глубоких нейронных сетей с помощью намного более крупных обучающих последовательностей в более сжатые сроки, с использованием меньшей инфраструктуры ЦОД. GPU также используются, чтобы воспроизводить эти учебные модели машинного обучения для выполнения задач классификации и прогнозирования на облаке. При этом графические процессоры позволяют работать с данными большего объема и с более высокой производительностью, потребляя меньше энергии и на базе меньшей инфраструктуры.К числу тех, кто впервые применил графические ускорители для решения задач машинного обучения, относятся многие крупные веб-компании и социальные сетевые серверы, наряду с научно-исследовательскими институтами высокого ранга в области обработки и анализа данных и машинного обучения. Благодаря тысячам вычислительных ядер и увеличению производительности приложений в 10-100 раз по сравнению с CPU, GPU стали процессорами, которые выбирают специалисты по обработке данных для работы с данными большого объема.
Хочу задать ему один простой вопрос - все ли ноли дзета функции ледата на прямой \(Re z=-\frac{1}{2}\)
К томутшотвымкамрад чепуху городите....компьютеры не способны обучаться - получив данные из окружающей среды построить абстрактную логическую модель не имея полного конструктива (группы понятий и отношений между ними) на момент получения данных , а человек может(по крайней мере в современном варианте) .... все на что они способны это быстро проводить алгоритмы, которые им придумывают люди....
«Адам» же принимает от людей общую задачу (изучение работы генов в определённом организме, например), составляет план опытов, выстраивает гипотезы, проверяет их в деле, отбрасывает и выстраивает новые. Своим же хозяевам робот выдаёт финальный научный результат — знание.О первых успехах киберучёного из Аберистуита, кстати, мы коротко рассказывали ещё в 2004-м. Но тогда машина «открыла» то, что людям уже было известно. Теперь же компьютерный биолог (после ряда усовершенствований) выдал учёным «на блюдечке» ранее неизвестные сведения. А именно: машина самостоятельно выяснила роль 12 генов в клетках дрожжей Saccharomyces cerevisiae. (Робот и совершённые им открытия удостоились публикации в Science.)
По факту последние 100-150 лет наука ничем другим не занимается кроме перебора оккультно-эзотерических моделей весьма мутного происхождения, из-за чего и такая методологическая стагнация.
Назовите мне хотя бы одну теорию (обощение опытных данных с применением новых понятий), который вывел хоть один комп в процессе своей деятельности...В мозгу человека, животных и даже птиц эти процессы происходят регулярно...Вот к возьмем к примеру вот эту ворону https://plus.google.com/112945133889727541494/posts/djGoRxPKvEQ
Вы читаете оппонента или нет?
Если же разбирать вопрос трансфера сознания - то это уровень экстрабиологии++ до экстрабиологии же порядка 1000 лет НЕПРЕРЫВНОГО научно-технического прогресса (не менее) итого 5-10 тыс лет в самом лучшем случае "самостоятельного" "уверенного развития"!!!
Первая в истории свадебная церемония с участием робота в роли священника состоялась в Токио. Команды молодоженам давал андроид I-Fairy, который был украшен цветами и говорил приятным женским голосом.
.назовите мне на земле полностью построенный без вмешатнльства человека хоть один важный объект
например строительство объектов в условиях агрессивной среды или радиации...да и ваще в рамках программ роботстроения ... Любая технология сначачал в масштабах лаборатории, потом экспериментальная установка, потом опытно-промышленное производство, а потом промышленная серия...А уж потом в экстремальные переводить...
А ты лисно чо сделал для того чтобы хотя ы на орбиту земли вывестине два десятка человек в год, а хотя бы 2000 человек а год....языеом молол о неисчерпаемости земли-того мало - надо вывести их помтециаьрой ямы с стенкой 50 мдж/кг а двигатели только химические
Прошло несколько месяцев после анонса соревнования между профессиональным снайпером, вооруженным обычной винтовкой, и новичком, с небольшим опытом подготовки, вооруженным «умной» Linux-винтовкой. Результаты соревнования появились на официальном сайте производителя винтовки TrackingPoint.В качестве приза, организация Chris Kyle Frog Foundation собрала чуть более 500 тысяч долларов для профессионального снайпера, если он сможет победить умную винтовку, пользуясь обычным оружием, принятым на вооружение в наши дни в армии.Умная винтовка представляет собой высокотехнологический гаджет, который помогает пользователю целиться, учитывая различные факторы (силу и направление ветра, температуру, упреждение движения и др).Основной принцип — пользователь нажимает курок и согласно подсказкам навигатора, сопровождает цель, а винтовка сама выбирает наиболее удачный момент для совершения выстрела. В качестве операционной системы используется Linux.В качестве оператора умной винтовки, была выбрана Taya Kyle, основательница центра психологической помощи военнослужащим Chris Kyle Frog Foundation.В качестве профессионального снайпера был выбран Брюс Пьятт (Bruce Piatt), многократный чемпион NRA (Национальной стрелковой ассоциации США), который использовал оружие, принятое на вооружение в текущее время в армии США. Также Брюсу было разрешено пользоваться дальномером, обычными очками — в общем всем, что входит в стандартную экипировку.Соревнование проводилось в три этапа, с использованием трех видов вооружения (обычное оружие, оружие повышенной точности и снайперское оружие). Также были созданы стрессовые условия, приближенных к реальным — были использованы туман, взрывы, движущиеся случайным образом цели. Выстрелы производились из положения сидя, лежа, стоя, на коленях.Реалистичность обстановки была оценена зрителями, очень высоко, так как в наши дни, и на военных операциях и особенно на спецоперациях, предварительная тщательная подготовка минимизирует подобные проблемы.Итог: Тая поразила 100% целей, Брюс — 58.6%.Дополнительные итоги:Винтовка от TrackingPoint смогла победить в каждом индивидуальном зачете, с огромным отрывом.Тая смогла поразить 100% целей из полностью защищенного положения (использование специальных очков и камер, позволяют совершать выстрелы таким образом, что тело солдата остается в укрытии, недоступном для огня противника), Брюс не смог сделать ни одного результативного выстрела из полностью защищенного положения.Cоревнование произвело натуральный вау-эффект на множество зрителей.Тая Кайл говорит, что если армия будет вооружена умным оружием, это спасет множество жизней солдат, офицеров полиции и спец подразделений, а также минимизирует случайные потери и сопутствующий ущерб благодаря исключительной точности.Компания TrackingPoint утверждает, что подготовка профессионального снайпера обходится армии слишком дорого, и пользуясь умным оружием, можно сократить расходы на обучение бойцов и лишние боеприпасы на 3.2 млрд долларов ежегодно. Умное оружие это большой прыжок в развитии военного стрелкового дела. John McHale, CEO компании, говорит, что в то время, как флот перешел от обычных кораблей к авианосцам, а воздушные силы от простых аэропланов до сверхзвуковых самолетов, пехота до сих пор вооружена пушками (имеется в виду guns — пистолеты, автоматы и т.д.), у которых последняя качественная модернизация была почти 100 лет назад. Пора дать им современное оружие.Детали этапов.Умная винтовка:Винтовка M600: 1900Винтовка повышенной точности M800: 3240Снайперская винтовка XS1: 5000Обычная винтовка:Винтовка M4A1: 500Винтовка повышенной точности M110: 940Снайперская винтовка M2010: 1640Суммарный итог по очкам:Тая и умная винтовка: 10140Брюс и обычное оружие: 3080
Вы наверняка заметили, что словосочетание «искусственный интеллект» всё чаще мелькает в новостных заголовках. Сегодняшняя новость вновь затрагивает эту актуальную тему. Ведь впервые искусственный интеллект станет судьёй конкурса красоты, в котором может принять участие любой желающий. Этот уникальный проект был разработан при участии таких компаний, как NVIDIA, Microsoft, Cyber Future, RYNKL и других. Подать заявку на участие можно вплоть до 15 января 2016 года.
Автор
Тема: Пределы автоматизации и внедрения роботов (Прочитано 605093 раз)
