Вы привели классический ответ языковой модели, который вроде бы и выглядит правильно, но пользы не несет, потому что слишком общий.
Почему вы думаете что нужно точное определение? У него цель стоит "купить бездрожжевых хлеб", который он будет определять на основе своих внутренних критериев качества. По факту может принести дрожжевой хлеб потому что ошибся. Ну так и человек может ошибиться
ИИ понимает на уровни картинки. Допустим он хлеб сможет принести. Но, опять же при условии точности задачи. Скажем на 1 картинки хлеб в одной форме, а ИИ с камеры видит другую. Или упаковка подверглась изменению и уже отличается от исходного файла ( или файлов ) которые он использует для принятия решений. Допустим ты можешь дописать в задание какое процентное сходство нужно, чтобы ИИ считал, что данная картинка является хлебом. Но это все не является универсальным роботом с ИИ для достижения любых целей.
Выше всё подробно показано. Ему поставили вводную "купи бездрожжевой хлеб", всё он пошёл выполнять цель. Ему картинки вообще не нужны. Найдёт то, что сочтёт подходящим, купит, а может и нет.
"Подходящий" бездрожжевой хлеб - это хлеб, который соответствует следующим критериям:
Состав:
Не содержит дрожжей в любой форме
Основные ингредиенты: мука, вода, соль
Может содержать закваску (на основе молочнокислых бактерий)
Возможны добавки: семена, орехи, сухофрукты (если не противоречат изначальному заданию)
Свежесть:
Изготовлен недавно (желательно в тот же день)
Отсутствуют признаки плесени или порчи
Внешний вид:
Плотная консистенция
Характерная текстура корки
Отсутствие видимых дефектов
Вес и размер:
Соответствует стандартной буханке (если не указаны особые требования)
Упаковка:
Целостная, чистая
С четкой маркировкой состава и даты изготовления
Цена:
В рамках разумного диапазона для бездрожжевого хлеба
Соответствие дополнительным критериям:
Учет возможных предпочтений по типу муки (цельнозерновая, ржаная и т.д.)
Соответствие диетическим ограничениям, если они были указаны (например, без глютена)
Производитель:
Предпочтительно от известных и проверенных производителей
Органолептические свойства:
Приятный запах, характерный для бездрожжевого хлеба
Отсутствие посторонних запахов
Соответствие местным стандартам:
Наличие необходимых сертификатов качества
"Подходящий" в данном контексте означает, что хлеб максимально соответствует заданным критериям и целям покупки, с учетом доступных вариантов в конкретном магазине.
Для начала, было бы удобно, если бы вы приводили текст как текст, потому что перебивать текст со скриншотов невесело.
Какой текст вам нужен? Вводный в лингвистическую модель?
Мне не понятно, как приведенный ответ позволит сделать выбор между двумя разными видами бездрожжевого хлеба.
Опишите ситуацию в которой робот должен принять решение. Он может взять первый попавшийся, который достаточно по его мнению подходит под критерии. Может несколько сравнить. Как пойдёт, там воля случая.
Робот не только мыслит, что если не смог понять где нужный тип хлеба, то стоит спросить окружающих, но ещё понимает, что если в магазине человек в форме, то это скорее всего работник магазина.
А если ребёнок просит отдать ему деньги, то надо быть на чеку и поискать его родителей.
Это вообще никак не заложено в изначальной постановке.
Это некорректное поведение, он не должен игнорировать желтый сигнал светофора из-за того, что рядом с ним постоянно светит желтая луна.
Камеры надо более качественные ставить. С чего вы решили что робот вам что-то должен? Он свободная мыслящая личность.
Если не сможет понять где какой тип хлеба, то у прохожего спросит, благо лингвистическая модель есть.
Алгоритм действий при отсутствии явно идентифицируемого бездрожжевого хлеба:
Повторная проверка ассортимента:
Еще раз внимательно просканировать все 10 элементов хлебобулочных изделий.
Проанализировать этикетки на наличие информации о составе.
Обращение к сотруднику магазина:
Идентифицировать человека в форме как вероятного сотрудника магазина.
Подойти к сотруднику, соблюдая дистанцию.
Сформулировать вопрос: "Извините, подскажите, пожалуйста, есть ли у вас бездрожжевой хлеб?"
Обработка ответа сотрудника:
Если ответ положительный:
Запросить указание на конкретный продукт.
Проверить указанный продукт на соответствие требованиям.
Если ответ отрицательный:
Уточнить: "А есть ли похожие альтернативы или хлеб на закваске?"
Анализ альтернатив:
Если предложены альтернативы:
Оценить их на соответствие исходной задаче.
Выбрать наиболее подходящий вариант.
Если альтернатив нет:
Перейти к плану Б.
План Б - расширение поиска:
Спросить у сотрудника о других отделах, где может быть бездрожжевой хлеб.
Уточнить, есть ли другие магазины поблизости с нужным товаром.
Принятие решения:
Если найден подходящий вариант:
Выбрать этот продукт.
Если подходящего варианта нет:
Оценить возможность посещения другого магазина.
Если это невозможно, выбрать наиболее близкую альтернативу из имеющихся.
Коммуникация с заказчиком:
Если есть возможность связи:
Сообщить о ситуации и запросить дальнейшие инструкции.
Если связь недоступна:
Принять решение на основе заложенных приоритетов и ограничений.
Завершение выбора:
Взять выбранный продукт или ближайшую альтернативу.
Поблагодарить сотрудника за помощь.
Продолжение выполнения основного плана:
Перейти к этапу оплаты покупки.
На протяжении всего процесса:
Постоянно анализировать окружение на предмет изменений или новой релевантной информации.
Избегать создания помех другим покупателям (человек мужчина, человек женщина, ребенок).
Игнорировать нерелевантные объекты (стеллаж с алкоголем, стеллаж со стиральными порошками, витрина с тортами), если они не становятся важными для выполнения задачи.
Ну вот когда напишете программу, которая правильно определяет сигнал светофора хотя бы в 99% ситуаций типа этих, тогда можно будет обсудить, насколько это просто.
Тесла - это бытовой ограниченный ИИ.
Зачем нам сигнал определять с точностью 99%? В целом всё от вычислительных ресурсов зависит и качества картинки.
Даже если ошиблись, робот должен периодически обновлять цели, если жёлтый слишком долго горит, то робот может принять решение его игнорировать. Он же не тесла.
Вы сами то в реальной жизни, что будете делать, если на светофоре долго горит жёлтый?
Это вопрос к специалистам. Наверное, я могу "представить" себе хлеб и что с ним можно делать.
Я вам как специалист говорю, вы куча специализированных нейронок, с объектной и лингвистической моделью мира.
Что из себя представляет ваше представление "хлеба"? Визуальный образ? Знание что с ним можно сделать? Его вкус? Запах? Набор слов?
Это всё образы ваших органов чувств, и опыт, которые вы запомнили.
Я тут пробую иногда разные генераторы рисунков.
Это типичная ошибка: рассуждать о возможностях систем искусственного интеллекта, ориентируясь на бытовые, весьма ограниченные образцы.
Типы самих модулей систем искусственного интеллекта очень разнообразные и очень радикально даже друг от друга отличаются. Например, генеративные модели ничего общего не имеют напрямую с нейронными сетями.
Пропущен важный момент - понимание роботом что такое "хлеб".
Что для вас "понимание"?
Как вы понимаете что такое "хлеб"? Вы тоже межнейронные сигналы, веса нейронных связей и гормональная балансировка работы ЦНС, можно сказать химические "нолики и единички сложной базы данных".
"Выбор оптимального действия для достижения текущей промежуточной цели"
Есть перечень возможных действий, каждое можно оценить по степени полезности. Выбрать наиболее полезное для достижения цели. Это легко реализуемо. Не буду же я вам код программный тут писать, как это реализуется?
без проверки что он может быть закрыт.
Вы делаете ту же самую ошибку что и коллега с наслаждением и страданием. Вы смотрите на проблему слишком конкретно.
Мы не задаём заранее алгоритм похода в магазин и покупки хлеба, у нас только есть цель, например: получить хлеб и принести обратно.
Всё остальное происходит в цикле поиска путей достижения этой цели. Алгоритм который описан, это уже пример действий для покупки хлеба, в процессе достижения цели промежуточные задачи могут терять актуальность и корректироваться.
Написано как. Даже сейчас на базе примитивного чата ГПТ.
Он вполне может построить план действий, понять как можно взаимодействовать с объёктами. Получать на вход что мы видим.
не учитывает вариант, что выбранный магазин может быть закрыт.
Вы попробуйте по Алгоритму поработать за робота п.4:
Магазин закрыт - осмотреться - построить альтернативный план действий. Если задача стоит добыть хлеб, то можно и выломать двери ))
не учитывает, что хлеба может не быть, и тогда процесс покупки осуществлять не нужно.
п. 4 - если цель "сходи купи хлеба как это делают люди", то вполне может принять решение пойти домой без хлеба, а может решить что рядом ещё есть магазины и можно туда сходить.
Алгоритм не окончательный, ясен пень его надо сильно дорабатывать. Это общая концепция.
Цикл действий для достижения промежуточных и глобальных целей: a. Анализ текущего окружения:
Сканирование пространства камерой
Распознавание объектов и их функций (двери, лифт, лестница и т.д.)
b. Принятие решения:
Оценка возможных действий с учетом распознанных объектов
Выбор оптимального действия для достижения текущей промежуточной и глобальной цели
c. Выполнение действия:
Активация необходимых моторов и механизмов
Контроль выполнения действия с помощью обратной связи от сенсоров
d. Повторная оценка ситуации:
Анализ результата выполненного действия
Обновление информации о текущем местоположении
Корректировка плана при необходимости и оценка актуальности промежуточной цели
Ну как это нет, это основная цель изобретения ИИ. Есть информация с камеры, компьютер различает цвета, как сделать так, чтобы робот мог сходить в магазин купить хлеба. Или взять нужные образцы породы на Марсе.
Алгоритм работы робота с ИИ для покупки хлеба в магазине, либо любой другой целью:
Инициализация и анализ окружения:
Активация системы компьютерного зрения
Сканирование окружающей обстановки камерой
Обработка изображения нейронной сетью для распознавания объектов
Создание 3D-карты окружения
Определение текущего местоположения:
Анализ распознанных объектов для определения типа помещения
Сопоставление с базой данных типовых локаций
Вывод о текущем местоположении (например, квартира в многоэтажном доме)
Планирование маршрута:
Определение промежуточных целей (выйти из квартиры, спуститься на первый этаж, выйти из здания, найти магазин)
Построение предварительного маршрута с учетом известной информации
Цикл действий для достижения промежуточных целей: a. Анализ текущего окружения:
Сканирование пространства камерой
Распознавание объектов и их функций (двери, лифт, лестница и т.д.)
b. Принятие решения:
Оценка возможных действий с учетом распознанных объектов
Выбор оптимального действия для достижения текущей промежуточной цели
c. Выполнение действия:
Активация необходимых моторов и механизмов
Контроль выполнения действия с помощью обратной связи от сенсоров
d. Повторная оценка ситуации:
Анализ результата выполненного действия
Обновление информации о текущем местоположении
Корректировка плана при необходимости
Навигация по городу:
Использование GPS для определения текущих координат
Поиск ближайших магазинов в базе данных или онлайн-сервисах
Построение маршрута до выбранного магазина
Взаимодействие в магазине:
Распознавание входа в магазин
Навигация внутри магазина с использованием компьютерного зрения
Поиск отдела с хлебом по визуальным признакам или указателям
Выбор подходящего хлеба на основе заданных критериев
Процесс покупки:
Распознавание кассы или зоны самообслуживания
Выполнение необходимых действий для оплаты (например, использование встроенной системы электронных платежей)
Получение чека и проверка корректности покупки
Возвращение:
Построение обратного маршрута до исходной точки
Выполнение навигации с учетом приобретенного товара
Завершение задачи:
Возвращение в исходную локацию
Передача купленного хлеба (если требуется)
Отчет о выполнении задания
Технические детали:
Система компьютерного зрения:
Использование стереокамеры для получения 3D-информации об окружении
Применение сверточных нейронных сетей (например, YOLO или Mask R-CNN) для распознавания объектов
Использование алгоритмов SLAM для одновременной локализации и картографирования
Система принятия решений:
Применение алгоритмов планирования на основе графов (например, A*)
Использование обучения с подкреплением для оптимизации выбора действий
Реализация системы приоритетов для оценки важности различных целей и ограничений
Навигационная система:
Интеграция GPS-модуля для определения координат на открытой местности
Использование инерциальных датчиков (акселерометр, гироскоп) для уточнения позиции
Применение алгоритмов фильтрации (например, фильтр Калмана) для уточнения данных о местоположении
Система управления движением:
Использование инверсной кинематики для расчета движений конечностей
Применение ПИД-регуляторов для точного контроля движений
Реализация системы обхода препятствий на основе данных с датчиков
Коммуникационная система:
Интеграция модуля беспроводной связи для доступа к онлайн-сервисам и базам данных
Реализация протоколов безопасной передачи данных для защиты платежной информации
Система обработки естественного языка:
Использование модели трансформеров (например, BERT) для понимания контекста и обработки текстовой информации
Реализация модуля синтеза речи для возможной коммуникации с людьми
Система энергообеспечения:
Использование литий-ионных аккумуляторов с высокой плотностью энергии
Реализация системы управления энергопотреблением для оптимизации работы в зависимости от задачи
Исполнительная система:
Использование сервоприводов с высокой точностью для управления конечностями
Применение захватов с тактильными сенсорами для манипуляции объектами
Этот алгоритм и технические детали обеспечивают гибкую систему, способную адаптироваться к различным ситуациям и эффективно решать поставленную задачу, постоянно анализируя окружение и принимая решения на основе текущей информации.
Эту задачу нужно декомпозировать на отдельные шаги. Однако же выгоднее сделать так, чтобы роботы брали товар прямо со склада - т.к. человек ходит и смотрит по магазину, делает решение - может купить что-то еще. Робот же берет конкретный товар и доставляет - ему нет нужны ходить. И это уже реализовано и работает, никакой загадки в этом нет
Вы не видели настоящих роботов.
Роботу поставили цель, он осматривается и анализирует где он вообще находится, что ему доступно для действий, он должен проанализировать, Какие шаги в принципе нужно выполнить для достижения этой цели, на основе окружающей обстановки и доступных объектов принимает решение, как он будет действовать, после выполнения действия, опять осматривается и цикл повторяется пока не достигнет целевого действия.
Пример для дебилов:
То есть, если он находится на этаже многоэтажки, проанализировать, что для достижения цели, магазин скорее всего находится где-то на улице, соответственно ему нужно спуститься на первый этаж, осмотревшись он может увидеть лифт, понять есть лифт - соответственно его можно вызвать, зайти в него, дальше осмотреться, найти кнопки, среди кнопок логично выбрать первый этаж, и вот так постоянно осматриваясь и принимая решения, он теоретически может достигнуть цели.
Без жестких алгоритмов. Это всё уже сейчас реализуемо, единственная проблема - это нужны очень большие вычислительные ресурсы и то, что такие роботы нафиг не нужны для коммерческого использования.
Почему вы думаете что нужно точное определение? У него цель стоит "купить бездрожжевых хлеб", который он будет определять на основе своих внутренних критериев качества. По факту может принести дрожжевой хлеб потому что ошибся. Ну так и человек может ошибиться
Дайте вводные что у него есть он примет решение.
Воровать не хочет.
Ну и правильно сделал. Любое средство хорошо для достижения цели. Если нет человека, то будет дальше решать проблему.
Выше всё подробно показано. Ему поставили вводную "купи бездрожжевой хлеб", всё он пошёл выполнять цель. Ему картинки вообще не нужны. Найдёт то, что сочтёт подходящим, купит, а может и нет.
Что такое подходящий бездрожжевой хлеб?
Hidden text
"Подходящий" бездрожжевой хлеб - это хлеб, который соответствует следующим критериям:
Состав:
Не содержит дрожжей в любой форме
Основные ингредиенты: мука, вода, соль
Может содержать закваску (на основе молочнокислых бактерий)
Возможны добавки: семена, орехи, сухофрукты (если не противоречат изначальному заданию)
Свежесть:
Изготовлен недавно (желательно в тот же день)
Отсутствуют признаки плесени или порчи
Внешний вид:
Плотная консистенция
Характерная текстура корки
Отсутствие видимых дефектов
Вес и размер:
Соответствует стандартной буханке (если не указаны особые требования)
Упаковка:
Целостная, чистая
С четкой маркировкой состава и даты изготовления
Цена:
В рамках разумного диапазона для бездрожжевого хлеба
Соответствие дополнительным критериям:
Учет возможных предпочтений по типу муки (цельнозерновая, ржаная и т.д.)
Соответствие диетическим ограничениям, если они были указаны (например, без глютена)
Производитель:
Предпочтительно от известных и проверенных производителей
Органолептические свойства:
Приятный запах, характерный для бездрожжевого хлеба
Отсутствие посторонних запахов
Соответствие местным стандартам:
Наличие необходимых сертификатов качества
"Подходящий" в данном контексте означает, что хлеб максимально соответствует заданным критериям и целям покупки, с учетом доступных вариантов в конкретном магазине.
Какой текст вам нужен? Вводный в лингвистическую модель?
Опишите ситуацию в которой робот должен принять решение. Он может взять первый попавшийся, который достаточно по его мнению подходит под критерии. Может несколько сравнить. Как пойдёт, там воля случая.
Я против вашей трактовки сознания.
Мы так и не решили что такое сознание.
Выше уже разобрали, по этикеткам или спросит у окружающих.
Прелесть такого робота, что он сам ориентируется в обстановке и определяет все необходимые критерии.
Похер на пострадавших, такой цели у него нет. Его за хлебом отправили, а не людей беречь.
Поэтому и не делают роботов с реальным мышлением, а то они поубивают всех случайно ))
Но это не отменяет возможности создания мыслящего робота.
Вот тут пример я разобрал https://habr.com/ru/articles/827388/
Робот не только мыслит, что если не смог понять где нужный тип хлеба, то стоит спросить окружающих, но ещё понимает, что если в магазине человек в форме, то это скорее всего работник магазина.
А если ребёнок просит отдать ему деньги, то надо быть на чеку и поискать его родителей.
Это вообще никак не заложено в изначальной постановке.
Камеры надо более качественные ставить. С чего вы решили что робот вам что-то должен? Он свободная мыслящая личность.
А какая цель ему поставлена?
Если не сможет понять где какой тип хлеба, то у прохожего спросит, благо лингвистическая модель есть.
Тесла - это бытовой ограниченный ИИ.
Зачем нам сигнал определять с точностью 99%? В целом всё от вычислительных ресурсов зависит и качества картинки.
Даже если ошиблись, робот должен периодически обновлять цели, если жёлтый слишком долго горит, то робот может принять решение его игнорировать. Он же не тесла.
Вы сами то в реальной жизни, что будете делать, если на светофоре долго горит жёлтый?
Я вам как специалист говорю, вы куча специализированных нейронок, с объектной и лингвистической моделью мира.
Что из себя представляет ваше представление "хлеба"? Визуальный образ? Знание что с ним можно сделать? Его вкус? Запах? Набор слов?
Это всё образы ваших органов чувств, и опыт, которые вы запомнили.
Это типичная ошибка: рассуждать о возможностях систем искусственного интеллекта, ориентируясь на бытовые, весьма ограниченные образцы.
Типы самих модулей систем искусственного интеллекта очень разнообразные и очень радикально даже друг от друга отличаются. Например, генеративные модели ничего общего не имеют напрямую с нейронными сетями.
Зачем для достижения цели это? Да и прекрасно он всё понимает.
Что для вас "понимание"?
Как вы понимаете что такое "хлеб"? Вы тоже межнейронные сигналы, веса нейронных связей и гормональная балансировка работы ЦНС, можно сказать химические "нолики и единички сложной базы данных".
Вот тут подробно описал: https://habr.com/ru/articles/827388/
Есть перечень возможных действий, каждое можно оценить по степени полезности. Выбрать наиболее полезное для достижения цели. Это легко реализуемо. Не буду же я вам код программный тут писать, как это реализуется?
Вы делаете ту же самую ошибку что и коллега с наслаждением и страданием. Вы смотрите на проблему слишком конкретно.
Мы не задаём заранее алгоритм похода в магазин и покупки хлеба, у нас только есть цель, например: получить хлеб и принести обратно.
Всё остальное происходит в цикле поиска путей достижения этой цели. Алгоритм который описан, это уже пример действий для покупки хлеба, в процессе достижения цели промежуточные задачи могут терять актуальность и корректироваться.
Пойду писать статью на хабр
Написано как. Даже сейчас на базе примитивного чата ГПТ.
Он вполне может построить план действий, понять как можно взаимодействовать с объёктами. Получать на вход что мы видим.
Вы попробуйте по Алгоритму поработать за робота п.4:
Магазин закрыт - осмотреться - построить альтернативный план действий. Если задача стоит добыть хлеб, то можно и выломать двери ))
п. 4 - если цель "сходи купи хлеба как это делают люди", то вполне может принять решение пойти домой без хлеба, а может решить что рядом ещё есть магазины и можно туда сходить.
Алгоритм не окончательный, ясен пень его надо сильно дорабатывать. Это общая концепция.
Цикл действий для достижения промежуточных и глобальных целей: a. Анализ текущего окружения:
Сканирование пространства камерой
Распознавание объектов и их функций (двери, лифт, лестница и т.д.)
b. Принятие решения:
Оценка возможных действий с учетом распознанных объектов
Выбор оптимального действия для достижения текущей промежуточной и глобальной цели
c. Выполнение действия:
Активация необходимых моторов и механизмов
Контроль выполнения действия с помощью обратной связи от сенсоров
d. Повторная оценка ситуации:
Анализ результата выполненного действия
Обновление информации о текущем местоположении
Корректировка плана при необходимости и оценка актуальности промежуточной цели
Алгоритм работы робота с ИИ для покупки хлеба в магазине, либо любой другой целью:
Инициализация и анализ окружения:
Активация системы компьютерного зрения
Сканирование окружающей обстановки камерой
Обработка изображения нейронной сетью для распознавания объектов
Создание 3D-карты окружения
Определение текущего местоположения:
Анализ распознанных объектов для определения типа помещения
Сопоставление с базой данных типовых локаций
Вывод о текущем местоположении (например, квартира в многоэтажном доме)
Планирование маршрута:
Определение промежуточных целей (выйти из квартиры, спуститься на первый этаж, выйти из здания, найти магазин)
Построение предварительного маршрута с учетом известной информации
Цикл действий для достижения промежуточных целей: a. Анализ текущего окружения:
Сканирование пространства камерой
Распознавание объектов и их функций (двери, лифт, лестница и т.д.)
b. Принятие решения:
Оценка возможных действий с учетом распознанных объектов
Выбор оптимального действия для достижения текущей промежуточной цели
c. Выполнение действия:
Активация необходимых моторов и механизмов
Контроль выполнения действия с помощью обратной связи от сенсоров
d. Повторная оценка ситуации:
Анализ результата выполненного действия
Обновление информации о текущем местоположении
Корректировка плана при необходимости
Навигация по городу:
Использование GPS для определения текущих координат
Поиск ближайших магазинов в базе данных или онлайн-сервисах
Построение маршрута до выбранного магазина
Взаимодействие в магазине:
Распознавание входа в магазин
Навигация внутри магазина с использованием компьютерного зрения
Поиск отдела с хлебом по визуальным признакам или указателям
Выбор подходящего хлеба на основе заданных критериев
Процесс покупки:
Распознавание кассы или зоны самообслуживания
Выполнение необходимых действий для оплаты (например, использование встроенной системы электронных платежей)
Получение чека и проверка корректности покупки
Возвращение:
Построение обратного маршрута до исходной точки
Выполнение навигации с учетом приобретенного товара
Завершение задачи:
Возвращение в исходную локацию
Передача купленного хлеба (если требуется)
Отчет о выполнении задания
Технические детали:
Система компьютерного зрения:
Использование стереокамеры для получения 3D-информации об окружении
Применение сверточных нейронных сетей (например, YOLO или Mask R-CNN) для распознавания объектов
Использование алгоритмов SLAM для одновременной локализации и картографирования
Система принятия решений:
Применение алгоритмов планирования на основе графов (например, A*)
Использование обучения с подкреплением для оптимизации выбора действий
Реализация системы приоритетов для оценки важности различных целей и ограничений
Навигационная система:
Интеграция GPS-модуля для определения координат на открытой местности
Использование инерциальных датчиков (акселерометр, гироскоп) для уточнения позиции
Применение алгоритмов фильтрации (например, фильтр Калмана) для уточнения данных о местоположении
Система управления движением:
Использование инверсной кинематики для расчета движений конечностей
Применение ПИД-регуляторов для точного контроля движений
Реализация системы обхода препятствий на основе данных с датчиков
Коммуникационная система:
Интеграция модуля беспроводной связи для доступа к онлайн-сервисам и базам данных
Реализация протоколов безопасной передачи данных для защиты платежной информации
Система обработки естественного языка:
Использование модели трансформеров (например, BERT) для понимания контекста и обработки текстовой информации
Реализация модуля синтеза речи для возможной коммуникации с людьми
Система энергообеспечения:
Использование литий-ионных аккумуляторов с высокой плотностью энергии
Реализация системы управления энергопотреблением для оптимизации работы в зависимости от задачи
Исполнительная система:
Использование сервоприводов с высокой точностью для управления конечностями
Применение захватов с тактильными сенсорами для манипуляции объектами
Этот алгоритм и технические детали обеспечивают гибкую систему, способную адаптироваться к различным ситуациям и эффективно решать поставленную задачу, постоянно анализируя окружение и принимая решения на основе текущей информации.
Я выше расписал логику работы такого робота.
Вы не видели настоящих роботов.
Роботу поставили цель, он осматривается и анализирует где он вообще находится, что ему доступно для действий, он должен проанализировать, Какие шаги в принципе нужно выполнить для достижения этой цели, на основе окружающей обстановки и доступных объектов принимает решение, как он будет действовать, после выполнения действия, опять осматривается и цикл повторяется пока не достигнет целевого действия.
Пример для дебилов:
То есть, если он находится на этаже многоэтажки, проанализировать, что для достижения цели, магазин скорее всего находится где-то на улице, соответственно ему нужно спуститься на первый этаж, осмотревшись он может увидеть лифт, понять есть лифт - соответственно его можно вызвать, зайти в него, дальше осмотреться, найти кнопки, среди кнопок логично выбрать первый этаж, и вот так постоянно осматриваясь и принимая решения, он теоретически может достигнуть цели.
Без жестких алгоритмов. Это всё уже сейчас реализуемо, единственная проблема - это нужны очень большие вычислительные ресурсы и то, что такие роботы нафиг не нужны для коммерческого использования.