Politics.be Problemen met registreren? Of een verloren wachtwoord? Gelieve een mail te verzenden naar maarten@politics.be met vermelding van je gebruikersnaam.

Ga terug   Politics.be > Themafora > Mobiliteit & verkeersveiligheid
Registreer FAQForumreglement Ledenlijst Markeer forums als gelezen

Mobiliteit & verkeersveiligheid Een nieuw themaforum!

Antwoord
 
Discussietools
Oud 7 May 2017, 03:12   #21
Nr.10
Secretaris-Generaal VN
 
Nr.10's schermafbeelding
 
Geregistreerd: 27 September 2003
Locatie: van Lissabon tot Vladivostok
Berichten: 23.177
Standaard

Citaat:
Oorspronkelijk geplaatst door PORSCHE Bekijk bericht
Is voor het geld, de media aandacht en om haar carrière een boost te geven. Luxehoertjes die enkel mooi moeten zijn en seksueel getinte poses naast de sugar daddy moeten aannemen Ze heeft pas nog een andere wat miljoenen lichter gemaakt, nu mag Muskie wat aan haar afgeven. En ik durf ervoor wedden dat hij niet meer krijgt dan een kusje voor de camera's.

Over het topic zelf : knoeien met hersenen geeft vroeg of laat dikke vodden. Maar het is weer media aandacht en waarschijnlijk genoeg geldschieters om de boel op te starten en zodat Muskie langs de kassa kan passeren. Dus Muskie doet wat hij het best kan : veel blablabla en zakken vullen (en ik geef hem op dat vlak een 10 op 10).
Amber is 31, Musk 45. Geen probleem, een goede balans.
__________________
Doorzoek forum.politics.be (aangepaste zoekmachine)
Nr.10 is offline   Met citaat antwoorden
Oud 7 May 2017, 10:02   #22
Micele
Secretaris-Generaal VN
 
Micele's schermafbeelding
 
Geregistreerd: 18 May 2005
Locatie: Limburg
Berichten: 22.647
Standaard

Citaat:
Oorspronkelijk geplaatst door Nr.10 Bekijk bericht
Neuralink heeft zichzelf ingeschreven als een bedrijf.
Het subforum economie met andere woorden.
De link met mobiliteit en verkeersveiligheid is minder duidelijk.
Het subforum maatschappij en samenleving kan ook.
Beter nog ware een subforum technologie.
Een technologie subforum zou idd het beste zijn.

Alhoewel de laatste jaren bij mobiliteit het vooral om nieuwe technologieën gaat, zelfs AI* (Neuralink*) wordt toegepast bij (semi-)autonome zelflerende auto's die rondrijden en steeds meer data opslaan, waar steeds meer auto's kunnen van profiteren die aan hetzelfde net hangen en bijleren. De snelste computers voor de massamarkt zullen dan in die auto's zitten.

Auto's gaan dan ooit in de toekomst met mekaar communiceren, of V2V https://en.wikipedia.org/wiki/Vehicle-to-vehicle dus het worden rijdende robotten, maar "Musk of zijn opvolgers" gaan dan ervoor zorgen dat de mens die er in zit nog altijd het commando blijft behouden ofzo...

Ook moderne verkeersmanagementssystemen is een en al technologie.

Citaat:
* Maar dat is alleen maar het begin. Musks grotere doel met Neuralink is dat het tempo waarmee we met elkaar (en computers) communiceren een exponentiële sprong maakt. En dat kan er uiteindelijk voor zorgen dat de mensheid zelf één wordt met de kunstmatig intelligente machine - het beste wapen tegen computers die zo slim worden dat mensen eindigen als een tweederangs soort.
Citaat:
http://www.cnbc.com/2017/02/13/elon-...ce-robots.html 13 Feb 2017
Elon Musk: Humans must merge with machines or become irrelevant in AI age
...
Musk explained what he meant by saying that computers can communicate at "a trillion bits per second", while humans, whose main communication method is typing with their fingers via a mobile device, can do about 10 bits per second.

In an age when AI threatens to become widespread, humans would be useless, so there's a need to merge with machines, according to Musk.

"Some high bandwidth interface to the brain will be something that helps achieve a symbiosis between human and machine intelligence and maybe solves the control problem and the usefulness problem," Musk explained.

The technologists proposal would see a new layer of a brain able to access information quickly and tap into artificial intelligence. It's not the first time Musk has spoken about the need for humans to evolve, but it's a constant theme of his talks on how society can deal with the disruptive threat of AI.

'Very quick' disruption

During his talk, Musk touched upon his fear of "deep AI" which goes beyond driverless cars to what he called "artificial general intelligence". This he described as AI that is "smarter than the smartest human on earth" and called it a "dangerous situation".


While this might be some way off, the Tesla boss said the more immediate threat is how AI*, particularly autonomous cars, which his own firm is developing, will displace jobs. He said the disruption to people whose job it is to drive will take place over the next 20 years, after which 12 to 15 percent of the global workforce will be unemployed.

"The most near term impact from a technology standpoint is autonomous cars … That is going to happen much faster than people realize and it's going to be a great convenience," Musk said.

"But there are many people whose jobs are to drive. In fact I think it might be the single largest employer of people ... Driving in various forms. So we need to figure out new roles for what do those people do, but it will be very disruptive and very quick."

Laatst gewijzigd door Micele : 7 May 2017 om 10:25.
Micele is offline   Met citaat antwoorden
Oud 9 May 2017, 14:07   #23
Micele
Secretaris-Generaal VN
 
Micele's schermafbeelding
 
Geregistreerd: 18 May 2005
Locatie: Limburg
Berichten: 22.647
Standaard Zelflerende chip...

http://datanews.knack.be/ict/nieuws/...al-850239.html

Imec ontwikkelt AI-chip gebaseerd op menselijk brein

09/05/17

Imec heeft een chip gemaakt op basis van het menselijk brein die zelf uit nieuwe ervaringen kan leren en zijn gedrag kan aanpassen. Zo kan de chip onder andere muziek componeren. Dat heeft het bedrijf aangekondigd in een persbericht.

Voor zijn zelflerende chip maakt Imec gebruik van de OxRAM geheugenchiptechnologie.
Die technologie laat toe met een laag energieverbruik en een lage kostprijs een zekere rekenkracht te genereren. De chip kan leren uit voorgaande ervaringen en zelf een verband maken met de huidige situatie. Zo heeft de chip volgens Imec ook muziek leren componeren. Energie-efficiënte zelflerende chip zijn handig voor toepassingen in bijvoorbeeld the internet of things of de gezondheidszorg.

"Zo kunnen zelf-lerende neuromorfe chips in bijvoorbeeld hartsensoren een subtiele verandering in hartslag identificeren die mogelijke gezondheidsrisico's inhoudt en kunnen deze chips leren om kleine verschillen in een ECG- (electrocardiogram) patroon tussen verschillende individuen te herkennen", aldus Imec in het persbericht.

Het menselijk brein is een interessant architecturaal hoogstandje voor wetenschappers. Het verbruikt zeer weinig energie, gemiddeld slechts 12 watt, maar het heeft wel een immense rekenkracht. Vanwege de efficiëntie proberen wetenschappers overal ter wereld dit effect na te maken in computerchips. Ook IBM probeerde enkele jaren geleden met zijn TrueNorth-chip het menselijk brein zoveel mogelijk te benaderen. Een van de technieken van TrueNorth is om enkel signalen te sturen wanneer de elektrische lading een bepaalde grens bereikt, net zoals een echt brein. Hierdoor wordt er minder energie verspild.
Micele is offline   Met citaat antwoorden
Oud 9 May 2017, 22:56   #24
Nr.10
Secretaris-Generaal VN
 
Nr.10's schermafbeelding
 
Geregistreerd: 27 September 2003
Locatie: van Lissabon tot Vladivostok
Berichten: 23.177
Standaard

AI = artificiële intelligentie
  • IMEC
  • Intel
__________________
Doorzoek forum.politics.be (aangepaste zoekmachine)
Nr.10 is offline   Met citaat antwoorden
Oud 10 May 2017, 00:03   #25
Micele
Secretaris-Generaal VN
 
Micele's schermafbeelding
 
Geregistreerd: 18 May 2005
Locatie: Limburg
Berichten: 22.647
Standaard

Citaat:
Oorspronkelijk geplaatst door Nr.10 Bekijk bericht
AI = artificiële intelligentie
  • IMEC
  • Intel
En ook Tesla met NVIDIA hardware-software:
Citaat:
http://www.nvidia.com/object/tesla-and-nvidia.html

Tesla Motors and NVIDIA have partnered since the early development of the revolutionary Model S. Today, all Tesla vehicles—Model S, Model X, and the upcoming Model 3—will be equipped with an NVIDIA-powered on-board “supercomputer” that can provide full self-driving capability.
The computer delivers more than 40 times the processing power of the previous system, running an Tesla-developed neural net for vision, sonar, and radar processing.
This in-vehicle supercomputer is powered by the NVIDIA DRIVE™ PX 2 AI computing platform. It’s an end-to-end AI computing system that uses groundbreaking approaches in deep learning to perceive and understand the car’s surroundings.

http://www.nvidia.com/object/ai-computing.html

- See more at: http://www.nvidia.com/object/tesla-a....1jq25RZN.dpuf
http://www.nvidia.com/object/deep-learning-system.html

Laatst gewijzigd door Micele : 10 May 2017 om 00:09.
Micele is offline   Met citaat antwoorden
Oud 10 May 2017, 00:09   #26
Nr.10
Secretaris-Generaal VN
 
Nr.10's schermafbeelding
 
Geregistreerd: 27 September 2003
Locatie: van Lissabon tot Vladivostok
Berichten: 23.177
Standaard

Citaat:
Oorspronkelijk geplaatst door Micele Bekijk bericht
En ook Tesla met NVIDEA hardware-software:
Wat vind je van de strategie die we in Europa moeten hanteren om niet weggeblazen te worden door het Amerikaanse en binnenkort mogelijk ook Chinese geweld?
__________________
Doorzoek forum.politics.be (aangepaste zoekmachine)
Nr.10 is offline   Met citaat antwoorden
Oud 12 May 2017, 01:56   #27
Nr.10
Secretaris-Generaal VN
 
Nr.10's schermafbeelding
 
Geregistreerd: 27 September 2003
Locatie: van Lissabon tot Vladivostok
Berichten: 23.177
Standaard

Citaat:
Oorspronkelijk geplaatst door Micele Bekijk bericht
Een technologie subforum zou idd het beste zijn.

Alhoewel de laatste jaren bij mobiliteit het vooral om nieuwe technologieën gaat, zelfs AI* (Neuralink*) wordt toegepast bij (semi-)autonome zelflerende auto's die rondrijden en steeds meer data opslaan, waar steeds meer auto's kunnen van profiteren die aan hetzelfde net hangen en bijleren. De snelste computers voor de massamarkt zullen dan in die auto's zitten.

Auto's gaan dan ooit in de toekomst met mekaar communiceren, of V2V https://en.wikipedia.org/wiki/Vehicle-to-vehicle dus het worden rijdende robotten, maar "Musk of zijn opvolgers" gaan dan ervoor zorgen dat de mens die er in zit nog altijd het commando blijft behouden ofzo...

Ook moderne verkeersmanagementssystemen is een en al technologie.
De signalen worden draadloos doorgegeven:
  • V2V = vehicle-to-vehicle
  • V2X = vehicle-to-infrastructure
waarbij X staat voor de wegenisfrastructuur.

Speciaal voor het wagenpark werd aan de wifi standaard IEEE_802.11 een toevoegsel gemaakt IEEE 802.11p

In 2008 werd door de Europese Commissie een deel van de 5.9 GHz band speciaal gereserveerd voor dit soort communicatie.
Bijgevoegde afbeelding(e)
 
__________________
Doorzoek forum.politics.be (aangepaste zoekmachine)
Nr.10 is offline   Met citaat antwoorden
Oud 12 May 2017, 14:06   #28
Micele
Secretaris-Generaal VN
 
Micele's schermafbeelding
 
Geregistreerd: 18 May 2005
Locatie: Limburg
Berichten: 22.647
Standaard

Citaat:
Oorspronkelijk geplaatst door Nr.10 Bekijk bericht
De signalen worden draadloos doorgegeven:
  • V2V = vehicle-to-vehicle
  • V2X = vehicle-to-infrastructure
waarbij X staat voor de wegenisfrastructuur.

Speciaal voor het wagenpark werd aan de wifi standaard IEEE_802.11 een toevoegsel gemaakt IEEE 802.11p

In 2008 werd door de Europese Commissie een deel van de 5.9 GHz band speciaal gereserveerd voor dit soort communicatie.
En 5g zal ook niet meer lang duren:
https://en.wikipedia.org/wiki/5G

Citaat:
http://www.pcworld.com/article/31738...ts-safely.html
5G technology promises to help autonomous cars cruise streets safely
Intel and Qualcomm will be showing off 5G technologies for autonomous cars at Mobile World Congress
https://iq.intel.com/5g-communicatio...omous-driving/


Laatst gewijzigd door Micele : 12 May 2017 om 14:15.
Micele is offline   Met citaat antwoorden
Oud 12 May 2017, 22:40   #29
Nr.10
Secretaris-Generaal VN
 
Nr.10's schermafbeelding
 
Geregistreerd: 27 September 2003
Locatie: van Lissabon tot Vladivostok
Berichten: 23.177
Standaard

Citaat:
Oorspronkelijk geplaatst door Micele Bekijk bericht
En ook Tesla met NVIDIA hardware-software:

http://www.nvidia.com/object/deep-learning-system.html
NVIDIA is traditioneel een producent van videokaarten of grafische kaarten.
Kernelement = de GPU = de graphics processing unit.
Een aparte processor die de grafische taken van de processor op zich neemt.
Een interface tussen de computer en het beeldscherm.
Een bekende merknaam is de GeForce GPU.
Vanwaar de overslag naar deep learning? En wat is dat juist, deep learning?
__________________
Doorzoek forum.politics.be (aangepaste zoekmachine)
Nr.10 is offline   Met citaat antwoorden
Oud 12 May 2017, 23:02   #30
Micele
Secretaris-Generaal VN
 
Micele's schermafbeelding
 
Geregistreerd: 18 May 2005
Locatie: Limburg
Berichten: 22.647
Standaard

Citaat:
Oorspronkelijk geplaatst door Nr.10 Bekijk bericht
NVIDIA is traditioneel een producent van videokaarten of grafische kaarten.
Kernelement = de GPU = de graphics processing unit.
Een aparte processor die de grafische taken van de processor op zich neemt.
Een interface tussen de computer en het beeldscherm.
Een bekende merknaam is de GeForce GPU.
Vanwaar de overslag naar deep learning? En wat is dat juist, deep learning?
Que?
Indien je dat wilt weten...
https://en.wikipedia.org/wiki/Deep_learning

Ook uw vorige vraag begrijp ik niet:

Citaat:
Oorspronkelijk geplaatst door Nr.10 Bekijk bericht
AI = artificiële intelligentie
  • IMEC
  • Intel
Citaat:
Oorspronkelijk geplaatst door Nr.10 Bekijk bericht
Wat vind je van de strategie die we in Europa moeten hanteren om niet weggeblazen te worden door het Amerikaanse en binnenkort mogelijk ook Chinese geweld?
IMEC hk ligt in Leuven...
https://en.wikipedia.org/wiki/IMEC

Citaat:
https://gopressmobility.be/2017/05/0...learning-chip/
Belgian Imec creates first self-learning chip

belga POSTED ON MAY 9, 2017
2009... ook IMEC:
Citaat:
https://www.technischweekblad.nl/nie...tails/item2826

Het IMEC-instituut in het Belgische Leuven is er als eerste in geslaagd om met extreem-ultraviolet licht (EUV) een chip te maken met 22 nm grote details.
Dit werd mogelijk met één van de twee door IMEC aangeschafte ASML-machines die hiervoor geschikt zijn. De State University in New York heeft al eerder chips gemaakt met de ASML-machine, maar niet met de huidige detailgrootte. Bij de proef zijn ook internationale chipmakers betrokken als Intel, Micron, Samsung TSMC en NXP.

IMEC was in staat om de kleine details aan te brengen dankzij de 13,5 nm golflengte van de lichtbron. Dit vereist focussing via spiegels in plaats van de traditionele lenzen, omdat licht van die golflengte door de lenzen wordt geabsorbeerd.

Laatst gewijzigd door Micele : 12 May 2017 om 23:17.
Micele is offline   Met citaat antwoorden
Oud 13 May 2017, 00:22   #31
Nr.10
Secretaris-Generaal VN
 
Nr.10's schermafbeelding
 
Geregistreerd: 27 September 2003
Locatie: van Lissabon tot Vladivostok
Berichten: 23.177
Standaard

Citaat:
Oorspronkelijk geplaatst door Micele Bekijk bericht
Que?
Indien je dat wilt weten...
https://en.wikipedia.org/wiki/Deep_learning
Kun je dat ook in begrijpbare taal uitleggen, zodat niet-techneuten het begrijpen. De tekst die je aanhaalt is engelstalig en voor de gewone man is het chinees, volgens mij.
Citaat:
Oorspronkelijk geplaatst door Micele Bekijk bericht
Ook uw vorige vraag begrijp ik niet:
IMEC hk ligt in Leuven...
https://en.wikipedia.org/wiki/IMEC
2009... ook IMEC:
Uw vorige vraag? Dat was geen vraag. Het was een statement.
__________________
Doorzoek forum.politics.be (aangepaste zoekmachine)
Nr.10 is offline   Met citaat antwoorden
Oud 13 May 2017, 03:18   #32
Nr.10
Secretaris-Generaal VN
 
Nr.10's schermafbeelding
 
Geregistreerd: 27 September 2003
Locatie: van Lissabon tot Vladivostok
Berichten: 23.177
Standaard

Citaat:
Oorspronkelijk geplaatst door Micele Bekijk bericht
En ook Tesla met NVIDIA hardware-software:

http://www.nvidia.com/object/deep-learning-system.html
Een zelfrijdende auto verzamelt 1 GByte aan data per seconde.
Voor iemand die 600 uur per jaar met de wagen rijdt betekent dat
2.160.000 seconden ==> ongeveer 2 PetaByte aan data per auto per jaar.
Bijgevoegde afbeelding(e)
 
__________________
Doorzoek forum.politics.be (aangepaste zoekmachine)
Nr.10 is offline   Met citaat antwoorden
Oud 13 May 2017, 08:54   #33
Micele
Secretaris-Generaal VN
 
Micele's schermafbeelding
 
Geregistreerd: 18 May 2005
Locatie: Limburg
Berichten: 22.647
Standaard

Citaat:
Oorspronkelijk geplaatst door Nr.10 Bekijk bericht
Kun je dat ook in begrijpbare taal uitleggen, zodat niet-techneuten het begrijpen. De tekst die je aanhaalt is engelstalig en voor de gewone man is het chinees, volgens mij.
Ik neem aan dat niet-techneuten ook gewoon Nederlands kunnen googlen niet? "Kunstmatige intelligentie" #googlen moet toch kunnen?

Deep learning is wanneer de chips zelflerend zijn, en dus zelf verder redeneren en andere oplossingen vinden, dus ze moeten niet bijkomend gevoed worden door extra software, en dus tijd verliezen.
Dat is een vorm van sterke AI.

Chips kunnen dan met een basissoftware van heel simpele muziek, bvb eigen nieuwe muziekstukken componeren, dus eigenlijk redeneren zoals een mens.

Dit wist ik zonder googlen.

Was op TV en stond ook netjes uitgelegd in de krant:
Citaat:
http://deredactie.be/cm/vrtnieuws/wetenschap/1.2973591

Wetenschappers van Imec in Leuven hebben een zelflerende chip ontwikkeld. "Zoals een kind dingen aanleert, leert ook deze chip dingen aan", legt Imec-onderzoeker Diederik Verkest uit. Het onderzoeksinstituut spreekt van een doorbraak in de wereldwijde chiptechnologie.

Computers die leren bestaan al. Maar zij kosten handenvol rekentijd en enorm veel energie. Imec, de Belgische onderzoeks- en innovatiehub op het vlak van nano-elektronica en digitale technologie, is er nu voor het eerst in geslaagd bestaande geheugentechnologie aan te passen voor deze toepassing en in een chip in te bouwen.

Klassieke chips herhalen wat een programmeur heeft geïnstalleerd. Bij de door Imec ontwikkelde zelflerende chip is dat niet meer nodig. "De chip kan uit een massa gegevens patronen herkennen en kan daar op voortbouwen, net zoals een kind leert dingen doen", legt Verkest uit.
En AI of kunstmatige intelligentie wordt in de #Nederlandstalige Wikipedia volledig uitgelegd, ik citeer een stukje sterke AI:
Citaat:
https://nl.wikipedia.org/wiki/Kunstmatige_intelligentie

Sterke AI houdt zich bezig met onderzoek met betrekking tot het creëren van een computer of software die echt kan redeneren en problemen oplossen, en die wellicht zelfbewustzijn zou hebben; hiervan zijn weer twee subtypen te onderscheiden, namelijk de mens-gelijke AI, een computer die redeneert en denkt als een mens, en de niet-mens-gelijke AI, waarin de computer een niet-menselijke, maar eigen computer-intelligentie ontwikkelt.
En om een praktisch vb te geven de computer, en dus de NVIDIA-A.I-GPU en chips van de enhanced autopilot van Tesla werkt ook op dat AI principe, al deze camera-data, zelfs gebeurlijke ongevallen wordt namelijk opgeslagen in een groot netwerk:
Citaat:
https://electrek.co/2017/05/06/tesla...-self-driving/

Tesla updates data sharing policy to include collecting video in order to ‘make self-driving a reality’

Fred Lambert - May. 6th 2017

Tesla is leveraging its large fleet of vehicles equipped with sensors in order to gather data for its autonomous driving vehicle program.

It’s now stepping up its data gathering game with the latest update this week by updating its data sharing policy to include collecting videos in order to ‘make self-driving a reality’.

After last night’s update that virtually brought the second generation Autopilot to parity with the features of the first generation Autopilot, Tesla asked owners to approve a new data sharing policy.

They wrote in the message:

“We are working hard to improve autonomous safety features and make self-driving a reality for you as soon as possible.

In order to do so, we need to collect short video clips using the car’s external cameras to learn how to recognize things like lane lines, street signs, and traffic light positions. The more fleet learning of road conditions we are able to do, the better your Tesla’s self-driving ability will become.

We want to be super clear that these short video clips are not linked to your vehicle identification number. In order to protect your privacy, we have ensured that there is no way to search our system for clips that are associated with a specific car.”

The new sensor suite on the second generation Autopilot has 8 cameras, all-around ultrasonic sensors, and a forward-looking radar, which means a lot more of data to gather and certainly when it comes to the cameras.

Citaat:
Uw vorige vraag? Dat was geen vraag. Het was een statement.
Een statement dat begint met wat vind je... ? amai...
Citaat:
Oorspronkelijk geplaatst door Nr.10 Bekijk bericht
Wat vind je van de strategie die we in Europa moeten hanteren om niet weggeblazen te worden door het Amerikaanse en binnenkort mogelijk ook Chinese geweld?
Een verkeerd statement dan aangezien IMEC in Leuven, België, Europa, ligt.
En wat IMEC als primeur ontwikkeld heeft in 2009 en 2017 "blaast" eerder andere landen weg.

Kunt U me eens in het Nederlands uitleggen waarop je dan uw statement baseert? Of besefde je even niet waar IMEC ligt?

- - - -

Edit... dit topic gaat eigenlijk over Neuralink, in het Nederlands uitgelegd in de eerste post. Neuralink wil nog een hele stap verder gaan dan AI...:


Als je het verhaal hebt gelezen weet je niet alleen alles over de hersenen en over de stand van de toegepaste (medische) hersenwetenschap. Urban laat óók zien hoe technologie misbruikt kan worden, maar hoe dat vrezen en erover klagen het verschil nooit zal maken. Wat wel het verschil maakt: de ontwikkelingen een kant op proberen te duwen die goed is voor de hele mensheid.

En dat is wat Elon Musk (vooral bekend van ruimtebedrijf SpaceX en elektrische auto- en batterijenbedrijf Tesla) probeert. Hij waarschuwde een paar jaar geleden publiekelijk voor het risico van het ontwikkelen van ‘algemene kunstmatige intelligentie’: kort gezegd een machine die zichzelf alles kan leren wat de mens kan, en dan al heel snel meer.

Volgens Musk zouden we zoiets beter niet proberen te ontwikkelen.

Maar de mens zit nu eenmaal zo in elkaar dat hij die machine toch zal willen maken en daarbij (te) grote risico’s neemt. En dus doet Musk wat hij met Tesla en SpaceX ook doet, zo analyseert Tim Urban: hij ontwikkelt een technologie die in dienst staat van de mensheid én die mensen heel graag willen hebben.

De multidisciplinaire zwaargewichten die Musk heeft aangenomen bij zijn nieuwe bedrijf Neuralink gaan zich in eerste instantie richten op het ontwikkelen van technologie voor hersenimplantaten zoals die er nu al zijn, om doven weer te laten horen of de symptomen van de ziekte van Parkinson te verminderen. Met dezelfde technologie zou je bijvoorbeeld ook Alzheimerpatiënten moeten kunnen helpen. Het liefst zonder dat hun schedel er voor open hoeft.

Maar dat is alleen maar het begin. Musks grotere doel met Neuralink is dat het tempo waarmee we met elkaar (en computers) communiceren een exponentiële sprong maakt. En dat kan er uiteindelijk voor zorgen dat de mensheid zelf één wordt met de kunstmatig intelligente machine - het beste wapen tegen computers die zo slim worden dat mensen eindigen als een tweederangs soort.

Laatst gewijzigd door Micele : 13 May 2017 om 09:20.
Micele is offline   Met citaat antwoorden
Oud 17 May 2017, 23:07   #34
Nr.10
Secretaris-Generaal VN
 
Nr.10's schermafbeelding
 
Geregistreerd: 27 September 2003
Locatie: van Lissabon tot Vladivostok
Berichten: 23.177
Standaard

Citaat:
Oorspronkelijk geplaatst door Micele Bekijk bericht
En ook Tesla met NVIDIA hardware-software:
http://www.nvidia.com/object/tesla-and-nvidia.html
Citaat:
Tesla Motors and NVIDIA have partnered since the early development of the revolutionary Model S. Today, all Tesla vehicles—Model S, Model X, and the upcoming Model 3—will be equipped with an NVIDIA-powered on-board “supercomputer” that can provide full self-driving capability.
The computer delivers more than 40 times the processing power of the previous system, running an Tesla-developed neural net for vision, sonar, and radar processing.
This in-vehicle supercomputer is powered by the NVIDIA DRIVE™ PX 2 AI computing platform. It’s an end-to-end AI computing system that uses groundbreaking approaches in deep learning to perceive and understand the car’s surroundings.
http://www.nvidia.com/object/ai-computing.html
http://www.nvidia.com/object/deep-learning-system.html
Zo'n systeem zit in de wagen. Het apparaat kan data opslorpen van:
  • 12 video camera's
  • lidar = een technologie die de afstand tot een object of oppervlak bepaalt door middel van het gebruik van laserpulsen
  • radar = een installatie die gemaakt is om met behulp van radiogolven de omgeving af te zoeken naar objecten
  • ultrasone sensoren = sensoren die werken met behulp van geluidsgolven
En vervolgens deze datastromen verwerken om een beeld te krijgen van de onmiddellijke omgeving van het voertuig.

(fig.: de drive px 2)
Bijgevoegde miniaturen
Klik op de afbeelding voor een grotere versie

Naam:  mlghenehyy5cooff7hfj.jpg‎
Bekeken: 14
Grootte:  43,5 KB
ID: 105985  

__________________
Doorzoek forum.politics.be (aangepaste zoekmachine)
Nr.10 is offline   Met citaat antwoorden
Oud 17 May 2017, 23:38   #35
Nr.10
Secretaris-Generaal VN
 
Nr.10's schermafbeelding
 
Geregistreerd: 27 September 2003
Locatie: van Lissabon tot Vladivostok
Berichten: 23.177
Standaard

Citaat:
Oorspronkelijk geplaatst door Micele Bekijk bericht
En AI of kunstmatige intelligentie wordt in de #Nederlandstalige Wikipedia volledig uitgelegd, ik citeer een stukje sterke AI:
Citaat:
https://nl.wikipedia.org/wiki/Kunstmatige_intelligentie

Sterke AI houdt zich bezig met onderzoek met betrekking tot het creëren van een computer of software die echt kan redeneren en problemen oplossen, en die wellicht zelfbewustzijn zou hebben; hiervan zijn weer twee subtypen te onderscheiden, namelijk de mens-gelijke AI, een computer die redeneert en denkt als een mens, en de niet-mens-gelijke AI, waarin de computer een niet-menselijke, maar eigen computer-intelligentie ontwikkelt.
Artificiële Intelligentie kan ook gedefiniëerd worden als volgt:
Het studiedomein dat als doel heeft machines te bouwen die even intelligent zijn als mensen.
__________________
Doorzoek forum.politics.be (aangepaste zoekmachine)
Nr.10 is offline   Met citaat antwoorden
Oud 19 May 2017, 02:51   #36
Nr.10
Secretaris-Generaal VN
 
Nr.10's schermafbeelding
 
Geregistreerd: 27 September 2003
Locatie: van Lissabon tot Vladivostok
Berichten: 23.177
Standaard

Artificiële Intelligentie is:
Het studiedomein dat als doel heeft machines te bouwen die even intelligent zijn als mensen.
Hoe ga je dit doel bereiken?
Robots ...
Als je in een autofabriek staat en je wil een auto assembleren met behulp van robots, dan kun je die robots expliciet programmeren. Dat werkt.

Lerende algoritmen ...
In de reële wereld daarentegen doen zich onvoorziene omstandigheden voor. Het expliciete programmeren schiet tekort. Om machines te bouwen die toch kunnen functioneren in dergelijke omgeving wordt gewerkt via lerende algoritmen, die de werking van het menselijke brein nabootsen.
Het geheel aan onderzoek rond lerende algoritmen gaf aanleiding tot het specifieke vakgebied ML. Machinaal Leren kan dan gedefiniëerd worden als volgt:
Het studiedomein dat als doel heeft machines de capaciteit te geven om te ageren zonder dat ze daarvoor expliciet geprogrammeerd worden.
__________________
Doorzoek forum.politics.be (aangepaste zoekmachine)

Laatst gewijzigd door Nr.10 : 19 May 2017 om 02:53.
Nr.10 is offline   Met citaat antwoorden
Oud 20 May 2017, 05:28   #37
Nr.10
Secretaris-Generaal VN
 
Nr.10's schermafbeelding
 
Geregistreerd: 27 September 2003
Locatie: van Lissabon tot Vladivostok
Berichten: 23.177
Standaard

Citaat:
Oorspronkelijk geplaatst door Micele Bekijk bericht
En ook Tesla met NVIDIA hardware-software:
Citaat:
http://www.nvidia.com/object/tesla-and-nvidia.html

Tesla Motors and NVIDIA have partnered since the early development of the revolutionary Model S. Today, all Tesla vehicles—Model S, Model X, and the upcoming Model 3—will be equipped with an NVIDIA-powered on-board “supercomputer” that can provide full self-driving capability.
The computer delivers more than 40 times the processing power of the previous system, running an Tesla-developed neural net for vision, sonar, and radar processing.
This in-vehicle supercomputer is powered by the NVIDIA DRIVE™ PX 2 AI computing platform. It’s an end-to-end AI computing system that uses groundbreaking approaches in deep learning to perceive and understand the car’s surroundings.

http://www.nvidia.com/object/ai-computing.html
http://www.nvidia.com/object/deep-learning-system.html
Citaat:
Oorspronkelijk geplaatst door Nr.10 Bekijk bericht
NVIDIA is traditioneel een producent van videokaarten of grafische kaarten.
Kernelement = de GPU = de graphics processing unit.
Een aparte processor die de grafische taken van de processor op zich neemt.
Een interface tussen de computer en het beeldscherm.
Een bekende merknaam is de GeForce GPU.
Vanwaar de overslag naar deep learning? En wat is dat juist, deep learning?
Citaat:
Oorspronkelijk geplaatst door Micele Bekijk bericht
Que?
Indien je dat wilt weten...
https://en.wikipedia.org/wiki/Deep_learning
Citaat:
Oorspronkelijk geplaatst door Micele Bekijk bericht
Deep learning is wanneer de chips zelflerend zijn, en dus zelf verder redeneren en andere oplossingen vinden, dus ze moeten niet bijkomend gevoed worden door extra software, en dus tijd verliezen. Dat is een vorm van sterke AI. Chips kunnen dan met een basissoftware van heel simpele muziek, bvb eigen nieuwe muziekstukken componeren, dus eigenlijk redeneren zoals een mens.
'Deep learning' is een vorm van Machinaal Leren.
Deep learning is an aspect of artificial intelligence (AI) that is concerned with emulating the learning approach that human beings use to gain certain types of knowledge. At its simplest, deep learning can be thought of as a way to automate predictive analytics.

While traditional machine learning algorithms are linear, deep learning algorithms are stacked in a hierarchy of increasing complexity and abstraction. To understand deep learning, imagine a toddler whose first word is “dog.” The toddler learns what is (and what is not) a dog by pointing to objects and saying the word “dog.” The parent says “Yes, that is a dog” or “No, that is not a dog.” As the toddler continues to point to objects, he becomes more aware of the features that all dogs possess. What the toddler does, without knowing it, is to clarify a complex abstraction (the concept of dog) by building a hierarchy in which each level of abstraction is created with knowledge that was gained from the preceding layer of the hierarchy.

Computer programs that use deep learning go through much the same process. Each algorithm in the hierarchy applies a non-linear transformation on its input and uses what it learns to create a statistical model as output. Iterations continue until the output has reached an acceptable level of accuracy. The number of processing layers through which data must pass is what inspired the label “deep.”

In traditional machine learning, the learning process is supervised and the programmer has to be very, very specific when telling the computer what types of things it should be looking for when deciding if an image contains a dog or does not contain a dog. This is a laborious process called feature extraction and the computer’s success rate depends entirely upon the programmer’s ability to accurately define a feature set for "dog." The advantage of deep learning is that the program builds the feature set by itself without supervision. This is not only faster, it is usually more accurate.

Initially, the computer program might be provided with training data, a set of images for which a human has labeled each image “dog” or “not dog” with meta tags. The program uses the information it receives from the training data to create a feature set for dog and build a predictive model. In this case, the model the computer first creates might predict that anything in an image that has four legs and a tail should be labeled "dog." Of course, the program is not aware of the labels “four legs” or "tail," it will simply look for patterns of pixels in the digital data. With each iteration, the predictive model the computer creates becomes more complex and more accurate.

Because this process mimics human thought, deep learning is sometimes referred to as deep neural learning or deep neural networking. Unlike the toddler, who will take weeks or even months to understand the concept of “dog,” a computer program that uses deep learning algorithms can be shown a training set and sort through millions of images, accurately identifying which images have dogs in them within a few minutes.

In order to achieve an acceptable level of accuracy, deep learning programs require access to immense amounts of training data and processing power, neither of which were easily available to programmers until the era of big data and cloud computing. Because deep learning programming is able to create complex statistical models directly from its own iterative output, it is able to create accurate predictive models from large quantities of unlabeled, unstructured data. This is important as the Internet of Things(IoT) continues to become more pervasive, because most of the data humans and machines create is unstructured and is not labeled. Use cases today for deep learning include all types of big data analytics applications, especially those focused on natural language processing (NLP), language translation, medical diagnosis, stock market trading signals, network security and image identification.

BRON
jun 2016
__________________
Doorzoek forum.politics.be (aangepaste zoekmachine)
Nr.10 is offline   Met citaat antwoorden
Oud 20 May 2017, 13:49   #38
Micele
Secretaris-Generaal VN
 
Micele's schermafbeelding
 
Geregistreerd: 18 May 2005
Locatie: Limburg
Berichten: 22.647
Standaard

Citaat:
Oorspronkelijk geplaatst door Nr.10 Bekijk bericht
'Deep learning' is een vorm van Machinaal Leren.
Deep learning is an aspect of artificial intelligence (AI) that is concerned with emulating the learning approach that human beings use to gain certain types of knowledge. At its simplest, deep learning can be thought of as a way to automate predictive analytics.

While traditional machine learning algorithms are linear, deep learning algorithms are stacked in a hierarchy of increasing complexity and abstraction. To understand deep learning, imagine a toddler whose first word is “dog.” The toddler learns what is (and what is not) a dog by pointing to objects and saying the word “dog.” The parent says “Yes, that is a dog” or “No, that is not a dog.” As the toddler continues to point to objects, he becomes more aware of the features that all dogs possess. What the toddler does, without knowing it, is to clarify a complex abstraction (the concept of dog) by building a hierarchy in which each level of abstraction is created with knowledge that was gained from the preceding layer of the hierarchy.

Computer programs that use deep learning go through much the same process. Each algorithm in the hierarchy applies a non-linear transformation on its input and uses what it learns to create a statistical model as output. Iterations continue until the output has reached an acceptable level of accuracy. The number of processing layers through which data must pass is what inspired the label “deep.”

In traditional machine learning, the learning process is supervised and the programmer has to be very, very specific when telling the computer what types of things it should be looking for when deciding if an image contains a dog or does not contain a dog. This is a laborious process called feature extraction and the computer’s success rate depends entirely upon the programmer’s ability to accurately define a feature set for "dog." The advantage of deep learning is that the program builds the feature set by itself without supervision. This is not only faster, it is usually more accurate.

Initially, the computer program might be provided with training data, a set of images for which a human has labeled each image “dog” or “not dog” with meta tags. The program uses the information it receives from the training data to create a feature set for dog and build a predictive model. In this case, the model the computer first creates might predict that anything in an image that has four legs and a tail should be labeled "dog." Of course, the program is not aware of the labels “four legs” or "tail," it will simply look for patterns of pixels in the digital data. With each iteration, the predictive model the computer creates becomes more complex and more accurate.

Because this process mimics human thought, deep learning is sometimes referred to as deep neural learning or deep neural networking. Unlike the toddler, who will take weeks or even months to understand the concept of “dog,” a computer program that uses deep learning algorithms can be shown a training set and sort through millions of images, accurately identifying which images have dogs in them within a few minutes.

In order to achieve an acceptable level of accuracy, deep learning programs require access to immense amounts of training data and processing power, neither of which were easily available to programmers until the era of big data and cloud computing. Because deep learning programming is able to create complex statistical models directly from its own iterative output, it is able to create accurate predictive models from large quantities of unlabeled, unstructured data. This is important as the Internet of Things(IoT) continues to become more pervasive, because most of the data humans and machines create is unstructured and is not labeled. Use cases today for deep learning include all types of big data analytics applications, especially those focused on natural language processing (NLP), language translation, medical diagnosis, stock market trading signals, network security and image identification.

BRON
jun 2016
Mooi gegoogled
Maar wacht even, dit was toch jouw post:
Citaat:
Oorspronkelijk geplaatst door Nr.10 Bekijk bericht
Kun je dat ook in begrijpbare taal uitleggen, zodat niet-techneuten het begrijpen. De tekst die je aanhaalt is engelstalig en voor de gewone man is het chinees, volgens mij.
Citaat:
'Deep learning' is een vorm van Machinaal Leren.
Die geciteerde context is de uitleg hoe deep learning verschilt met machinaal leren, een vorm van het machinaal leren kan men dat niet noemen.

Ik was zo vrij die tekst in de google-vertaler te smijten:

Diepe leer is een aspect van kunstmatige intelligentie (AI) die zich bezighoudt met het aanleren van de leerbenadering die mensen gebruiken om bepaalde soorten kennis te verwerven. Bij zijn eenvoudigste, diepe leer kan worden beschouwd als een manier om predictieve analytics te automatiseren.

Terwijl traditionele algoritmen voor machineonderwijs lineair zijn, worden diepe algoritmes gestapeld in een hiërarchie van toenemende complexiteit en abstractie. Om een ​​diep leer te begrijpen, stel je een peuter voor, waarvan het eerste woord 'hond' is. De peuter leert wat is (en wat niet) een hond door te wijzen op voorwerpen en het woord 'hond' zeggen. De ouder zegt 'Ja, dat is een Hond "of" Nee, dat is geen hond. "Naarmate de peuter nog steeds op objecten wijst, wordt hij meer bewust van de eigenschappen die alle honden bezitten. Wat de peuter doet, zonder het te weten, is om een ​​complexe abstractie (het begrip hond) te verduidelijken door een hiërarchie te bouwen waarin elk niveau van abstractie wordt gecreëerd met kennis die is verkregen uit de voorafgaande laag van de hiërarchie.

Computerprogramma's die gebruik maken van diep leren gaan door hetzelfde proces. Elk algoritme in de hiërarchie past een niet-lineaire transformatie toe op zijn input en gebruikt wat hij leert om een ​​statistisch model als output te maken. Herhalingen blijven door totdat de uitgang een acceptabel niveau van nauwkeurigheid heeft bereikt. Het aantal verwerkingslagen door welke gegevens moet worden doorgegeven is wat het label "diep" heeft geïnspireerd.

In het traditionele machineonderwijs wordt het leerproces onder toezicht gehouden en de programmeur moet heel erg specifiek zijn wanneer de computer wordt verteld welke soorten dingen het moet zoeken bij het bepalen of een afbeelding een hond bevat of geen hond bevat. Dit is een moeizaam proces genaamd functie-extractie en de succesfrequentie van de computer hangt helemaal af van het vermogen van de programmeur om een ​​functietoestel voor "hond" nauwkeurig te definiëren. Het voordeel van diep leren is dat het programma de functie opbouwt die zelf zonder toezicht is ingesteld. Dit is niet alleen sneller, het is meestal nauwkeuriger.

Aanvankelijk kan het computerprogramma voorzien zijn van trainingsgegevens, een set afbeeldingen waarvoor een mens elke afbeelding 'hond' of 'niet-hond' heeft met metatags. Het programma maakt gebruik van de informatie die zij ontvangt van de trainingsgegevens om een ​​functie voor hond te maken en een voorspellend model op te bouwen. In dit geval kan het model dat de computer eerst oplevert, voorspellen dat alles in een afbeelding met vier benen en een staart met de naam "hond" moet zijn. Uiteraard is het programma niet bewust van de labels 'vier benen' of 'staart', het zal simpelweg zoeken naar patronen van pixels in de digitale data. Bij elke iteratie wordt het voorspellende model dat de computer maakt, complexer en nauwkeuriger.

Omdat dit proces de menselijke gedachte nabootst, wordt diep leren soms aangeduid als diep neuraal leren of diep neurale netwerken. In tegenstelling tot de peuter, die weken of zelfs maanden duurt om het begrip 'hond' te begrijpen, een computerprogramma dat gebruik maakt van diepe algoritmes, kan een trainingsset getoond worden en miljoenen afbeeldingen worden gedetecteerd, waarbij nauwkeurig wordt aangegeven welke afbeeldingen er honden in zijn Een paar minuten.

Om een ​​acceptabel niveau van nauwkeurigheid te bereiken, hebben diep leerprogramma's toegang tot enorme hoeveelheden trainingsgegevens en verwerkingscapaciteit, die niet gemakkelijk voor programmeurs beschikbaar zijn tot het tijdperk van grote data en cloud computing. Omdat diepe leerprogrammering in staat is om complexe statistische modellen direct uit zijn eigen iteratieve output te maken, is het in staat nauwkeurige predictieve modellen te creëren uit grote hoeveelheden ongemerkt, ongestructureerde data. Dit is belangrijk omdat het Internet van Dingen (IoT) steeds meer doordringend wordt, omdat de meeste gegevensmensen en machines creëren ongestructureerd zijn en niet gelabeld zijn. Gebruiksvallen vandaag voor diep leren zijn onder andere alle soorten applicaties voor grote dataanalyse, met name die gericht zijn op natuurlijke taalverwerking (NLP), taalvertaling, medische diagnose, aandelenmarktssignalen, netwerkbeveiliging en beeldidentificatie.

Laatst gewijzigd door Micele : 20 May 2017 om 14:12.
Micele is offline   Met citaat antwoorden
Oud 13 August 2017, 23:25   #39
Nr.10
Secretaris-Generaal VN
 
Nr.10's schermafbeelding
 
Geregistreerd: 27 September 2003
Locatie: van Lissabon tot Vladivostok
Berichten: 23.177
Standaard

Citaat:
Oorspronkelijk geplaatst door Micele Bekijk bericht
Mooi gegoogled
Daar dienen zoekrobots voor.
__________________
Doorzoek forum.politics.be (aangepaste zoekmachine)
Nr.10 is offline   Met citaat antwoorden
Antwoord


Discussietools

Regels voor berichten
Je mag niet nieuwe discussies starten
Je mag niet reageren op berichten
Je mag niet bijlagen versturen
Je mag niet jouw berichten bewerken

vB-code is Aan
Smileys zijn Aan
[IMG]-code is Aan
HTML-code is Uit
Forumnavigatie


Alle tijden zijn GMT +1. Het is nu 06:08.


Forumsoftware: vBulletin®
Copyright ©2000 - 2017, Jelsoft Enterprises Ltd.
Content copyright ©2002 - 2016, Politics.be