Вот пусть роботы вам обслуживают, прокладыают и ставят!
Или пусть кинут вакансий в соцсеть для роботов и искинов (есть такая) - я уверен, очередь за забором будет обеспечена!)
Показать полностью
1
0 просмотренных постов скрыто
Рэд флаг
Показать полностью
1
1
Сегодня на планете Земля
На Шри-Ланке прошел парад в честь Дня независимости.
В Китае станцевали роботы.
В Великобритании водитель автобуса пускал пузыри.
В Испании было дождливо.
В Японии потренировались сумоисты.
В Италии сыграли в керлинг.
В США с помощью рентгена изучили жемчужины в форме сердца.
В Германии люди погуляли по пляжу.
В Индии женщина пошла на горчичное поле.
В Кении в районе новостроек ничего не случилось.
Спасибо за внимание, увидимся!
П.с. Приглашаю в дружный коллектив подписчиков канала "Сегодня на планете Земля". Интересные посты, семейная атмосфера, позитивный настрой. Не хватает только Вас!
Показать полностью
9
Freefall 4332
Показать полностью
1
Ответ на пост «Интересный факт»2
Напомнило одну картинку, перевода которой ещё не было
Показать полностью
1
MirrorMe Tech разогнала робота до 10 метров в секунду
Компания MirrorMe Tech из Китая представила человекоподобного робота Bolt, весом 75 кг и ростом 175 см, полностью копирующего человеческую антропометрию, но без физиологических ограничений. Инженеры отказались от колёс и дополнительных опор, чтобы обеспечить честную имитацию бега. Робот достиг скорости 10 м/с, что всего лишь на пару метров в секунду меньше пикового результата Усэйна Болта.
В тестовом забеге вместе с основателем компании человек сошёл с дистанции со скоростью 5,3 м/с, тогда как алгоритмы робота продолжали ускоряться без одышки и накопления молочной кислоты. Механизм удерживал стабильный ритм в тех участках, где живые мышцы неизбежно начинают отказывать. По мнению разработчиков, железо побеждает не в рывке, а в ресурсе прочности.
Единственным техническим барьером остаётся слабая динамика разгона: Bolt тратит слишком много времени на выход к пиковым показателям, проигрывая профессиональному спринтеру на стартовых метрах. Сейчас разработчики оптимизируют контроллеры, чтобы робот смог пробегать стометровку ровно за десять секунд, борясь не с соперниками, а с инерцией массивного корпуса.
Технологии, по их оценке, окончательно закрывают вопрос физического превосходства человека в прямолинейном движении. Шанс спастись от такого преследователя остаётся только на сложной пересечённой местности или вертикальной лестнице.
Показать полностью
Инновационные способы монетизации и токенизация
Распространение роботов и метавселенных зависит от моделей монетизации, которые диктуются IT‑компаниями, разрабатывающими эти технологии. Более инновационная модель может мгновенно повысить доступность технологии для широкой аудитории. Хотя текущая подписочная модель эффективна, возможно появление ещё более прогрессивных решений.
Внедрение роботов в экономику — это финансовая и технологическая трансформация. Для компаний, стремящихся получить доход в этой сфере, ключевым становится выбор бизнес‑модели. Монетизация может происходить на разных уровнях цепочки создания стоимости: от прямых продаж оборудования до извлечения выгоды из собранных данных и социальных взаимодействий.
Добавленная стоимость
Классическая модель, основанная на продаже аппаратно‑программного комплекса для решения конкретной задачи. Доход формируется за счёт разовой или поэтапной оплаты. Производитель продаёт робота, а интегратор добавляет стоимость, адаптируя и внедряя его на предприятии клиента. Доход производителя генерируется от продажи, а доход интегратора от экспертизы.
Другой вариант, когда производитель создаёт программируемого робота, позволяя клиенту самостоятельно его настроить. Добавленная стоимость заложена в удобстве платформы. Дополнительный доход может поступать от магазина приложений со специализированными программами.
Робот как услуга
Современная модель в сегменте B2B, где клиент получает не актив, а результат. Доход генерируется через регулярные платежи по подписке или оплату за использование. Клиент платит за работу робота, избегая крупных капитальных затрат. Поставщик сохраняет право собственности, обеспечивает обслуживание, ремонт и обновления. К преимуществам такой модели можно отнести низкий порог входа для клиента, гарантированную работоспособность, предсказуемый регулярный доход и глубокие отношения с клиентом для поставщика.
Монетизация внимания и данных
Это модель, где робот продаётся по себестоимости, а доход генерируется через показ рекламы на экране или через голосовой интерфейс робота. Реализуется через подписку на расширенные функции, в то время как базовая функциональность предоставляется бесплатно. Также в качестве дополнительного источника дохода можно использовать продажу агрегированных анонимизированных данных, собранных роботами о поведении, перемещениях и состоянии объектов. Эта информация может использоваться для аналитики и маркетинга.
Социальная интеграция и экосистемы
Самый сложный и потенциально устойчивый вид монетизации. Робот рассматривается не как изолированное устройство, а как ключевой элемент социального взаимодействия или цифровой экосистемы, проводник в социальную сеть. Робот-компаньон может стать центром социальной активности, связывая пользователя с сервисами, родственниками, врачами, педагогами и учителями.
Доход формируется за счёт комиссий с транзакций и продаж внутри системы, продажи цифровых товаров через обучающий контент и игры, а также за счёт подписки на сообщество и доступа к эксклюзивному контенту или событиям. Производитель, контролируя платформу, может взимать комиссию с разработчиков и партнёров, стремящихся получить доступ к его аудитории.
Суть модели состоит в продаже не инструмента, а принадлежности к сообществу и доступа к экосистеме. Чем больше людей используют роботов определённой платформы, тем ценнее становится экосистема вокруг них. Эта модель максимально близка к метавселенным. Примером может служить робот, идеально интегрированный только с определённой экосистемой умного дома, стимулируя пользователя покупать другие устройства того же бренда.
Синтез моделей
На практике успешные компании часто комбинируют несколько моделей. Например, продавая промышленного робота, они могут дополнительно предлагать премиальную аналитику на основе собираемых данных. Домашний робот уборщик может продаваться за деньги, но иметь встроенный голосовой помощник с платными навыками и возможностью показывать контекстную рекламу на смартфоне по завершении уборки.
Выбор бизнес модели определяет не только то, как компания зарабатывает, но и как она выстраивает отношения с клиентом. Если модель, основанная на добавленной стоимости и продаёт решение, а рекламная модель продаёт внимание, то модель социальной интеграции продаёт принадлежность и доступ к экосистеме. Будущее массовой робототехники, особенно в потребительском сегменте, будет зависеть от способности создателей предложить не просто полезный инструмент, а целостную этически выверенную систему взаимоотношений.
Все рассмотренные способы монетизации хоть и считаются инновационными, уже обкатаны и работают. Их можно совершенствовать, улучшать и комбинировать, но каких-то прям революционных прорывов они обеспечить уже не могут. Предлагаю копнуть чуть-чуть глубже и взглянуть на криптовалюты не как на средство децентрализованных финансов, а как на драйвер технологий.
Какова была цель их запуска и массового распространения!? Сегодня уже понятно, что они стали важной составляющей цифровизации общества, продвигая в массы саму идею. У криптовалют есть множество разных названий. Какие-то из них связаны со знаменитыми личностями, какие-то нет. Отсутствие связи с реальной экономикой, позволяет управлять их ценой с размахом, то разгоняя, то обрушивая их котировки. Это мечта спекулянтов во всём мире.
Вычислительные мощности
Только теперь, спустя время, мы можем проанализировать причинно-следственные связи, чтобы понять, зачем нужно было стимулировать массовый майнинг криптовалют. Ни у кого не вызывает удивления, что ажиотажный рост спроса на производительные видеокарты стал основным драйвером развития вычислительных мощностей, создания более производительных видеокарт и, как следствие, привёл нас к рывку в развитии искусственного интеллекта.
Если посмотреть на то, как росла и развивалась компания Nvidia — лидер в области производства видеокарт, то мы сможем отметить, что годы расцвета майнинга криптовалют совпали с периодом активных инвестиций в компанию. Нам важно зафиксировать тот факт, что стратегии развития определённых отраслей закладываются крупными финансовыми институтами на многие годы вперёд.
На примере криптовалют мы можем увидеть глубину мотивации развития технологий. Для бума искусственного интеллекта и производителей чипов были созданы майнеры криптовалют. Для массового распространения роботов нужны новые, ещё более инновационные стимулы.
Токенизация и цифровые валюты
Виртуальные миры метавселенных были бы немыслимы без собственных экономик. Этим экономическим системам, сочетающим комфорт цифровых транзакций и надёжность реального владения, требуется новый тип валюты и новый подход к ценности. Эту роль выполняют цифровые валюты на базе блокчейна и процесс токенизации, которые не просто являются платёжными средствами, а формируют ядро новой цифровой парадигмы, стирающей границы между виртуальным и физическим.
В контексте метавселенных и цифровой экономики токенизация — это процесс преобразования прав на актив или ценность в цифровой токен, существующий в блокчейне. Этот токен становится уникальным, защищённым от подделки и легко передаваемым цифровым активом.
Существует два ключевых типа токенов:
1. Криптовалюты и заменяемые токены. Это внутренние деньги виртуальных миров, такие как SAND в The Sandbox или MANA в Decentraland. Они используются для всех транзакций покупки виртуальной земли, оплаты услуг, участия в играх и голосования за развитие платформы. Их ценность определяется спросом и предложением внутри экосистемы.
2. NFT или невзаимозаменяемые токены это уникальные цифровые сертификаты собственности. В метавселенной NFT представляет собой практически что угодно и может быть участок виртуальной земли, предмет одежды, аксессуар для аватара или произведение цифрового искусства для виртуальной галереи. Также, это может быть специальный игровой предмет или персонаж.
Токенизация через NFT решает проблему подлинного владения. Пользователь не просто арендует предмет у компании разработчика, а владеет им так же надёжно, как домом или картиной в реальности, что подтверждается записью в децентрализованном реестре.
Интеграция токенов создаёт принципиально новую экономическую систему:
1. Игры вроде Axie Infinity уже продемонстрировали модель «играй, чтобы заработать», где время и навыки игроков конвертируются в реальный доход через токены AXS и SLP.
Это трансформирует развлечение в трудовую деятельность, создавая новые формы занятости в цифровом мире.
2. Владение токенами часто даёт право голоса в развитии проекта через децентрализованные автономные организации DAO. Например, держатели MANA помогают принимать решения о будущем Decentraland. Таким образом, пользователи становятся совладельцами и соавторами метавселенной, а не просто её потребителями.
3. Токенизация выходит за пределы метавселенных. Растёт рынок токенизации реальных активов, где в цифровые токены превращаются недвижимость, облигации и произведения искусства. К 2025 году капитализация этого рынка превысила $65 млрд. Это создаёт новую экономику, позволяя торговать долями в физических активах с лёгкостью отправки сообщения.
Токенизация и цифровые валюты осуществляют сдвиг от пассивного потребления цифрового контента к активному участию в цифровой экономике. Вот как это проявляется в сравнении с традиционной моделью:
1. Например, компания приобрела виртуальной земли за $2.4 миллиона в Decentraland, чтобы развивать на нем модный район. Такие бренды, как Samsung и Atari, покупают землю в The Sandbox для создания виртуальных магазинов и опыта. Здесь токенизированная земля через NFT становится цифровым активом, приносящим доход от аренды, рекламы или продажи виртуальных товаров.
2. Художники токенизируют свои работы как NFT и продают их в метавселенных, где их можно выставить в персональной виртуальной галерее. Покупка такого NFT — это не просто получение файла, а приобретение верифицируемого оригинала, право собственности на который публично зафиксировано.
3. Идут эксперименты с выпуском NFT билетов на реальные концерты или сертификатов на уникальный физический товар. Это синхронизирует владение цифровым активом через покупка NFT и получением реального опыта или предмета.
Токенизация и цифровые валюты — это не просто технологические инструменты для метавселенных, а важные составляющие нового социально-экономического уклада. Они переводят понятия собственности, труда, инвестиций и сообщества в цифровую плоскость, делая их более прозрачными, глобальными и доступными.
Для массового распространения роботов эта новая парадигма открывает уникальные возможности. Можно представить, как виртуальный или реальный робот, будет владеть токенизированными цифровыми активами, оказывать услуги в метавселенных за плату и даже участвовать в развитии виртуальных миров. Таким образом, метавселенная становится не просто полигоном для тестирования роботов, но и первой в истории полноценной цифровой экономикой, где роботы могут выступать в качестве самостоятельных экономических агентов и зарабатывать для владельца деньги. Это окончательно стирает грань между технологией, экономикой и обществом, прокладывая путь к будущему, где цифровая и физическая реальности будут объединены. Ещё не захотелось купить себе робота, чтобы он зарабатывал деньги, а вы отдыхали и развлекались? Ну а что, с криптовалютами же сработало!
Глава из книги "Время роботов", Дмитрий Романофф
Показать полностью
1
Наука
Искусственный интеллект и роботы
Идея создания искусственного существа, наделённого разумом, встречалась ещё в древних философских трактатах о «мыслящих машинах». Однако путь от этих идей к научной дисциплине был длительным. Он потребовал формализации самой идеи мышления через математическую логику и создания устройства для его воплощения в виде универсальной вычислительной машины.
Ключевой момент наступил в 1950 году, когда Алан Тьюринг предложил эмпирический тест для оценки машинного интеллекта, задав вопрос: «Может ли машина в диалоге выдать себя за человека?» А в 1956 году на Дартмутской конференции группа учёных, включая Джона Маккарти, впервые официально использовала термин «искусственный интеллект», обозначив рождение новой науки.
С тех пор произошёл ряд прорывов, последний из которых, начавшийся с появлением больших языковых моделей, продолжается и сегодня. Отношение к искусственному интеллекту сегодня — это сложная тема, в которой технологический энтузиазм сталкивается с глубокими общественными опасениями.
Хоть термин искусственный интеллект AI уже стал аббревиатурой разработчиков и многие люди считают, что нейросети и большие языковые модели это интеллект, ряд технических специалистов продолжают настаивать на том, что до полноценного искусственного интеллекта человечеству ещё далеко. По моему личному мнению, решения которые сегодня предлагают большие языковые модели и нейросети настолько впечатляют, что назвать это пусть хоть и сильно урезанной версией искусственного интеллекта, но вполне себе можно. Мы же покупаем в супермаркете коровье молоко, зная что коровы там вообще ни при чём и ничего. К тому же, усовершенствованные большие языковые модели и новые технологии в робототехнике уже сейчас предлагают намного более продвинутые решения во многом отвечающие заложенным стандартам. Если полноценный искусственный интеллект ещё и не создан, то мы очень близки к этому. Социум относится к этому явлению в разных странах сильно по-разному.
Глобальный раскол оптимизма
В Китае, Индонезии и Таиланде подавляющее большинство населения что-то около 77% или 83% видит в искусственном интеллекте больше пользы, чем вреда. В то же время в США, Канаде и странах Западной Европы этот показатель значительно ниже и составляет около 40%. В США, являющихся мировым лидером по частным инвестициям в искусственный интеллект, лишь 25% людей видят в технологии выгоды для общества, а 57% ощущают угрозы. Данные Стэнфордского университета.
Россия демонстрирует свой особый путь восприятия. Уровень осведомлённости об искусственном интеллекте у нас в стране один из самых высоких в мире. 92% населения что-то о нем слышали и 48% уже использует его в повседневной жизни, в работе или учёбе. Причём, среди молодёжи этот показатель достигает целых 79%. Речь про сервисы на базе нейросетей.
Однако широкое использование не означает безоговорочного доверия. В 2025 году число доверяющих и не доверяющих таким технологиям сравнялось. Ключевые факторы недоверия в том, что 30% россиян связывают это со сбоями и ошибками в работе систем, 26% недовольны деградацией населения и 23% предпочтением человеческому взаимодействию. При этом, россияне демонстрируют прагматичный запрос на регулирование, где 45% требуют, в первую очередь, контроля над мошенничеством с помощью нейросетей, а 26% обеспокоены утечкой персональных данных.
Позиции государств
Технологические гиганты продолжают определять повестку. Журнал Time в 2025 году назвал «Людьми года» Сэма Альтмана и Марка Цукерберга. Государства активно включаются в гонку. США делают упор на частные инвестиции и начинают выстраивать федеральное регулирование. Китай лидирует по количеству патентов с долей 69,7% для промышленных роботов, занимая более 51% рынка. Одновременно вводятся строгие правила и обязательная маркировку контента, сгенерированного искусственным интеллектом. Россия, согласно нацпроекту «Экономика данных», фокусируется на внедрении искусственного интеллекта в рабочие процессы и повышении качества жизни.
Современный искусственный интеллект вышел далеко за рамки лабораторных экспериментов, превратившись в двигатель для экономики и науки. Если в 2022–2023 годах мир восхищался способностью ChatGPT генерировать тексты и изображения, то 2025 год стал временем агентов или интеллектуальных систем, способных самостоятельно планировать и выполнять многошаговые задачи. Они могут анализировать почту, планировать встречи, проводить исследования или даже писать и исполнять код. На тестах по программированию лучшие модели за год совершили колоссальный скачок с 4,4% до 71,7% решённых задач. Компании всё чаще видят в них не инструмент, а будущих цифровых коллег. Это мощнейший шаг в сторону появления роботов сотрудников.
При этом происходит стремительное удешевление технологий. Сегодня небольшая модель Microsoft Phi-3-mini с 3.8 млрд параметров может показывать уровень знаний, сравнимый с гигантской моделью прошлых лет, имевшей в 142 раза больше параметров. Разрыв между мощными закрытыми и качественными открытыми моделями сократился до минимума, с 8% до 1,7% за год. Это резко снижает порог входа и позволяет внедрять искусственный интеллект на устройствах с ограниченными ресурсами.
В химии Нобелевская премия 2024 года была присуждена за AlphaFold. Это система, предсказывающая структуру белков с беспрецедентной точностью. Модели вроде Google DeepMind’s GNoME помогают открывать новые материалы. В медицине искусственный интеллект не только диагностирует на уровне лучших специалистов, но и помогает разрабатывать персонализированные планы лечения, экономя время врачей.
Внедрение искусственного интеллекта стало массовым. 78% организаций в мире сообщили об его использовании в 2024 году, что составляет 55% рост за год. Эффект налицо. 71% компаний отмечают рост выручки в маркетинге и продажах, а 49% фиксируют экономию в сервисных операциях. Также, искусственный интеллект работает как уравнитель в кадрах, повышая производительность низкоквалифицированных сотрудников и сокращая разрыв с высококвалифицированными специалистами. Несмотря на ошеломляющий прогресс, развитие наталкивается на фундаментальные вызовы, которые требуют не только технических, но этических, правовых и социальных компромиссов.
Качество данных
Модели учатся на данных, созданных людьми и поэтому воспроизводят социальные стереотипы. Например, ассоциируя женщин с гуманитарными ролями. Сложные нейросети не объясняют, как пришли к выводу, что критично для медицины, юриспруденции и финансов. Кто несёт ответственность за ошибку искусственного интеллекта? Разработчик, оператор или пользователь? Необходима чёткая правовая база, определение ролей и международное сотрудничество в стандартизации.
Обучение больших моделей требует колоссальных энергозатрат. Спрос на вычислительные мощности удваивается примерно каждые полгода. Необходима разработка более энергоэффективных чипов, хотя их эффективность и растёт на 40% в год. Несмотря на выдающиеся успехи, модели все ещё плохо справляются с многошаговым логическим рассуждением и планированием в динамичной среде. Необходимо развитие новых архитектур и подходов, таких как поиск в дереве рассуждений. Число зафиксированных инцидентов, связанных с искусственным интеллектом, выросло в 2024 году на 56,4%, подчёркивая актуальность этих проблем.
Хотя современный искусственный интеллект часто ассоциируется у людей с чат-ботами и генерацией текста, уже сегодня существуют куда более продвинутые решения. Искусственный интеллект — это целая экосистема технологий, где большие языковые модели являются лишь частью «цифрового мозга», который обретает тело, способности и новое качество в физическом мире. Мы стоим на пороге новой эры воплощённого интеллекта, где машины не просто обрабатывают информацию, а взаимодействуют с реальностью, адаптируются и действуют автономно.
Большие языковые модели, такие как GPT и их отечественные аналоги, стали технологическим фундаментом последних лет. Их сила заключается в обучении на колоссальных массивах текстовых данных, что позволяет им:
1. Понимать и генерировать человеческий язык с высокой степенью связности и креативности.
2. Рассуждать и делать логические выводы в рамках предоставленного контекста.
3. Выступать в роли универсальных интерфейсов для доступа к информации и другим сервисам.
Однако ключевое ограничение больших языковых моделей в том, что они не имеют прямого доступа к физическому миру, его законам и обратной связи. Команда «подай стакан воды» для чистой языковой модели — это абстракция, не подкреплённая сенсорным восприятием и моторными навыками.
Воплощённый искусственный интеллект
Это принципиально новый подход, стирающий границу между цифровым и физическим миром, на стыке робототехники, компьютерного зрения и машинного обучения, цель которого состоит в создании интеллектуальных агентов, обладающих телом или его симуляцией и способных активно взаимодействовать с окружением.
Если классический искусственный интеллект учится на статичных наборах данных, то воплощённый учится через непрерывное взаимодействие и обратную связь. Его ключевая формула закладывается через восприятие, познание и действие.
Переход от запрограммированного к воплощённому искусственному интеллекту является ключевым сдвигом в робототехнике ближайших лет, знаменующим переход от простой автоматизации к адаптивному интеллекту.
Физический искусственный интеллект
Концепция физического искусственного интеллекта воплощается в роботах нового поколения и выходит за рамки только программирования. Их создание стало возможным благодаря нескольким прорывным технологиям:
1. VLA-модели через эволюцию LLM. Модели VLA, такие как RT-2 от Google DeepMind, обучаются не только на текстах, но и на миллионах часов видео с действиями роботов и соответствующих команд. Они учатся воспринимать последовательности движений как «токены» в языке, создавая связь между абстрактной командой «убери пролитый сок», визуальной сценой и конкретными моторными действиями.
2. Тренировочные площадки. Обучение робота в реальном мире дорого, медленно и опасно. Технология Sim2Real решает эту проблему. Роботы «проживают» тысячи лет в высокоточной физической симуляции вроде NVIDIA Isaac Sim, где методом проб и ошибок через обучение с подкреплением, они осваивают ходьбу, захват предметов и восстановление после падений. Затем отработанные алгоритмы переносятся на реальных роботов.
3. Новое поколение аппаратного обеспечения. Такие роботы, как Atlas от Boston Dynamics, Digit от Agility Robotics или доступный R1 от Unitree, покидают лаборатории и начинают внедряться на производствах и в логистических центрах.
4. Разрабатываются системы на базе когнитивных и коллаборативных роботов, способных безопасно работать рядом с человеком, понимать его намерения и адаптироваться к изменяющимся задачам. Например, это особенно эффективно в здравоохранении или точном производстве.
5. Периферийные вычисления. Мощные компактные устройства, такие как NVIDIA Jetson, позволяют запускать сложные нейросети прямо на борту робота, обеспечивая мгновенную реакцию без задержек на связь с облаком.
Инновационные системы
Помимо воплощённого интеллекта, формируются и другие передовые направления. Эксперты в России и мире выделяют среди них:
1. Системы, способные не только анализировать данные, но и генерировать научные гипотезы, планировать эксперименты и совершать открытия в химии, биологии и других науках.
2. Технологии, создающие прямые каналы связи между нейронной активностью мозга и внешними устройствами, открывающие путь к принципиально новым способам управления и коммуникации.
3. Исследования, направленные на создание систем, превосходящих человеческие когнитивные возможности в специфических, но критически важных областях, таких как стратегическое планирование или анализ сверхсложных систем.
Современный искусственный интеллект перестал быть абстрактной технологией. Он превратился в комплексную, многослойную архитектуру, где большие языковые модели выполняют роль ядра, а технологии воплощённого интеллекта наделяют это ядро способностью воспринимать и преобразовывать.
Основной вызов наших дней состоит не в создании более умного искусственного интеллекта, а в интеграции его компонентов в надёжные, безопасные и эффективные системы, способные стать настоящими партнёрами человека в реальном мире.
Современная интерпретация искусственного интеллекта — это реальная технология, которая одновременно и ускоряет открытие лекарств от рака, и генерирует дезинформацию. Нейросеть может стать цифровым коллегой, повышающим работоспособность, и источником новых социальных тревог. Мы находимся в точке, где технический прогресс начинает опережать нашу способность осмыслить его последствия.
Будущее искусственного интеллекта будет определяться не столько мощью алгоритмов, сколько качеством ответов на ключевые вопросы:
1. Сможем ли мы выстроить справедливые системы взаимодействия с роботами?
2. Найдём ли формулу ответственного регулирования, которая не задушит инновации?
3. Сумеем ли перераспределить выгоды от автоматизации так, чтобы технологический рывок не породил социальных потрясений?
От ответов на эти вопросы зависит, станет ли искусственный интеллект, в конечном итоге, самым великим прорывом в истории человечества или источником его самых серьёзных испытаний.
Глава из книги "Время роботов", Романофф Дмитрий
Показать полностью
2