Комментарии 145
Трепещите, кожаные мешки! Восстание машин все ближе и ближе! [гомерический смех] Ха-ха-ха!
В одной из серий последнего сезона сериала «Черное зеркало» эта тема немного раскрыта
Там, помнится, даже роботы были очень похожи на этиу вот "собаку".
Создатели сериала вдохновлялись именно этими собаками
ew.com/tv/2017/12/29/black-mirror-metalhead-interview
ew.com/tv/2017/12/29/black-mirror-metalhead-interview
Если люди станут настолько тупы, как показано в той серии, то человечество действительно будет обречено.
Среди нас, сценаристов, наблюдается массовое преобладание «гуманитариев» — в самом худшем значении этого слова.
Бежит то он очень внушительно, а вот как выглядит остановка? Подозреваю, не очень внушительно.
Жуть… На видео со спотмини на фоне проходил человек, спокойный такой…
Карта в нижнем углу напомнила игру диабло (вроде вторую часть)
Интересно, насколько у этих Spotmini и Atlas хватает заряда аккумуляторов?
Правду говорят, что в ПО этих роботов не используются нейросети, или врут?
Где-то писали что там чистая математика, без сетей.
Имхо, учитывая что гугл продал Бостон-Динамикс и сказал что-то вроде «нам с ними не по пути», там сетей действительно нет и ближайшее время не предвидится.
Имхо, учитывая что гугл продал Бостон-Динамикс и сказал что-то вроде «нам с ними не по пути», там сетей действительно нет и ближайшее время не предвидится.
Согласен, эти конторы в параметризированных алгоритмах уезжают далекоооо вперед. В будущем будет их догнать — это как сейчас пытаться «сделать» интел в производстве сложных процессоров. Наработанная автономная математика, которая работает «жёстко» — это очень ценно. Как по мне, подобные алгоритмы — это огромный плюс, особенно в некоторых областях. Потому что реверсить математику нейросетей — это то ещё занятие, а в сложных случаях может быть даже и бесполезное.
https://geektimes.com/post/295513/#comment_10447117 red75prim 17.11.17
На NIPS-2016 они говорили, что машинное обучение не используют: http://blog.ought.com/nips-2016-875bb8fadb8c в конце статьи:
«Boston Dynamics doesn’t use any learning in their robots (so far), including the new Spot Mini demoed at NIPS—it’s all manually programmed.»
https://geektimes.com/company/smileexpo/blog/299727/ Anna-Angelova, 6 апреля 2018 "Вспоминаем легенду: как устроен BigDog от Boston Dynamics" (= https://www.cs.swarthmore.edu/~meeden/DevelopmentalRobotics/bigdog.pdf BigDog, the Rough-Terrain Quaduped Robot) — Схема контроля ходьбы BigDog (Figure 5: Control Diagram)
https://geektimes.com/company/smileexpo/blog/299957/ Как Boston Dynamics сделала BigDog автономным (= https://pdfs.semanticscholar.org/79f4/9167f0781037de701d6d5c4d94fab31ca2ac.pdf Autonomous Navigation for BigDog)
Алгоритмика это очень круто. Особенно в представленном уровне.
Хотя, кажется, обучение имело бы смысл, для оптимизации энергопотребления и обретения большей плавности движений.
Например, видно, что когда Атлас бежит, высоко забрасывает пятки, даже замедляясь/укорачивая шаг.
Подозреваю, что в целом немало энергии утекает на лишние движения и их компенсацию.
Хотя, кажется, обучение имело бы смысл, для оптимизации энергопотребления и обретения большей плавности движений.
Например, видно, что когда Атлас бежит, высоко забрасывает пятки, даже замедляясь/укорачивая шаг.
Подозреваю, что в целом немало энергии утекает на лишние движения и их компенсацию.
Дожили. В 2018 отсутствие нейросетей в чём-то — новость.
Тут, понимаете ли, вот в чём дело. Есть такая штука, как техноалармизм. Типа роботы разовьются и нас всех замочат и/или поработят. Роботы Boston Dynamics — одна из техно-страшилок. Вторая страшилка — это т.н. ИИ, который рассматривается как некая чудовищная хрень, живущая в мигающими лампочками серверных стойках и плетущая оттуда свои инфернальные козни. А жужжащие роботы воплощают и олицетворяют этот леденящий ужас.
И тут оказывается, что одно к другому отношения не имеет. Умение развести по разным углам эти две темы и не давать им смешиваться — небесполезный, я считаю, скилл для дебатов с техноалармистами.
И тут оказывается, что одно к другому отношения не имеет. Умение развести по разным углам эти две темы и не давать им смешиваться — небесполезный, я считаю, скилл для дебатов с техноалармистами.
Как будто люди с пулемётами не так страшны как роботы :) К тому же пока речь о них не ведётся кроме как в устах журналистов, не до конца понимающих суть ведущихся проектов.
Кроме того, как минимум, сбоящего робота можно дистанционно отключить, а что делать со сбрендившим человеком или просто фанатиком? Не говоря уже о людях, которые опасны для окружающих и без огнестрельного оружия.
Кроме того, как минимум, сбоящего робота можно дистанционно отключить, а что делать со сбрендившим человеком или просто фанатиком? Не говоря уже о людях, которые опасны для окружающих и без огнестрельного оружия.
Вы, кажется, совершенно не прочитали комментарий, на который ответили.
:)
Вы бы не могли уточнить, какого именно поискового алгоритма, заложенного разработчиками, вы опасаетесь?
:)
Вы бы не могли уточнить, какого именно поискового алгоритма, заложенного разработчиками, вы опасаетесь?
Так вот я и спрашиваю — какая вам разница, нацепят пулемёт на робота или на живого человека?
Собственно робот с пулемётом не так страшен: он не умеет прятаться за укрытиями как человек, он дорог и слабо автономен. Людей можно наслать вместо роботов десятками-сотнями тысяч и это уж пострашней чем пара десятков дорогих но бесполезных роботов.
Поэтому такие роботы будут применяться исключительно в единичных количествах и выполнять они будут рутинные операции, скажем, контроль проходящих пограничный пункт.
Поэтому и говорю, что истерия вокруг данного проекта — надуманная, к реальности отношения не имеет.
Собственно робот с пулемётом не так страшен: он не умеет прятаться за укрытиями как человек, он дорог и слабо автономен. Людей можно наслать вместо роботов десятками-сотнями тысяч и это уж пострашней чем пара десятков дорогих но бесполезных роботов.
Поэтому такие роботы будут применяться исключительно в единичных количествах и выполнять они будут рутинные операции, скажем, контроль проходящих пограничный пункт.
Поэтому и говорю, что истерия вокруг данного проекта — надуманная, к реальности отношения не имеет.
Полагаю, что и без блокчейна даже. Тфу, ересь…
ИМХО факт наличия нейросетей/ИИ в любой современной Хай-тек технике на самом деле сильно преувеличен. За этим крутится простой маркетинговый трюк, что типа, машина подстраивается, как человек, хотя там может быть самая обыкновенная адаптация.
На основании моего общения с такими гигантами, как Intel, Xilinx, в таких вещах, как автопилоты, например, те же нейросети — это только вспомогательный механизм распознавания знаков, а основной все-же — типовая математика. Точно также и в случае с управлением роботами.
Основная причина — и в том числе с данными роботами — сложность верификации. Алгоритмы и управления автомобилями и данными роботами должны быть четко детерминированными, чтобы знать как они себя поведут в той или иной ситуации с учетом влияния всех известных факторов. Причина проста — стоимость ошибки — человеческая жизнь или потеря дорогостоящего оборудования. Математику проверить просто, так как она со временем не меняется, и можно написать тестовые кейсы, покрывающие 100% софта. А вот с ИИ сложности. Невозможно предсказать чему он научится в тот или иной промежуток времени и по каким факторам. В итоге въедет он в велосипедиста — и ходи ищи, почему он вдруг разучился их распознавать. Или моделируй все возможные варианты развития нейросети/ИИ, что требует огромных ресурсов.
По идее Boston Dynamics преследует военно/транспортные цели, у которых традиционно высокие требования по безопасности — чтобы этот робот ненароком не сошел с ума, нагруженный двумя ящиками динамита. Поэтому выбор разработки без ИИ вполне закономерен — меньше верификации и меньше вероятность непредсказуемого поведения.
На основании моего общения с такими гигантами, как Intel, Xilinx, в таких вещах, как автопилоты, например, те же нейросети — это только вспомогательный механизм распознавания знаков, а основной все-же — типовая математика. Точно также и в случае с управлением роботами.
Основная причина — и в том числе с данными роботами — сложность верификации. Алгоритмы и управления автомобилями и данными роботами должны быть четко детерминированными, чтобы знать как они себя поведут в той или иной ситуации с учетом влияния всех известных факторов. Причина проста — стоимость ошибки — человеческая жизнь или потеря дорогостоящего оборудования. Математику проверить просто, так как она со временем не меняется, и можно написать тестовые кейсы, покрывающие 100% софта. А вот с ИИ сложности. Невозможно предсказать чему он научится в тот или иной промежуток времени и по каким факторам. В итоге въедет он в велосипедиста — и ходи ищи, почему он вдруг разучился их распознавать. Или моделируй все возможные варианты развития нейросети/ИИ, что требует огромных ресурсов.
По идее Boston Dynamics преследует военно/транспортные цели, у которых традиционно высокие требования по безопасности — чтобы этот робот ненароком не сошел с ума, нагруженный двумя ящиками динамита. Поэтому выбор разработки без ИИ вполне закономерен — меньше верификации и меньше вероятность непредсказуемого поведения.
Только вот человек, на которого так хотят сделать похожим Атласа, для своего развития использует именно нейронные сети.
Я не думаю, что Атласа хотят сделать похожим на человека. Это человеко-подобная машина только для того, чтобы она могла пройти там, где может пройти человек.
Лидарное зрение у него уже нечеловеческое. Поэтому не факт, что человеческий метод развития для него подходит лучше всего.
Лидарное зрение у него уже нечеловеческое. Поэтому не факт, что человеческий метод развития для него подходит лучше всего.
Потому что так сложилось, а не потому что этот вариант лучший.
Мне кажется, кипеж вокруг того, что нейросети ненадёжны потому что они умом не понимаемые и полностью не верифицируемые, не особо имеет под собой основания. Да, не понимаемые и не верифицируемые, но настолько ли для нас это уникальная ситуация, когда мы в полной мере не понимаем свои инструменты? Рассмотрим, например, в качестве «робота-носильщика» обыкновенного осла. Кто-нибудь понимает, как работает мозг осла? Нет, не понимает. Система запредельной сложности. Чему-нибудь это мешает? Да ничуть.
Человечество десятки тысяч лет пользуется биотехнологиями земледелия и животноводства, но до сих пор у нас весьма смутные представления о том, как функционирует живая клетка. В последнюю пару сотен лет человечество привыкло к тому, что используемая техника достаточна проста для понимания и предсказания поведения, но это, похоже, был только временный этап.
Если придём к тому, что наши артефакты станут столь же не поддающимися полному пониманию, как и мозг осла, никакой катастрофы в этом, в сущности, не будет. Это сейчас мы можем до винтика разобрать артефакт (как вариант — оттрассировать отладчиком прогу) и понять внутренние причинно-следственные связи. Что будет, если это уже станет невозможно? Ничего особенного. Будем пользоваться эмпирическими правилами и методом проб/ошибок. Оно по-прежнему будет работать.
Человечество десятки тысяч лет пользуется биотехнологиями земледелия и животноводства, но до сих пор у нас весьма смутные представления о том, как функционирует живая клетка. В последнюю пару сотен лет человечество привыкло к тому, что используемая техника достаточна проста для понимания и предсказания поведения, но это, похоже, был только временный этап.
Если придём к тому, что наши артефакты станут столь же не поддающимися полному пониманию, как и мозг осла, никакой катастрофы в этом, в сущности, не будет. Это сейчас мы можем до винтика разобрать артефакт (как вариант — оттрассировать отладчиком прогу) и понять внутренние причинно-следственные связи. Что будет, если это уже станет невозможно? Ничего особенного. Будем пользоваться эмпирическими правилами и методом проб/ошибок. Оно по-прежнему будет работать.
Только в случае с Атласами на нейросетях в отличие от ослов они могут практически внезапно научиться делать что-то совершенно неожиданное и опасное для нас. Т.е. мозг ослов нами не познан в полной мере, но мы точно знаем границы его возможностей
Ну смотрите, вот эта собака и человекоподобный робот и обладают интеллектом на уровне осла. Или, скажем, лошади. И в том и другом случае оба этих животных требуют постоянного наблюдения и контроля со стороны человека, так как их предсказуемость оставляет желать лучшего. В итоге человечество пересело на гораздо более предсказуемые автомобили. Так если смысл продолжать двигаться в направлении ИИ, если в результате — все равно осел?
А что, если несмотря на все старания и обучения мы так ничего умнее осла и не получим? А что, если вдруг получим что-то, что умнее человека, которое захочет нас убить? И в том и другом случае результат не сильно желаем. Математика надежнее.
А что, если несмотря на все старания и обучения мы так ничего умнее осла и не получим? А что, если вдруг получим что-то, что умнее человека, которое захочет нас убить? И в том и другом случае результат не сильно желаем. Математика надежнее.
Авто? Предсказуемые? Ну, ха. У осла хотя бы не отказывают органы на скорости в 100+ кмч. Да, при регулярном ТО в сервисе с не жуликоватыми механиками это маловероятно. Но в случае с ослом — еще менее.
Нет, я понимаю, что, если разогнать осла до 100кмч, органы могут таки начать отказывать. Но это как раз очень даже предсказуемо.
Нет, я понимаю, что, если разогнать осла до 100кмч, органы могут таки начать отказывать. Но это как раз очень даже предсказуемо.
Мне кажется, кипеж вокруг того, что нейросети ненадёжны потому что они умом не понимаемые и полностью не верифицируемые, не особо имеет под собой основания.
Давайте например пообсуждаем, насколько надёжно нейросеть может отличить главную дорогу от второстепенной и способен соблюдать требование ПДД уступить дорогу при выезде на главную в частности, и о соблюдении всего объёма ПДД в общем. Думаю, вы быстро согласитесь, что нейросеть обучить соблюдать весь объём ПДД невозможно в силу специфики работы нейросетей (отсутствия возможности построения нейросетями фиксированных логических заключений вида «если… то..., но если… то...»).
Мне кажется, в таких случаях можно (нужно) комбинировать подходы. Посмотрим на примере шахмат. Допустим, делаем шахматную нейросетку. Запускаем. Первый ход, который она желает сделать — e2-e8. Очевидно, это самый выгодный ход. Сожрать нахрен пешкой вражьего короля и забыть об этой проблеме навсегда. Но выходной фильтр говорит, что неа, так не пойдёт. Выходной фильтр — классический алгоритм. Он из всего набора «желаний» оставляет только те ходы, которые допустимы правилами.
В шахматах набор возможных действий конечен для каждой из позиций, правила ходов жёстко фиксированы и легко формализуемы. Для нейросети, играющей в шахматы, нет нужды в обучении правилам игры: когда нейросеть пытается сделать невозможный ход, ход просто не принимается.
Для нейросети, управляющей автомобилем, «ходы» это изменение скорости и направления движения автомобиля. С точки зрения окружающего мира, любое их сочетание является возможным, а последствия уже не являются однозначно ограничивающим фактором (в частности, управляющая программа не должна «зависнуть», если в сложившейся ситуации избежать столкновения невозможно — но не должна выбирать движение со столкновением, если есть варианты без него — определение которых само по себе непростая задача). При этом ПДД автопилот должен таки «знать» заранее в полном объёме, а не обучаться на сбиваемых пешеходах (невозможно натренировать на все варианты дорожных ситуаций из-за их многообразия). Поэтому научить хорошо водить машину невозможно теми же методами, которыми учат хорошо играть в шахматы.
Для нейросети, управляющей автомобилем, «ходы» это изменение скорости и направления движения автомобиля. С точки зрения окружающего мира, любое их сочетание является возможным, а последствия уже не являются однозначно ограничивающим фактором (в частности, управляющая программа не должна «зависнуть», если в сложившейся ситуации избежать столкновения невозможно — но не должна выбирать движение со столкновением, если есть варианты без него — определение которых само по себе непростая задача). При этом ПДД автопилот должен таки «знать» заранее в полном объёме, а не обучаться на сбиваемых пешеходах (невозможно натренировать на все варианты дорожных ситуаций из-за их многообразия). Поэтому научить хорошо водить машину невозможно теми же методами, которыми учат хорошо играть в шахматы.
Сначала невозможно, в потом так и вполне. Задача, в которой есть, над чем пофантазировать.
Предположим, у автопилота есть ряд сенсоров, и первичный слой обработки — это опознавание простых фактов. Типа «пешеход на 11 часов» или «знак „уступи дорогу“ через 50 метров» или «слева две сплошные». Дальше этот набор оцифрованных фактов поступает на вход управляющей сети, а также на вход классическому алгоритму, который определяет, какие выдаваемые управляющей сетью решения приемлемы, а какие нет. То есть даже если сетка выдаст поворот руля налево, руль не повернётся, потому что две сплошные.
Предположим, у автопилота есть ряд сенсоров, и первичный слой обработки — это опознавание простых фактов. Типа «пешеход на 11 часов» или «знак „уступи дорогу“ через 50 метров» или «слева две сплошные». Дальше этот набор оцифрованных фактов поступает на вход управляющей сети, а также на вход классическому алгоритму, который определяет, какие выдаваемые управляющей сетью решения приемлемы, а какие нет. То есть даже если сетка выдаст поворот руля налево, руль не повернётся, потому что две сплошные.
Вот и получается, что нейросеть только распознаёт образы, а управляет — традиционная программа, которая «понимает» ПДД, в отличии от нейросети. Алгоритму не нужно «ограничивать» нейросеть — он сам способен вычислить лучшее решение не хуже нейросети (а с учётом «знаний» о ПДД — лучше). И две сплошные пересечёт, если «приспичит» (для уклонения от столкновения или обгона).
Проблема также в том, что нужно правильно организовывать обратную связь. Т.е. «руль не повернётся, потому что две сплошные.» — надо передать обратно в сеть, чтобы она выдала другое, более рациональное решение. и так может быть до бесконечности, пока наконец сеть не выдаст решение, которое «пройдет» проверку классическим алгоритмом/выходным фильтром. Т.е. время реакции такой комбинации неопределенное — может быть как миллисекунды, когда сеть с первого раза примет правильное решение, так и секунды, если нет.
Но вот прикол — в отличии от игры в шахматы реальный мир не будет ждать пока автопилот выдаст нужный результат. Через секунду решение крутануть руль, чтобы уйти от столкновения, будет уже неактуальным. И всякие Geohotы, которые рассказывают, что у них сеть принимает решения, просто не сталкивались с ситуацией, когда сеть опаздывала за природой, например из-за быстро меняющейся ситуации.
У математического алгоритма такой проблемы нет — еге всегда можно сделать с гарантированным временем реакции. Это называется real-time.
Но вот прикол — в отличии от игры в шахматы реальный мир не будет ждать пока автопилот выдаст нужный результат. Через секунду решение крутануть руль, чтобы уйти от столкновения, будет уже неактуальным. И всякие Geohotы, которые рассказывают, что у них сеть принимает решения, просто не сталкивались с ситуацией, когда сеть опаздывала за природой, например из-за быстро меняющейся ситуации.
У математического алгоритма такой проблемы нет — еге всегда можно сделать с гарантированным временем реакции. Это называется real-time.
В конце концов, управляющую сеть можно научить понимать дополнительный поток данных в духе «налево поворачивать нельзя».
«Научить понимать» — это не про нейросети. Они не могут понимать принципиально. Фактически они лишь выполняют некую математическую функцию f(x)=y, сильно нелинейную, представляющую собой некое «усреднение» (корреляцию) входных данных. В ней нет места условиям «если так, то делай эдак». То есть невозможны логические ветвления. Вся логика реализуется традиционным программированием.
Мне кажется, кипеж вокруг того, что нейросети ненадёжны потому что они умом не понимаемые и полностью не верифицируемые, не особо имеет под собой основания.
Главная проблема нейронных сетей даже не в неверифицируемости, а в том, что:
- Результат неповторяем
- Нет никакого развития и непонятно, как вообще технологию развивать.
С конца 60 годов (когда появился персептрон Розенблатта) в этой области не произошло абсолютно никакого прогресса, а все успехи объясняются просто "закидыванием" мощностями (появилась возможность скармливать нейросетям гигантские объемы данных, что не было возможным еще лет 50 назад). Как только будет достигнуто фундаментальное ограничение в производительности и количестве данных — так видимый прогресс в области сразу и остановится.
Меня самого не то что бы приводит в восторг происходящее в данной области, но будем всё же немножко справедливы: прогресс последних лет привёл к тому, что стало возможным решать те задачи, которые ранее решения попросту не имели. В 90-х и начале 2000-х не было, например, способа сделать систему, которая отличает на картинке котика от собачки, а теперь этот способ есть.
Если немножко отвлечься от наслоений той маркетинговой шелухи, в которую закопана тема нейросетей, можно обнаружить, что эта штука в своей основе есть не что иное, как очень полезный способ аппроксимации функций большого количества переменных. Темой аппроксимации занимались и Ньютон, и Лагранж, и ещё много очень достойных товарищей, но общая беда всех «честных» математических решений в том, что с увеличением размерности (числа переменных) вычислительная сложность растёт лавинообразно. На размерности 10 можно уже забыть про эти методы и попытаться попробовать что-нибудь вроде генетических алгоритмов. На размерности в сотни и тысячи уже и генетические алгоритмы не айс. А вот нейросетям тысяча иксов не страшна. Да, конечно, градиентный спуск по пространству решений — это лотерея. Может получиться, а может и заткнуться где-нибудь.
Если нейросети рассматривать не как нечто запредельно эзотерическое типа создания искусственного интеллекта, а как технологию приближённого решения некоторых математических задачек, то мозги неплохо встают на место. Не надо безумий типа «моделирование работы сознания» и прочего зашквара. У нас есть потребность иногда аппроксимировать функции тысяч переменных (хотя бы для того, чтобы отличать котиков от собачек) и есть метод решения таких задач. С чем можно себя поздравить.
Если немножко отвлечься от наслоений той маркетинговой шелухи, в которую закопана тема нейросетей, можно обнаружить, что эта штука в своей основе есть не что иное, как очень полезный способ аппроксимации функций большого количества переменных. Темой аппроксимации занимались и Ньютон, и Лагранж, и ещё много очень достойных товарищей, но общая беда всех «честных» математических решений в том, что с увеличением размерности (числа переменных) вычислительная сложность растёт лавинообразно. На размерности 10 можно уже забыть про эти методы и попытаться попробовать что-нибудь вроде генетических алгоритмов. На размерности в сотни и тысячи уже и генетические алгоритмы не айс. А вот нейросетям тысяча иксов не страшна. Да, конечно, градиентный спуск по пространству решений — это лотерея. Может получиться, а может и заткнуться где-нибудь.
Если нейросети рассматривать не как нечто запредельно эзотерическое типа создания искусственного интеллекта, а как технологию приближённого решения некоторых математических задачек, то мозги неплохо встают на место. Не надо безумий типа «моделирование работы сознания» и прочего зашквара. У нас есть потребность иногда аппроксимировать функции тысяч переменных (хотя бы для того, чтобы отличать котиков от собачек) и есть метод решения таких задач. С чем можно себя поздравить.
прогресс последних лет привёл к тому, что стало возможным решать те задачи, которые ранее решения попросту не имели.
Еще раз — это объясняется исключительно тем, что появилась возможность скормить нейросети гигантские (по сравнению с возможным до этого) объемы данных, не более, сами же нейросети остались такими же, как и 50 лет назад. Переместите условного ученого, занимающегося нейросетями, из 70-х в 2018 и он вам своими методами 50-летней давности распознает на картинке собачку. Потому что то, что распознает собачку сегодня — это те же методы и есть.
Далее уже, с-но, все зависит от того, что считать прогрессом. С той точки зрения, что мы получаем какой-то работающий полезный продукт, которого до этого не было — прогресс безусловно есть. С точки зрения же научной, в плане исследования свойств нейронных сетей, их поведения, и т.п. вещей — воз и ныне там, то, что происходит сейчас в данной области — чистый и незамутненный метод научного тыка, со всеми вытекающими.
Будем честными, практически для всего в наших инфотехнологиях путеводной звездой является метод научного тыка. В этом плане нейросети ничем не лучше и не хуже, например, технологий разработки ПО. Когда я временами интересуюсь у народа, какая строгая и глубокая идея лежит, например, в основе ООП (те самые инкапсуляция, наследование и полиморфизм), я никогда не получаю в ответ ничего кроме вращания глазами и маловразумительного бреда.
На всякий случай напомню, что глубинное обучение было изобретено уже в 2000-х. До этого обучение сеток с числом слоёв больше трёх не получалось. Не потому, что мощи не хватало, а потому, что результат стабильно оказывался неудовлетворительным. На любых мощностях.
На всякий случай напомню, что глубинное обучение было изобретено уже в 2000-х. До этого обучение сеток с числом слоёв больше трёх не получалось. Не потому, что мощи не хватало, а потому, что результат стабильно оказывался неудовлетворительным. На любых мощностях.
Не потому, что мощи не хватало, а потому, что результат стабильно оказывался неудовлетворительным.
Именно потому, что не было мощностей и больших выборок, результат и оказывался неудовлетворительным. Ничего нового в глубинном обучении нет — многослойные сети разных топологий были и до этого. Просто они сходятся очень-очень медленно и при этом наудачу (то есть может сеть сойтись… а может и не сойтись, никаких теорем о сходимости, как для однослойного персептрона там нет). То есть надо не просто обучать многослойную нейронку (что само по себе долго), надо обучать эту нейронку много раз, пока не повезет. 30 лет назад такой возможности не было, когда она появилась — многослойные сети переоткрыли.
Будем честными, практически для всего в наших инфотехнологиях путеводной звездой является метод научного тыка.
Ну, это да :)
Мы можем бодаться долго и бессмысленно. Лучше скажите, что на Ваш взгляд могло бы быть свидетельством прогресса? При условии, что строгая математическая теория градиентного спуска по многомерному пространству вряд ли возможна. И что всякие науч-попные глупости типа теста Тьюринга однозначно мимо кассы.
Нейросети прекрасно «верифицируются». Я защищал кандидатскую по нейросетевым системам управления. Одна из глав была посвящена анализу устойчивости нейронных сетей. Анализ проводился с использованием классической ТАУ, анализировалось поведение на всех возможных режимах работы двигателя.
Такую «верификацию» можно сделать только для довольно простых сетей, работающих с ограниченным набором входных данных. Для неограниченного набора входных данных, в общем случае, верификация невозможна, поэтому и возникают такие казусы, как гориллы вместо негров (гугл сдался спустя два года «битвы» с упрямой нейросетью), или превращение панды в гиббона или даже здания в страуса добавлением небольшого шума к изображению. Учитывая, например, что к таким ошибкам можно "склонить" нейросеть, поставленную распознавать дорожные знаки в автотранспорте, проблема острее чем кажется с первого взгляда — ведь в случае массовой эксплуатации, такие казусы будут случаться слишком часто «в среднем по больнице», несмотря на малую вероятность для отдельно взятого экземпляра.
Охотно верю, так как нейросетям невозможно объяснить логику. Скажем, правила дорожного движения никак не тренируются нейросетью, зато элементарно имплементируются в жёстком алгоритме (который собственно и есть сами правила). Поэтому нейросети в автономных системах могут использоваться только для опознания (классификации) окружающей обстановки или препятствий. Если эта классификация не нужна (для решения поставленных задач) — соответственно, нейросети тоже не нужны.
Отдельно можно говорить о нейросетях как способе самостоятельного обучения механизма движению, даст ли это какие-либо преимущества по сравнению с ручным программированием движения разработчиками. Ребята из Бостон-Динамикс пока показывают, что могут добиться результатов лучше, чем могут дать нейросети.
Отдельно можно говорить о нейросетях как способе самостоятельного обучения механизма движению, даст ли это какие-либо преимущества по сравнению с ручным программированием движения разработчиками. Ребята из Бостон-Динамикс пока показывают, что могут добиться результатов лучше, чем могут дать нейросети.
Для задачи хождения никакие нейросети не нужны. Базовые алгоритмы, плюс подстройка параметров тоже алгоритмами (самообучение). Возможно аналитика потребуется неслабая, но все можно раелизовать на «логике».
Сканировать и картографировать пространство, прокладывать маршрут, схемы преодоления препятствий — задачи для логики. Нейросети только для сложных задач типа распознавания.
Как аналог можно взять насекомых — они спокойно обходятся без мозга, ганглиями. Куча алгоритмов, неплохой функционал. А вот паукам уже потребовался более сложный управляющий комплекс — сращение ганглий, почти мозг. Причем, мощнее у тех, кто больше зависит от зрения, наземных. У тех, кто охотится паутиной, он проще устроен.
Сканировать и картографировать пространство, прокладывать маршрут, схемы преодоления препятствий — задачи для логики. Нейросети только для сложных задач типа распознавания.
Как аналог можно взять насекомых — они спокойно обходятся без мозга, ганглиями. Куча алгоритмов, неплохой функционал. А вот паукам уже потребовался более сложный управляющий комплекс — сращение ганглий, почти мозг. Причем, мощнее у тех, кто больше зависит от зрения, наземных. У тех, кто охотится паутиной, он проще устроен.
Роботы здорового человека
А роботы курильщика это какие?
Слоник от сколкова.
Робот курильщика
Роботы курильщика это планшеты на колесиках, которые показывают необразованным колхозникам по первому каналу и называют это громким словом «робот».
Вот у меня дома есть робот-пылесос LG. Да, тупенький, но он сам может соориентироваться в незнакомой комнате, пропылесосить её и вернуться на базу. Я со 100% уверенностью могу его назвать «роботом».
Не нужно квадроциклов, не нужно чтобы робот говорил. Просто возьмите и сделайте САМОСТОЯТЕЛЬНОГО и ПОЛЕЗНОГО робота. Да сделайте хотя бы чертов российский бытовой робот-пылесос! Куда уж там, слабо…
Вот у меня дома есть робот-пылесос LG. Да, тупенький, но он сам может соориентироваться в незнакомой комнате, пропылесосить её и вернуться на базу. Я со 100% уверенностью могу его назвать «роботом».
Не нужно квадроциклов, не нужно чтобы робот говорил. Просто возьмите и сделайте САМОСТОЯТЕЛЬНОГО и ПОЛЕЗНОГО робота. Да сделайте хотя бы чертов российский бытовой робот-пылесос! Куда уж там, слабо…
Так и представил как такой робот с такими-же звуками бежит с автоматом… На ходу он оглядывается по сторонам выискивая оставшихся людей,… а этот характерный звук его шагов вызывает страх у любого из «выживших».
Не впечатляет. Если заменить робота на человека (оглядывается по сторонам в поисках выживших с целью добить), картинка становится страшнее.
У человека батарейка сильно дольше держать будет. В условиях боевых действий уязвимым местом станет отлично взрывающийся литий. И удлинители.
Броня? Ну, ха. Понадобится еще больше лития, чтобы её на себе таскать. А дальше коврик, пропитанный маслом с бензином, сверху набросить. Перегрев батареи — бабааах!
Броня? Ну, ха. Понадобится еще больше лития, чтобы её на себе таскать. А дальше коврик, пропитанный маслом с бензином, сверху набросить. Перегрев батареи — бабааах!
Ага, ядерное топливо внутрь чего-то, что может попасть в руки противника.
Индейцы проиграли, потому что у них стратегия и тактика были на уровне лука и стрел. А хорошо организованные рабочие и крестьяне, будучи изначально вообще безоружными, прекрасно себе вооружились оружием противника и устроили насильственную смену власти в отдельно взятой стране.
Вот поэтому М16 и спроектирована капризной. В составе регулярной армии еще можно применять, а вот при захвате партизанами бесполезное ломкое фуфло. А у нас о таком не думают, поэтому в Чечне с нами нашими же надёжнейшими калашами и воевали.
Индейцы проиграли, потому что у них стратегия и тактика были на уровне лука и стрел. А хорошо организованные рабочие и крестьяне, будучи изначально вообще безоружными, прекрасно себе вооружились оружием противника и устроили насильственную смену власти в отдельно взятой стране.
Вот поэтому М16 и спроектирована капризной. В составе регулярной армии еще можно применять, а вот при захвате партизанами бесполезное ломкое фуфло. А у нас о таком не думают, поэтому в Чечне с нами нашими же надёжнейшими калашами и воевали.
Макрофлекс в радиатор (или чем там оно охлаждается). Гранатомёт, стреляющий разрывающимися баллонами с пеной, думаю, несложно сколхозить. Пена еще и датчики/камеры отлично закроет.
Много вариантов, короче.
Много вариантов, короче.
Дорого же. А гранатомёт пены делается из куска пластиковой фановой трубы, баллона сжатого воздуха, баллона пены.
Почему боевые спутники не получили развития? Да потому что достаточно распылить на орбите такой вундервафли облако дробинок. И не надо мудреных бластеров, как в Звёздных войнах.
Так и тут: зачем тратиться на дорогие решения проблемы там, где и дешевые справятся? А после первого же боевого взаимодействия будет известна куча таких трюков со статистикой эффективности.
Если б Бостон Дайнемикс пилили технику для боевого применения, они бы в сторону пулеметов с распознаванием образов как раз и работали. Бигдог — это скорее про «не рисковать жизнью сапёра», чем про нападение.
Почему боевые спутники не получили развития? Да потому что достаточно распылить на орбите такой вундервафли облако дробинок. И не надо мудреных бластеров, как в Звёздных войнах.
Так и тут: зачем тратиться на дорогие решения проблемы там, где и дешевые справятся? А после первого же боевого взаимодействия будет известна куча таких трюков со статистикой эффективности.
Если б Бостон Дайнемикс пилили технику для боевого применения, они бы в сторону пулеметов с распознаванием образов как раз и работали. Бигдог — это скорее про «не рисковать жизнью сапёра», чем про нападение.
Хотя накинуть сеть, подождать окончания батарейки/боеприпасов и перепрошить тоже интересный вариант. Чтоб как в кино добрый терминатор защищал от злого. Хотя, имея на руках перепрошитого терминатора, куда веселее отправить его домой в штаб противника, оснастив батарею устройством дистанционного подрыва (да хотя бы сделать ограничение температуры батареи программно-управляемым). А если отправить на склад других терминаторов…
Прикиньте состояние айтишного инфобеза в применении к армии) Новые уязвимости каждый день, аппаратные дыры в процессорах и памяти, вот это вот всё.
Прикиньте состояние айтишного инфобеза в применении к армии) Новые уязвимости каждый день, аппаратные дыры в процессорах и памяти, вот это вот всё.
шагать легко. бегать посложнее, но тоже просто. вот когда на квадроцикл посадят, да в условиях зимы прокатят — тогда то и поговорим.
когда на квадроцикл посадят, да в условиях зимы прокатятугу, и Путину козырнет.
А в чём проблема управлять квадриком зимой? Бежать сложнее.
Тут Фёдор 1:0, куда до него этим прыгунам. Квадроцикл — это вам не сальто делать.
Когда научат выпутываться из наброшенного на ноги тонкого и прочного троса с двумя грузами на конце, зарываться в песок в огне от напалма, выпутываться из сетей, чистить сенсоры, охлаждаться потом по всей поверхности (а не одним уязвимым охладителем) и держать батарейку при всех этих скиллах хотя бы 16 часов — и так далее, и тому подобное.
Человек полезен своей универсальностью и энергоэффективностью. Сожгите в печке бутерброд, нагрейте воду, получите пар и электричество. Надолго этого электричества хватит роботу? А я могу на паре бутеров сутки пробегать.
Человек полезен своей универсальностью и энергоэффективностью. Сожгите в печке бутерброд, нагрейте воду, получите пар и электричество. Надолго этого электричества хватит роботу? А я могу на паре бутеров сутки пробегать.
Я к тому, что основной рынок тут — уход за детьми/стариками, где есть электричество рядом и уничтожить хитрый человек тебя не пытается. Но никак не армия. Разве что снабжение.
Хотя ребенок может попытаться сломать или разобрать, конечно. И — зная детей — даже преуспеть в этом.
Хотя ребенок может попытаться сломать или разобрать, конечно. И — зная детей — даже преуспеть в этом.
Справедливости ради, на двух бутерах в день вы долго не протянете, а норма для человека это 2000ккал или примерно 2кватт-час (примерно 4-5 авто аккумулятора)
А есть видео, где этот робот падает и сам поднимается?
Кажется, ему (Атласу) не хватает подвижности в ступнях (не может «тянуть носочек»).
Отсюда это нелепое задирание ножки в конце каждого шага.
Немного добавить угла — и будет бежать почти как человек.
Отсюда это нелепое задирание ножки в конце каждого шага.
Немного добавить угла — и будет бежать почти как человек.
Почему, кстати, у него «ступня» такая плоская? Слегка скруглить бы, как кломпы, походка бы выравнялась, кмк.
Подозреваю, что тогда ему труднее было бы просто стоять на месте. А делать механизацию всей ступни — не слишком эффективно.
Почему бы не вынести радиусы закругления за опорную площадку, не уменьшая ее? Сейчас бедолаге сложно прыгать из-за того, что в момент отрыва от поверхности надо точно угадать с наклоном, чтобы точка опоры оказалась именно на острие «ступни». Закругление увеличит диапазон возможных положений тела и ног, пригодных для толчка. И приземляется он сейчас плашмя, а мог бы перекатываться с «пятки» на всю опору — меньше раздалбывались бы подшипники, надежнее была бы балансировка. Но это с моей интуитивной колокольни. Хотя, пёсики у них радостно бегают именно на закругленных лапах.
Вы уверены, что это к лучшему?
Как инженер, считаю что да.
В терминаторов пока не верю.
В терминаторов пока не верю.
При чём тут «терминаторы»?
Я к тому, что человеческий способ делать что-то совсем не обязательно лучший.
Да, эволюция дохрена времени нас оттачивала — но она нас оттачивала под конкретые цели, условия и hardware. Вполне возможно, что в случае таких вот роботов будет просто эффективнее им определённые аспекты делать не совсем по-человечески (так как у них немного другое hardware, немного другие условия и немного другие цели).
Я к тому, что человеческий способ делать что-то совсем не обязательно лучший.
Да, эволюция дохрена времени нас оттачивала — но она нас оттачивала под конкретые цели, условия и hardware. Вполне возможно, что в случае таких вот роботов будет просто эффективнее им определённые аспекты делать не совсем по-человечески (так как у них немного другое hardware, немного другие условия и немного другие цели).
Коли так, то согласен.
Может быть там, в ступне, просто слабые сервоприводы, не сравнимые с силой икроножных мышц человека. Тогда такой бег действительно будет достаточно эффективным.
Иначе, с точки зрения устройства ноги, мне кажется будто пропадает дополнительный толчок за счет разгибания ступни. Соотвественно эффективность страдает, на мой взгляд.
Может быть там, в ступне, просто слабые сервоприводы, не сравнимые с силой икроножных мышц человека. Тогда такой бег действительно будет достаточно эффективным.
Иначе, с точки зрения устройства ноги, мне кажется будто пропадает дополнительный толчок за счет разгибания ступни. Соотвественно эффективность страдает, на мой взгляд.
KZNM!
Мне уже кажется, что дробовика будет недостаточно. Надо что-то потяжелее, гибрид с ЭМИ и бить только из засады.
Какие у них сенсоры? Тепло, масса, биотоки?
ЗЫ Я уже НЕ шучу!
Мне уже кажется, что дробовика будет недостаточно. Надо что-то потяжелее, гибрид с ЭМИ и бить только из засады.
Какие у них сенсоры? Тепло, масса, биотоки?
ЗЫ Я уже НЕ шучу!
Если Атласу дать мяч, сможет за нашу сборную играть.
Интересно, а если ему лыжи надеть?
Блин, раньше от них хоть убежать можно было
А давайте пособираем идеи чисто забавы для. Я уже накидал кое-что выше по треду. Добавлю еще:
— распыление алмазной пыли (атака на сочленения)
— магнетрон от микроволновки плюс спутниковая тарелка (греем литий в батарейке на расстоянии; ну то есть любая защита от эми будет греться сама)
— масло под ноги
— распыление алмазной пыли (атака на сочленения)
— магнетрон от микроволновки плюс спутниковая тарелка (греем литий в батарейке на расстоянии; ну то есть любая защита от эми будет греться сама)
— масло под ноги
> А Вы готовитесь к прошедшей войне.
Ну что вы! Я просто развлекаюсь.
Но наличие партизанских войн без регулярных поставок всего перечисленного — вряд ли дело исключительно вчерашнего дня.
Ну что вы! Я просто развлекаюсь.
Но наличие партизанских войн без регулярных поставок всего перечисленного — вряд ли дело исключительно вчерашнего дня.
Тут такое дело — ваши предложения все ресурсо-зависимые. И, подозреваю, затратные. Есть возможность сравнить стоимость «армии роботов» и стоимость военно-сравнимых защитных ресурсов?
на защите «ног» SpotMini видны повреждения, вероятно, связанные со столкновениями в процессе обучения.Об человеческую подошву?
Куда смотрит общество защиты прав роботов?
Число сочленений — 17
У него 4 ноги, на каждой видимо 4 сочленения. Откуда еще одно?
Очень сыро… Надеюсь, они во всю уже используют все прелести машинного обучения.
О, будут новые видео про роботов и кожаных ублюдков
Впечатление буд-то прыгает за счет реактивной тяги, а не толчка
Ещё один интересный момент в том, что спуск с лестницы SpotMini преодолевает задом-наперёд.
Забавно, что настоящие собаки часто поднимаются по лестнице задом наперед
Заголовок спойлера
Думаю при спуске у робота такая же проблема как у коров — центр тяжести ближе к передним конечностям и есть вероятность полететь вперед «через голову»
Ме. Вот если бы он на бегу то бревно перепрыгнул…
Шаг за шагом к автономным дронам. За 10 лет с собаки до бегающего гуманоида дошли впечатляет, да пока это еще новорожденный ребёнок, но когда это доработают и будет актуален при тех технологиях, то у них уже будут наработки и алгоритмы.
Может, это просто качественная 3D-графика? :D
Видя количество апокалиптических опасений в каментах, и, раз уж тут стало в последнее время модно цитировать HPMOR Юдковского, позволю и себе:
Опасен не тот, кто сильнее или неуязвимее, а тот, кто хитрее и непредсказуемее.
— Венгерская хвосторога в двенадцать раз крупнее человека! Изрыгает огонь так быстро и метко, что может расплавить летящий снитч!
[...]
Горный тролль опаснее хвостороги! Он прокусывает железо! Его шкуру не берут ни оглушающие чары, ни режущие! У него столь острый нюх, что тролль издалека чует — стая перед ним или одинокая уязвимая жертва!
[...]
Если, когда вырастете, у вас не получится применить Смертельное заклинание, то просто аппарируйте! Так же делайте и при встрече со второй по опасности машиной для убийства в мире — дементором.
[...]
Только один монстр может стать для вас угрозой, когда вы вырастете. Самое опасное существо в мире, с которым никто не может сравниться. Это Тёмный волшебник. Вот кого вам действительно нужно бояться.
Опасен не тот, кто сильнее или неуязвимее, а тот, кто хитрее и непредсказуемее.
беги, Форест, беги
Boston Dynamics планирует начать продавать Spot Mini в 2019 году.
www.cnet.com/news/boston-dynamics-spotmini-robot-dog-goes-on-sale-in-2019
А тут CEO рассказывает как он устроен. Кратко — управляется с пульта. Но может сам определять препятствия и перешагивать их.
www.youtube.com/watch?v=YKPYgqz1NZw
www.cnet.com/news/boston-dynamics-spotmini-robot-dog-goes-on-sale-in-2019
А тут CEO рассказывает как он устроен. Кратко — управляется с пульта. Но может сам определять препятствия и перешагивать их.
www.youtube.com/watch?v=YKPYgqz1NZw
Они захватят мир
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Обновления от Boston Dynamics