Citat:
Asiatiska städer har tågstationer som ser ut som nuvarande citybanan, dvs rälsen är helt instängd och det går således inte att beträda spårområdet. Då kan du köra helt automatiskt. I Sverige har vi öppna banor förutom just i den nya citybanan och då gäller det bara två nya stationer.Tack för en bra analys. De där system borde ju gå att "mjuka upp" har för mig det finns självkörande högbanor och t - banor i Kina o Japan så någon omöjlighet att lösa lär det inte vara, men det lär väl kosta.
Tror dock det är låååångt kvar till helt självkörande privatbilar. Även om jag gärna skulle se automatiskta taxi.
Som jag tidigare sa så har jag hört sen åttiotalet att de är 15 år bort och det har fortfarande inte hänt.
Tror dock det är låååångt kvar till helt självkörande privatbilar. Även om jag gärna skulle se automatiskta taxi.
Som jag tidigare sa så har jag hört sen åttiotalet att de är 15 år bort och det har fortfarande inte hänt.
Nej, som sagt; problemen ligger inte i sensorer och fordonsteknik, problemet ligger i att ett neuralt nätverk inte är en biologisk hjärna, utan en modell av ett biologiskt nätverk av neuroner. Hur mycket vi än försöker efterlikna Hebbs teorier och dess modellering av aktionspotential och LTP genom viktade flerlagersperceptroner och ART kommer vi inte att ens vara i närheten av den perceptuella inlärningsprocess som den biologiska hjärnan använder sig av.
De som någon gång har byggt ett neuralt nätverk vet hur basalt och infantilt det är i början. Det krävs ett nätverk på minst 10 perceptroner och över 2000 interaktioner innan ett övervakat nätverk kan känna igen en bokstav i en bild. Då har man skedmatat nätverket med bilder som bokstavligen pekar ut bokstaven i bilden. Regex är till och med mer effektiv på att hitta bokstäver i en bild än neurala nätverk.
Tänk dig då att nätverket skall på millisekunden avgöra om det där fyrbenta objektet framför bilden är 1. ett dött eller levande objekt (bord eller djur) 2. vad för djur det är (fyrbenta små djur eller ett krypande barn). Barnet kommer inte att ha en chans då nätverket inte har fyrbenta barn i sitt bibliotek. Ingen perceptron har blivit viktat för att känna igen att ett barn verkligen kan krypa! Vi kan inte direkt använda oss av ART här, då ART är som ryggradsdjurens adaptionsinlärning, dvs nätverket anpassar sig efter feedbacken den får. Använder vi oss av adaptionsinlärning måste vi döda mer än 5000 krypande barn!
Oavsett vad vi använder för nätverksmodell kommer vi inte komma någonstans innan vi får stabila kvantumprocessorer då algoritmerna för mer avancerade hjärnfunktioner är för omfattande för vår teknik idag. Vi kommer inte längre än till det Tesla har idag och det har sina brister, vilket ett flertal dödsoffer har fått erfara.