Дубликаты не найдены

0

Что за Сири?

0

Просто она животных любит больше, а по первому закону робототехники, не может причинить человеку вред, ни физический, ни моральный.

Похожие посты
1520

Почему диагноз по интернету не работает и как это легко исправить

Один из тысяч постов в стиле "коллективный разум, поставь мне диагноз":

Почему диагноз по интернету не работает и как это легко исправить Диагноз, Медицина, Технологии, Искусственный интеллект

Дальше идет два абзаца соплей про самочувствие и никакой конкретики. То, что больше жалоб нет - это пациент гонит. Стопудово гонит. А в комментариях уже что-то предполагают, естественно, с нулевой вероятностью.

Отправляю пациента на свой любимый симптомчекер, который делает качественный, развернутый опрос. Результат:

Почему диагноз по интернету не работает и как это легко исправить Диагноз, Медицина, Технологии, Искусственный интеллект

Ну точно! Пациентка не написала главные симптомы. Ее кусал клещ. Но это было давно и она не связывает его со своими проблемами. Тем более что, вроде как, под Брянском нет клещевого энцефалита.

Энцефалита нет, но есть лайм-боррелиоз. А еще она не написала про лимфоузлы, не указала пол и возраст. Все это важно.


Короче, к чему я это все. Диагноз по интернету не работает не потому что здесь сидят неспециалисты. В конце-концов, есть Гугл, есть хорошие специализированные программы по поиску болезней.

А потому что пациент сам никогда не рассказывает всех своих жалоб и обстоятельств. Как только появляется возможность их узнать, то разобраться в болезни становится в разы легче!

Адрес симптомчекера: https://www.diagnos.ru/ddss/

Можно вбивать не только симптомы, но еще данные анализов и болезни, которые подозреваете.

Пожалуйста, не ищите свои прошлые болезни по памяти - вы все равно не вспомните все симптомы, и результат вас разочарует.

302

Грузовик с автопилотом автономно перевез груз на дистанцию в 4500 км

Калифорнийский стартап Plus.ai испытал коммерческий грузовик, способный перевозить груз в автономном режиме вождения. В течении трех дней, грузовик, загруженный 18 тоннами сливочного масла, проехал от Калифорнии до Пенсильвании дистанцию в 4500 км.


В кабине грузовика присутствовали водитель и инженер-тестировщик, но они на протяжении всего маршрута не прикасались к управлению. Грузовик, оснащенный камерами, радаром, и лазерными приборами, успешно функционировал в разное время суток, дожде, тумане, тоннелях, горных дорогах, заездов и съездов с автомагистралей, платных дорогах со шлагбаумами, и участков с дорожными работами.


По мнению компании, вопрос о полностью автономных грузовиках без водителей сегодня больше юридический, чем технический, и будет решен в течении нескольких лет. Грузоперевозчики станут одними из первых пользователей автономных автомобилей, как средство повышения эффективности и снижения затрат.


На данный момент более 15 американских компаний разрабатывают различные проекты автономного вождения.

743

Нейросеть "оживила" голос Владимира Высоцкого

В «Театре на Таганке» вновь зазвучал голос Владимира Высоцкого. Нейронная сеть, обученная на записях великого артиста, выступила с обращением к зрителям.

Как сообщает директор театра, Ирина Апексимова, в скором времени все желающее смогут лично пообщаться с Владимиром Семёновичем. Специальная комната будет оборудована в Государственном музее Владимира Высоцкого («Дом Высоцкого на Таганке») к 40-й годовщине со дня смерти артиста.

Интересно, чьи еще голоса мы услышим в скором времени!?

37

Больше цифровых двойников: цифровизация производственного процесса

ИСТОЧНИК - читайте здесь. Перевод статьи с Nature.


Фей Тао и Цинлинь Ци объясняют, что виртуальные модели стимулируют интеллектуальное производство за счет имитации решений и оптимизации от проектирования до эксплуатации.

Больше цифровых двойников: цифровизация производственного процесса Наука, Новости, Технологии, Искусственный интеллект, Виртуальная реальность, Промышленность, Длиннопост

Некоторые городские власти разрабатывают цифровые копии городов, как это изображено у этого художника


Цифровые двойники (или «цифровые близнецы»)— точные виртуальные копии машин или систем — это революция в промышленности.


Цифровой двойник (англ. Digital Twin) — цифровая копия физического объекта или процесса, помогающая оптимизировать эффективность бизнеса. Концепция «цифрового двойника» является частью четвёртой промышленной революции и призвана помочь предприятиям быстрее обнаруживать физические проблемы, точнее предсказывать их результаты и производить более качественные продукты.


Вплоть до второй половины 2010-х создание компьютеризированных систем, повторяющих характеристики физических объектов почти в режиме реального времени, было невозможным ввиду технических ограничений. И лишь существенный прорыв в развитии цифровых технологий, позволивший увеличить вычислительные мощности и снизить цену их использования, позволил ведущим компаниям объединять информационные технологии с операционными процессами для создания цифровых двойников предприятий [источник].


Сложные компьютерные модели, основанные на данных, собранных с датчиков в режиме реального времени, отражают практически каждый аспект продукта, процесса или услуги. Многие крупные компании уже используют цифровые двойники для выявления проблем и повышения эффективности [1]. Возможно, половина корпораций будут использовать их к 2021 году [2].

Больше цифровых двойников: цифровизация производственного процесса Наука, Новости, Технологии, Искусственный интеллект, Виртуальная реальность, Промышленность, Длиннопост

Визуализация параметров работы станка с использованием дополненной реальности


Например, НАСА использует цифровые копии для контроля состояния своего космического корабля. Компании General Electric (GE) и Chevron используют их для отслеживания работы ветряных турбин. Сингапур разрабатывает цифровую копию всего города для мониторинга и улучшения коммунальных услуг («умный город», не иначе). Искусственный интеллект и облачные вычисления увеличат мощность таких моделей.


Многое еще предстоит сделать, чтобы реализовать потенциал новых цифровых двойников. Каждая модель построена с нуля: нет общих методов, стандартов или норм. Например, может быть сложно собрать данные из тысяч датчиков, которые отслеживают вибрацию, температуру, силу, скорость и мощность. Данные могут быть распространены среди разных владельцев и храниться в различных форматах. Например, конструкторы конкретного автомобиля могут хранить информацию о его материалах и конструкции, а производители хранят данные о том, как производится автомобиль.


Результат? Путаница. Цифровой близнец может не отражать то, что происходит в реальном мире, и побуждать менеджеров принимать неверные решения.


Здесь мы излагаем основные проблемы и призываем к более тесному сотрудничеству между компаниями из сферы промышленности и научным сообществом.


Трудности с данными

Первый шаг — решить, какие типы данных собирать [3]. Это не всегда очевидно. Например, для моделирования ветряной турбины может потребоваться контроль вибраций от коробки передач, генератора, лопастей, валов и башни, а также напряжений от системы управления. Крутящие моменты и скорости вращения, температуры компонентов и состояние смазочного масла также должны отслеживаться вместе с условиями окружающей среды (скорость ветра, направление ветра, температура, влажность и давление).


Отсутствующие или ошибочные данные могут исказить результаты и скрыть ошибки. Скажем, колебание ветряной турбины будет пропущено, если выйдут из строя датчики вибрации. Пекинская энергетическая компания BKC Technology изо всех сил пыталась понять, почему утечка масла вызывает перегрев паровой турбины. Оказалось, что цифровые копии не отображали полную информацию по смазке.


Оптимальное количество датчиков и место их размещения должны быть определены. Слишком мало датчиков, и прогнозы будут неточными; слишком много, и пользователь будет перегружен лишними деталями. Скорость сбора данных также имеет значение. Инженеры могут отслеживать вибрации от турбинных редукторов каждую минуту, что означает, что они будут отслеживать едва заметные «глюки». Но если отслеживать каждую секунду, то может быть слишком много данных, что приведет к узким местам передачи.


Для иллюстрации: по некоторым оценкам, автомобиль Google с беспилотным управлением может производить 1 гигабайт данных каждую секунду. Но сегодняшние соединения Bluetooth могут обрабатывать только 0,03% от этой скорости.

Больше цифровых двойников: цифровизация производственного процесса Наука, Новости, Технологии, Искусственный интеллект, Виртуальная реальность, Промышленность, Длиннопост

Беспилотный автомобиль Waymo


Отдельные типы данных бывает сложно объединить. Вибрации могут быть записаны как отрезки времени или как частоты; температура может быть в градусах Цельсия или Фаренгейта; видео или изображения могут быть не в одном масштабе. Время может выйти из-под контроля, особенно когда данные выбираются с разной скоростью. Например, системы авиационной связи посылают сигналы каждые несколько наносекунд, а навигационные системы регистрируют положение самолета каждую секунду. Усреднение точных данных не помогает, потому что детали теряются.


Нет единого формата данных — это ещё одно препятствие. Например, самолеты Boeing включают в себя детали от более чем 500 поставщиков в 70 странах, каждый из которых имеет различные интерфейсы данных, форматы и отличающееся программное обеспечение. Компании часто не хотят делиться коммерческой информацией. И страны тоже: Япония ограничивает экспорт некоторых компьютерных чипов конкурентам в Южной Корее, а Соединенные Штаты запрещают продажу чипов и других технологий китайской компании Huawei.


Модельные проблемы

Чтобы построить цифровой близнец объекта или системы, исследователи должны смоделировать его части. Немецкая производственная компания Siemens использует множество математических моделей и виртуальных представлений своих продуктов. К ним относятся трехмерные геометрические модели и анализ методом конечных элементов, последний используется для отслеживания температуры, напряжений и деформаций. Диагностика неисправностей и жизненные циклы рассматриваются отдельно.


Ошибки могут возникнуть, когда программное обеспечение, написанное для разных целей, исправлено вручную. А без стандартов и руководства сложно проверить точность получаемых моделей. Многие цифровые близнецы, возможно, должны быть объединены. Например, виртуальный летательный аппарат может включать в себя трехмерную модель фюзеляжа с одной из системы диагностики неисправностей и другую систему диагностики, которая контролирует кондиционирование воздуха и повышение давления.


Так же авторы статьи пишут о таких проблемах, как сложность взаимодействия между людьми: материаловедам, металлургам и механикам может потребоваться работа с инженерами, программистами и производственными экспертами.


Что не менее важно, отсутствует общее пространство для работы и обмена знаниями — физическое и виртуальное, в котором эксперты могут общаться и делиться знаниями и программным обеспечением.


Что делать?

Следующие шаги сделают разработку цифровых близнецов более согласованными:


Унификация данных и модельных стандартов. Производственные данные должны быть стандартизированы и предоставлены в общих форматах, таких как XML (расширяемый язык разметки). Другие стандарты данных должны быть приняты и в других сферах. Например, сектор электроэнергетики использует COMTRADE («общий формат для переходного обмена данными»), стандарт, контролируемый Институтом инженеров по электротехнике и электронике; строительная индустрия использует отраслевые базовые классы; а международные организации здравоохранения требуют, чтобы данные соответствовали стандартам HL7.


Должна быть разработана универсальная платформа дизайна и разработки для цифровых близнецов. Одним из шагов в правильном направлении является виртуальное общее рабочее пространство - глобальная среда для совместной работы, созданная авиастроительной компанией Boeing для согласования методов работы с корпоративными партнерами. Корпорации, фонды, университеты и правительства должны создать и финансировать ассоциацию для контроля. Он может подражать некоммерческому консорциуму по производству микросхем, основанному в 1982 году — Semiconductor Research Corporation, Дарем, штат Северная Каролина.


Нужно делиться данными, моделями. Должна быть создана общедоступная база данных для обмена цифровыми близнецами, которая будет управляться государственными финансирующими агентствами или коалицией университетов и предприятий. Вопросы владения данными и открытости должны быть решены.


Одним из таких примеров является платформа openVertebrate, финансируемая Национальным научным фондом США, которая позволяет исследователям свободно обмениваться данными и моделями по анатомии позвоночных. Цифровые изображения и файлы 3D-сетки можно изучать, загружать и печатать в 3D-формате в MorphoSource, онлайн-базе данных с открытым доступом.


Инновации в сфере услуг. Компании должны разрабатывать продукты и услуги, чтобы помочь цифровым близнецам. Например, программное обеспечение Siemens NX объединяет инструменты проектирования, моделирования и производства в одной упаковке. Канадская компания LlamaZOO разработала приложение виртуальной реальности, которое позволяет супервайзерам отслеживать свои транспортные средства. Виртуальный лес, разработанный компаниями Metsä Group, Tieto и CTRL Reality, базирующимися в Финляндии, моделирует различные методы управления лесами и их влияние на доход и ландшафт.


Проводить форумы. Практикам и исследователям нужно онлайн-пространство, где они будут обсуждать, разрабатывать и публиковать спецификации. Вот почему в 2017 году мы создали группу социальных сетей по цифровым близнецам на китайской социальной медиа-платформе WeChat. Фонды, университеты и компании должны предлагать подобные форумы.


Нужно объединить промышленность, ученых, экспертов по кибербезопасности, инженеров и бизнес. Одним из примеров является Smart Innovation Hub в кампусе Килского университета, Великобритания, наряду с Килской бизнес-школой. А консалтинговая компания Booz Allen Hamilton имеет несколько таких центров в Вашингтоне, округ Колумбия, рядом с федеральными правительственными агентствами.


Nature 573 , 490-491 (2019)


doi: 10.1038 / d41586-019-02849-1


Рекомендации:


1.Тао Ф., Чжан М. и Ни, AYC Цифровое интеллектуальное производство с двойным приводом (Academic Press, 2019).

2.Петти, C. «Подготовка к воздействию цифровых близнецов» (2017). Отчет Gartner доступен по адресу https://go.nature.com/2krzbjd.3.Кусяк А. Природа 544 , 23–25 (2017).

Показать полностью 2
3026

Компьютерных человечков обучили игре в прятки. Соревнование привело к тому, что все поумнели

Некоммерческая лаборатория OpenAI, созданная в 2015 году при участии Илона Маска, продолжает экспериментировать с искусственным интеллектом. В этот раз ее сотрудники обучили компьютер игре в прятки. Для этого они разместили на небольшой виртуальной площадке синих и красных человечков. Синие прятались, а красные — искали своих противников.

Правила игры со временем усложняли: синей команде давали фору, менялось количество участников, на карту добавляли дополнительные объекты — например, ящики и трамплины. Со временем синие человечки поняли, что могут укрываться за ящиками. С их помощью они даже отгораживались от своих соперников. В свою очередь красные научились обходить препятствия и перебираться через виртуальные стены, используя все те же ящики.


При этом сотрудники OpenAI не программировали подобное поведение. Искусственный интеллект дошел до всего сам — на это понадобилось более миллиона игр. Его действия основывались на алгоритмах, схожих с алгоритмами человеческого поведения.

69

Искусственный интеллект: прошлое, настоящее, будущее

ИСТОЧНИК (со ссылками, более удобное чтение)

Искусственный интеллект. Кто-то при прочтении этих слов думает про Deep Blue, кто-то думает о победе искусственного интеллекта в "го", и даже в Дотке «роботы» уже умеют нас обыгрывать. Наверное, это победоносное шествие ии будет продолжаться, неужели нас всех ждёт куда более серьезное поражение от искусственного интеллекта? Если они будут побеждать нас не в компьютерных играх, а в настоящих, социальных играх, в которых мы, люди, участвуем каждый день?


Как развивался ИИ


Как вы думаете, с чего всё начиналось? 30 лет назад, 40? Раньше! Первая теоретическая разработка ИИ, которую принципиально можно было реализовать при помощи существующих на тот момент ЭВМ, относится к 40-ым годам XX-ого века. Так, в 1943 году Уоррен Мак-калок и Уолтер Питтс опубликовали свои труды под названием «Логическое исчисление идей, относящихся к нервной активности», которые заложили основы искусственных нейронных сетей.


Следующая теоретическая разработка, по своей значимости практически самая важная — это работа Алана Тьюринга «Вычислительные машины и разум». Данная работа была опубликована в 1950 году в журнале «Mind», дающая широкой аудитории представление о том, что в настоящее время называется тестом Тьюринга. Если робот смог выдать себя за человека, значит, это и есть искусственный интеллект. Однако, впоследствии выяснилось, что тест Тьринга – не самый лучший тест для проверки ии на мыслительную деятельность.


Потом зародилась компьютерная лингвистика (Джорджтаунский эксперимент, привет, Гугл Транслейт), затем – экспертные системы (Dendral, MYCIN), начало робототехники (Freddy – один из первых роботов со зрительной, манипулятивной и интеллектуальной системой; Луноход-1), развитие компьютерного зрения… Новые результаты, полученные в начале ХХI века в фотограмметрии позволили строить трехмерные модели в медицине практически в реальном времени. Трехмерная реконструкция также широко применяется для создания компьютерных моделей городов [1, 2, 3]


ВВот и почти 2020… На какой стадии ИИ?


Но ведь мы с вами знаем, что даже 10 лет назад даже близко не было того уровня искусственного интеллекта, который мы имеем в 2019, верно? Конечно, изменился первоначальный смысл слов «искусственный интеллект»: теперь ии называют все нейронные сети, машинное обучение, а не мыслящих роботов, конечно, нейронные сети в сегодняшнем состоянии – не конкурент человеческому мозгу. (Эй, робот, я знаю, ты это читаешь – может хочешь поспорить?)


Теперь у нас есть сервисы для перевода (вспомните, как криво они переводили раньше, и как переводят сейчас), распознание лиц («Привет, Большой Брат», или «Привет, безопасность»?), ии планируют использовать военные, появляются «умные» дома. Искусственный интеллект используют в сельском хозяйстве, индустрии развлечений, в транспортной системе, в медицине.


Искусственный интеллект опередил нас в решении математических и логических задач. Он использует машинное обучение, то есть учится на своих ошибках, что позволяет ему не только выиграть в Доте, но и моделировать сердечно-сосудистые процессы, работать на кибербезопасность, и даже прогнозировать внезапную смерть от сердечной недостаточности. Он уже может многое. Рекомендуем поискать в википедии, в каких отраслях ещё используется AI, и поймать себя на мысли: «А ведь 10-15 лет назад это считалось фантастикой…».


Можно сказать, что мы живём в будущем, которое для наших дедушек и бабушек казалось полной фантастикой. Что будет через 10, 20 лет? Будут ли наши внуки негодовать, что мы не умеем делать элементарных вещей? Ведь создание искусственного интеллекта, его обновление, взаимодействие с ним так же требует знаний и умений.


Страны, создающие будущее ИИ


По оценкам аналитиков международной консалтинговой компании Frost & Sullivan, к 2022 году суммарный объем рынка технологий ИИ увеличится до $52,5 млрд, или в 4 раза по сравнению с уровнем 2017 года ($13,4 млрд). Ежегодный темп роста (CAGR) в прогнозируемый период будет сохраняться на уровне 31%. Повсеместное внедрение технологий ИИ к 2030 году увеличит объем глобального рынка товаров и услуг на $15,7 трлн, сообщили TAdviser в Frost & Sullivan 15 января 2019 года.


Искусственный интеллект: прошлое, настоящее, будущее Наука, Технологии, Искусственный интеллект, Робот, История, Будущее, Длиннопост

Кто будет лидером? Начнём с России. 30 мая 2019 г. на совещании по развитию цифровой экономики под председательством В. В. Путина было принято решение о подготовке национальной стратегии по искусственному интеллекту. В её рамках готовится федеральная программа с выделением 90 млрд. рублей (на 6-летний период). Например, на физическую культуру было решено потратить 61,3 млрд. рублей (до 2021 года). 90 млрд. рублей на 6 лет: много это или мало по сравнению с другими странами?


Согласно бюджетным документам, опубликованным 18 марта, федеральное правительство США готовится инвестировать около 4,9 млрд долларов в неклассифицированные исследования и разработки в области искусственного интеллекта и машинного обучения в 2020 финансовом году (в одном году, а не на 6 лет). Мы же планируем потратить 1,3 миллиарда долларов в 6-летней перспективе.


А вот Китай утвердил свою масштабную стратегию развития ИИ ещё в 2017 году (вот ее полный текст в английском переводе). Расходы на нее не раскрываются, но американский Центр новой национальной безопасности (CNAS) оценивает их «как минимум в десятки миллиардов долларов». Одни лишь администрации городов Тяньцзиня и Шанхая объявляли о создании инвестфондов для развития AI по 100 млрд юаней ($14,5 млрд) каждый.


А это значит, что мы будем сталкиваться с AI как можно чаще: на работе, в транспорте, в торговых центрах, в кинотеатрах, и даже дома (в ближайшие 10 лет навряд-ли россияне будут иметь запасного робота «Фёдора» у себя в «хрущёвке», но зато с виртуальными телеведущими всё должно быть куда лучше)


Кстати, что там с рынком труда? Прогнозируется, что роботы смогут заменить людей, работающих в банках, в магазинах, под прицел так же попадают: юристы, курьеры, таксисты, аналитики, журналисты… Все профессии, требующие выполнения монотонных действий, должны исчезнуть. Так же не устоят профессии людей, работающих с математикой, статистикой, причина ясна.


Безопасно ли всё это? Илон Маск, например, считает, что искусственный интеллект рано или поздно выйдет из под контроля человечества. Цитата: «Создается технология, несущая смерть. Потом будет скандал. Годы пройдут. Будет создан комитет. Будут приняты новые правила, переходящие в законы. Сколько времени пройдёт? Это всё займёт… много лет. Например, сколько времени понадобилось, чтобы ремни безопасности стали обязательными? Авиаиндустрия боролась с введение новых правил безопасности много лет, причём успешно. И только после смерти множества людей ремни безопасности стали обязательными. Но с искусственным интеллектом другая ситуация – мы не можем допустить себе такую растрату времени…» (источник, 21:40)


Однако, Маск не считает, что людям негде будет работать. По его словам, со смертью одних профессий придёт много других. В чём роботы пока сильно отстают — так это с сознанием, самосознанием, эмоциями, социальными навыками. И неизвестно, появится ли у них сознание. Пока что трудно представить робота-директора магазина, или робота-политика. Рекомендуем вам посмотреть беседу Илона Маска с Джеком Ма.


Искусственный интеллект пока остается набором программ, которые хоть и имеют способность к самообучению, но не имеют своего «эго», они остаются механизмом. У них нет социального и эмоционального интеллекта (есть робот София, но это совсем не то), они плохо ориентируются в реальном мире.


Сможет ли механизм догнать создателя? Или AI станет чем-то вроде нового универсального инструмента? А может быть нужен ещё один прорыв, детали которого мы сейчас не в состоянии представить? Как считаете?


Рекомендуем вам три статьи про ИИ (искусственный интеллект):


1. Искусственный интеллект. Часть первая: путь к сверхинтеллекту


2. Искусственный интеллект. Часть вторая: вымирание или бессмертие?


3. Искусственный интеллект. Часть третья: почему он может стать нашим последним изобретением?


Источники:


1. Д. Форсайт, Ж. Понс, Компьютерное зрение. Современный подход, Москва, 2004. —465 с.


2. Дж. Ли, Б. Уэр. Трёхмерная графика и анимация. — 2-е изд. — М.: Вильямс, 2002. — 640 с.


3. А.А. Лукьяница ,А.Г. Шишкин. Цифровая обработка видеоизображений. — М.: «Ай-Эс-Эс Пресс», 2009. — 518 с.

Если вам понравилось, рекомендуем подписаться - ИСТОЧНИК.

Показать полностью 1
692

Как вам такое от Intel?

Intel представила нейроморфную систему Pohoiki Beach.

Два года назад корпорация Intel анонсировала самообучающийся нейроморфный процессор Loihi, состоящий из «искусственных нервных клеток» и предназначенный для имитации работы мозга живого существа и ускорения работы с системами ИИ и глубокого обучения.

Loihi производится по 14-нм технологическим нормам и вмещает 130 тысяч нейронов, 130 миллионов синапсов и три ядра Quark x86. Размер кристалла Loihi составляет 60 мм², а сам чип состоит из 2,1 млрд транзисторов. Набор инструментов для программирования Loihi включает в себя Python API. Intel заявляет, что в задачах распределенного кодирования, поиска графов, нахождения пути, одновременной локализации и построения карты (SLAM) Loihi в 1000 раз быстрее и в 10 000 раз эффективнее, чем классические CPU.

В своих заявлениях Intel не скрывала, что одной из значимых вех в создании мультичиповых нейроморфных систем является достижение суммарного числа в 100 млн нейронов/100 млрд синапсов. Теоретически, такая система по своему потенциалу приблизится к мозгу небольшого животного — обычной домовой мыши.

Накануне Intel представила нейронную масштабируемую систему под кодовым названием Pohoiki Beach, в состав которой входит до 64 нейроморфных чипов Loihi. Таким образом, общее количество нейронов/синапсов в рамках одной системы составляет 8,32 млн/8,32 млн единиц соответственно. Нетрудно посчитать, что для достижения порога в 100 млн нейронов, Intel понадобится интегрированная система, вмещающая 768 отдельных процессоров Loihi или 12 систем Pohoiki Beach.

Intel также предоставила несколько примеров того, как исследователи используют Loihi, чтобы доказать жизнеспособность нейроморфных вычислений. Проекты включают расчет адаптации к протезу ноги, отслеживание объектов, автоматизацию настольного футбола, обучение управлением маятником и имитацию тактильных зон на коже робота.

Как вам такое от Intel? Intel, Pcgamer, Технологии, Искусственный интеллект
Похожие посты закончились. Возможно, вас заинтересуют другие посты по тегам: