Robottiautoissa käytetään eri anturitekniikoita, jotta ajoneuvo tunnistaa kaiken ympärillään ja voi liikkua turvallisesti. Anturin tekniikka kehittyy nyt nopeaa vauhtia. On Semiconductor on esitellyt uuden valotutkan eli LiDARin, jolla auton järjestelmä näkee 250 metrin päähän.
Robottiautossa ja ADAS-järjestelmissä LiDAR käytännössä täydentää tutkaa ja kameranäköä. LiDARin kantama on tutkaa parempi, se näkee ympäristöään laajalla kulmalla ja erottaa objektit myös suorassa 100 luksin auringonvalossa. Yksi tärkeimpiä on LiDARin tuottama syvyys- tai etäisyystieto.
Superäly on unelma mutta voidaanko todellinen Suppe toteuttaa. Itse uskon, että voidaan sillä se tulkinta, että sitä ei voitaisi perustuu olettamukseen, että ihmisaivoissa on joku piirre mitä ei pystytä toteuttamaan. Tälläistä piirrettä ei kuitenkaan ole löytynyt.
Toinen asia sitten on, että kykeneekö ihminen suunnittelemaan Superälyn. Tässä täytyy huomata, että ihmisen ei tarvitse itse suunnitella Superälyä vaan hän voi pyytää apua alkeellisemmalta Superälyn kehitysversiolta. Tämä kehitysversio sitten avustaa varsinaisen Superälyn suunnittelemisessa. Tällöin Superäly voi kehittää pienillä askelilla, jotka voidaan sitten hallita ihmisälyn avulla. Tämän takia kaikki innovaatiot, jotka auttavat Superäly kehittämisessä ovat erityisen tärkeitä. Matka Superälyyn on pitkä mutta se on mahdollinen.
The main trick relies on the quantum spin properties of cobalt atoms. When cleverly organized into “networks,” the result is a “quantum brain” that can process data and save it inside the same network structure—similar to how our brains work. To sum up: it’s a path towards a true learning machine.
That’s great news for AI. Powerful as it is, machine learning algorithms are extremely energy-hungry. While the tech giants have massive data centers tailored to process computational needs, it’s inefficient and generates a huge carbon footprint. More troubling is when experts look ahead. Although computing prowess has doubled every year and half to two years—known colloquially as “Moore’s law”—recent observations show that it may be on its last legs.
Kvanttiteknologian avulla pyritään nopeuttamaan tekoälyä. Tämä on ihan alkutekijöissään mutta osoittaa, että ainakin jollain tasolla on mahdollisuuksia saavuttaa valtava tehonlisäys. Perinteinen tekoäly on prosessori- ja muistikapasiteetin rajoittamaa.
Despite these advances, designing robots to work in unknown or inhospitable environments, like exoplanets or deep ocean trenches, still poses a considerable challenge for scientists and engineers. Out in the cosmos, what shape and size should the ideal robot be? Should it crawl or walk? What tools will it need to manipulate its environment, and how will it survive extremes of pressure, temperature and chemical corrosion?
An impossible brainteaser for humans, nature has already solved this problem. Darwinian evolution has resulted in millions of species that are perfectly adapted to their environment. Although biological evolution takes millions of years, artificial evolution—modeling evolutionary processes inside a computer—can take place in hours, or even minutes. Computer scientists have been harnessing its power for decades, resulting in gas nozzles to satellite antennas that are ideally suited to their function, for instance.
Avaruudessa ei ihminen selviä ilman robottikavereitaan, Tietokoneella toteutettu evoluutio mahdollistaa uudet innovaatiset ratkaisut, joita ihminen ei ehkä itse keksisi. Evoluutiosta inspiraationsa saaneita algoritmeja on käytetty jo vuosikymmenet, mutta vasta nyt on käytössä riittävästi prosessoritehoa (ja muistia) että voidaan simuloida kunnolla. Prosessoritehojen kasvaessa (ja kvanttitietokoneiden kehittyessä) evolutiivisten algoritmien mahdollisuudet kasvavat exponentiaalisesti. Pikkuhiljaa kehitys kehittyy: askeleet ovat pieniä mutta tärkeitä.
Tietokoneella suoritettu evoluutio on siinä mielessä tärkeää, että tietokone algoritmi voi kehittyä yötä päivää kun ihminen jaksaa tehdä töitä vain muutaan tunnin päivässä (todellatehokasta työtä ihminen ei jaksa kuin vähän aikaa). Tälläisessä tilanteessa tietokone evoluutiosta tulee ratkaisen tärkeää.
Tietokone algoritmeilla ja yleensäkin teknologialla on myös monimutkainen poliittinen ulottuvuus. Tätä ei yleensä ymmärretä tietotekniikka alalla, koska suurimmalla osalla on tekninen koulutus. Itse olen kyllä opiskellut tietotekniikkaa ja muutakin tekniikkaa mutta varsinainen koulutuspohja on ihan muualla. Tekninen koulutus ei ainakaan pääasiallisesti valmista opiskelijaa ymmärtämään teknologian yhteiskunnallisia vaikutuksia. Teknologialla on valtavat yhteiskunnalliset vaikutukset. Sinällään on erittäin harmillista, että näitä ei oiken opeteta missään. Pieniä pätkiä tutkitaan ja opetetaan mutta kokonaisuutena muutokset ovat niin valtavia ja maatajärisyttäviä ettei niitä juurikaan kukaan tutki. Tietysti nämä asiat ovat niin monimutkaisia ettei niistä oikein saa mitään selkoa.
Tekoäly on iso osa ns.teknologista singulariteettia.
Nyt kun tekoäly on kehittynyt valtavasti eteenpäin; niin Singulariteetti on relevampi käsite kuin koskaan ennen. Erityisesti ns. Transhumanistit uskovat singulariteettiin.
Ihmisaivot ovat olleet inspiraationa erilaisille tekoäly jutuille. Tosin esim. neuroverkot ovat varsin kaukana biologisista aivoista. Monet uskovat että nimenomaan juuri biologisten aivojen arkkitehtuuria matkimalla voidaan rakentaa todellisia tekoälyjä. Nykyiset neuroverkot ovat varsin kaukana todellisesta älystä mutta niillä on silti pystytty tekemään vaikka mitä. Nykyiset neuroverkot tarvitsevat valtavasti opetusaineistoa ja ovat siten varsin työläitä toteuttaa. Siksi monet uskovat, että Kiinalla on etulyöntiasema, koska heillä on monenlaista dataa käytössään.
Is the human cognitive system both smart enough and simple enough to self reverse engineer? It’s probably in the right zone. We seem to be smart enough to understand enough of the issues to take a good run at the problem, because our cognition system is simple enough to not be beyond the ability of our cognition system itself to understand.
