PDA

View Full Version : ML = Machinaal Leren = de lerende algoritmen


Nr.10
1 mei 2017, 22:01
Machine learning (https://en.wikipedia.org/wiki/Machine_learning) ???
Machine learning is the subfield of computer science ...
machine learning explores the study and construction of algorithms that can learn from and make predictions on data.
Enkele voorbeelden:

email filtering (anti-spam technieken, automatisch verwerken van binnenkomende email, ...)
detection of network intruders or malicious insiders working towards a data breach (een datalek)
optical character recognition (OCR)
learning to rank (LTR)
computer vision (beelden: foto's en video's)

Iedere zoekrobot bijvoorbeeld is gebaseerd op een LTR-algoritme.

"Computer vision", een aantal subdomeinen:

scene reconstruction
event detection
video tracking
object recognition
motion estimation
image restoration

Computer vision houdt zich bezig met het automatisch nabootsen van de taken van het menselijke visuele systeem.

Nr.10
1 mei 2017, 22:47
Om te lezen:
What kind of machine learning algorithms do the driverless cars use? (https://www.quora.com/What-kind-of-machine-learning-algorithms-do-the-driverless-cars-use)

Wapper
1 mei 2017, 23:04
Volgens mijn (niet zo bescheiden) mening is de impact van zoekalgoritmes ( in alle incarnaties) op de economie ongeveer zero. Ik houd me aanbevolen voor bewijzen van het tegendeel.

sepper
2 mei 2017, 06:11
Volgens mijn (niet zo bescheiden) mening is de impact van zoekalgoritmes ( in alle incarnaties) op de economie ongeveer zero. Ik houd me aanbevolen voor bewijzen van het tegendeel.

Uitgezonderd de hoop professionals (inclusief artsen!) die continu google gebruiken om vanalles op te zoeken.
En ook buiten bescouwing gelaten dat in R&D bijna continu wikipedia en google opstaat.

Tavek
2 mei 2017, 08:36
lol @ wapper

Uw bescheiden mening is fout hoor. Machine learning en alles wat daar rond hangt heeft een gigantische impact op de economie.

Amazon is een goed voorbeeld van een bedrijf dat zich extreem heeft toegelegd hierop. Maar 450 miljard dollar market cap.

https://www.forbes.com/sites/louiscolumbus/2016/12/18/mckinseys-2016-analytics-study-defines-the-future-machine-learning/#6063280514eb

Nr.10
4 mei 2017, 22:41
https://www.forbes.com/sites/louiscolumbus/2016/12/18/mckinseys-2016-analytics-study-defines-the-future-machine-learning/#6063280514eb
Uit dat artikel:
Enabling autonomous vehicles and personalizing advertising are two of the highest opportunity use cases for machine learning today.
Een "use case" = een toepassing. Twee worden vermeld:

autonome voertuigen
gepersonaliseerde advertenties

Vooral gepersonaliseerde advertenties staan zeer hoog genoteerd als toepassing. Zeer grote impact.

(aanklikken om te vergroten)

Tavek
4 mei 2017, 22:45
Ja, en bedrijven zoals facebook, amazon, bol.com, google...verdienen daar allemaal hun brood mee.

Dit zijn omzetten van honderden miljarden.

Wapper
4 mei 2017, 23:09
Miisschien zou een juistere naam dan ook zijn: "Profit Maximizing Algorithms", want dat is waar het in de limiet steeds over gaat, zowel op het internet als op TV. Voor dat laatste medium ben ik er van overtuigd dat er algoritmes bestaan die de graad van hersenloosheid van de zappende kijker matchen met die van de reclame.

Tavek
4 mei 2017, 23:29
Miisschien zou een juistere naam dan ook zijn: "Profit Maximizing Algorithms", want dat is waar het in de limiet steeds over gaat, zowel op het internet als op TV. Voor dat laatste medium ben ik er van overtuigd dat er algoritmes bestaan die de graad van hersenloosheid van de zappende kijker matchen met die van de reclame.

Nooit afgevraagd waarom je na wat gegoogle opeens ads krijgt over de dingen die je hebt gegoogled ?

Dat is zulke algoritmen aan het werken.

Google zijn verdiendmodel. 650 miljard dollar market cap. Bedrijf is groter dan Belgie.

Nr.10
4 mei 2017, 23:35
Miisschien zou een juistere naam dan ook zijn: "Profit Maximizing Algorithms", want dat is waar het in de limiet steeds over gaat, zowel op het internet als op TV. Voor dat laatste medium ben ik er van overtuigd dat er algoritmes bestaan die de graad van hersenloosheid van de zappende kijker matchen met die van de reclame.
Analoge televisie via de kabel is nog altijd mogelijk.
Dan kijkt er niemand mee.

Zo'n digitaal toestel registreert alles.
De ISP kan vervolgens met de verzamelde data alle kanten uit.
Gegadigden genoeg die er grote sommen voor over hebben.
Er spelen enorme belangen.

Wapper
4 mei 2017, 23:48
Nooit afgevraagd waarom je na wat gegoogle opeens ads krijgt over de dingen die je hebt gegoogled ?

Dat is zulke algoritmen aan het werken.

Google zijn verdiendmodel. 650 miljard dollar market cap. Bedrijf is groter dan Belgie.

Nog nooit ads gezien via Google wegens Adblock :wink:

Wapper
4 mei 2017, 23:57
Analoge televisie via de kabel is nog altijd mogelijk.
Dan kijkt er niemand mee.

Zo'n digitaal toestel registreert alles.
De ISP kan vervolgens met de verzamelde data alle kanten uit.
Gegadigden genoeg die er grote sommen voor over hebben.
Er spelen enorme belangen.

Dat zal niemand in twijfel trekken! :lol:
De hamvraag is of het optimaliseren van winsten en profijten door zoek- en andere algoritmes de algemene effectiviteit van zoekrobots niet negatief beinvloedt?

Nr.10
5 mei 2017, 01:38
Nooit afgevraagd waarom je na wat gegoogle opeens ads krijgt over de dingen die je hebt gegoogled ?

Dat is zulke algoritmen aan het werken.

Google zijn verdiendmodel. 650 miljard dollar market cap. Bedrijf is groter dan Belgie.
Gepersonaliseerde advertenties: allemaal gebaseerd op data-analyse en digitale technologie. Wikipedia wijdt er een bladzijde aan.
Personalized marketing (https://en.wikipedia.org/wiki/Personalized_marketing)

Jantje
5 mei 2017, 05:10
Analoge televisie via de kabel is nog altijd mogelijk.
Dan kijkt er niemand mee.

Zo'n digitaal toestel registreert alles.
De ISP kan vervolgens met de verzamelde data alle kanten uit.
Gegadigden genoeg die er grote sommen voor over hebben.
Er spelen enorme belangen.


Je kan inderdaad nog enkele zenders analoog ontvangen, maar dan moet je wel te vreden zijn met een slechter beeldkwaliteit.

En binnen de digitale wereld word inderdaad alles en iedereen gevolgd.
Het gaat zelfs zo ver, dat sommige bedrijven zelfs betalen om auto's te volgen.
Weinig mensen staan er bij stil, maar binnen de digitale wereld bestaat er geen vrijheid, alles word gecontroleerd en gebruikt binnen de economie.
Dat is ook de reden waarom men die slimme meter voor energieverbruik wil plaatsen, meer controle op wat de burger doet.


De hamvraag is of het optimaliseren van winsten en profijten door zoek- en andere algoritmes de algemene effectiviteit van zoekrobots niet negatief beinvloedt?
Voor kleine plaatselijke bedrijven is het vaak een ramp, voor grote bedrijven is het een winst.
Voor de België economie is het heel nadelig, want bedrijven uit lage loonlanden gaan zo met veel klanten van hen lopen.
Ook voor landen zoals de VS is het moorden voor de economie, want bedrijven werken via de digitale wereld goedkoper en gemakkelijker van uit goedkopere buurlanden en kunnen dankzij de snelle transportwereld toch evensnel of zelfs sneller leveren dan de plaatselijke bedrijven.

Voltian
5 mei 2017, 10:40
Ik heb recent nog meegewerkt aan een projectvoorstel waarbij we ML inzetten om op een (meer) geautomatiseerd sensorgegevens van luchtkwaliteitmetingen te verwerken tot zinvolle informatie en betere voorspellingen. In feite dus het "automatiseren" van data-analyse, data cleaning, clustering, zoeken naar correlaties, etc.

Dat was mijn eerste echt rechtstreeks contact met ML en ML-academici. WTF man, Massively impressive! Vooral die convolutional neural networks. Damn man, had ik dat maar gestudeerd. :)

Als dit werkt dan...
1. gaat de kwaliteit van de voorspelling er gigantisch op vooruit (betere modellen),
2. gaat de kost voor dataverwerking omlaag (minder high-skilled arbeid nodig voor in depth data-analyse) en
3. daalt de kost voor sensing (ML kan aan de slag met data van lagere kwaliteit, als er maar genoeg data is).


Alleen al in deze specifieke toepassing dus een gigantische impact. Deep learning is wat mij betreft een revolutie van dezelfde orde als het internet.

morte-vivante
5 mei 2017, 11:20
Ik heb recent nog meegewerkt aan een projectvoorstel waarbij we ML inzetten om op een (meer) geautomatiseerd sensorgegevens van luchtkwaliteitmetingen te verwerken tot zinvolle informatie en betere voorspellingen. In feite dus het "automatiseren" van data-analyse, data cleaning, clustering, zoeken naar correlaties, etc.

Dat was mijn eerste echt rechtstreeks contact met ML en ML-academici. WTF man, Massively impressive! Vooral die convolutional neural networks. Damn man, had ik dat maar gestudeerd. :)

Als dit werkt dan...
1. gaat de kwaliteit van de voorspelling er gigantisch op vooruit (betere modellen),
2. gaat de kost voor dataverwerking omlaag (minder high-skilled arbeid nodig voor in depth data-analyse) en
3. daalt de kost voor sensing (ML kan aan de slag met data van lagere kwaliteit, als er maar genoeg data is).


Alleen al in deze specifieke toepassing dus een gigantische impact. Deep learning is wat mij betreft een revolutie van dezelfde orde als het internet.
met dat nadeel dat niemand eigenlijk de processen achter deep learning begrijpt. Ja, de algoritmen zijn gecreerd door mensen, maar niemand die begrijpt wat de stappen zijn (de reden zo je wil) dat AI tot een bepaalde conclusie/besluit komt. We zijn dus niet in staat om te begrijpen wat AI nu exact doet, en hoe het tot een bepaalde conclusie komt.

https://www.technologyreview.com/s/604087/the-dark-secret-at-the-heart-of-ai/

No one really knows how the most advanced algorithms do what they do. That could be a problem.
The computers that run those services have programmed themselves, and they have done it in ways we cannot understand. Even the engineers who build these apps cannot fully explain their behavior.
We need more than a glimpse of AI’s thinking, however, and there is no easy solution. It is the interplay of calculations inside a deep neural network that is crucial to higher-level pattern recognition and complex decision-making, but those calculations are a quagmire of mathematical functions and variables. “If you had a very small neural network, you might be able to understand it,” Jaakkola says. “But once it becomes very large, and it has thousands of units per layer and maybe hundreds of layers, then it becomes quite un-understandable.”

Just as many aspects of human behavior are impossible to explain in detail, perhaps it won’t be possible for AI to explain everything it does. “Even if somebody can give you a reasonable-sounding explanation [for his or her actions], it probably is incomplete, and the same could very well be true for AI,” says Clune, of the University of Wyoming. “It might just be part of the nature of intelligence that only part of it is exposed to rational explanation. Some of it is just instinctual, or subconscious, or inscrutable.”

we zijn intelligentie aan het creëren, zonder te begrijpen hoe het doet wat het doet. Als dat geen alarmbellen doet afgaan...

Voltian
5 mei 2017, 12:45
met dat nadeel dat niemand eigenlijk de processen achter deep learning begrijpt. Ja, de algoritmen zijn gecreerd door mensen, maar niemand die begrijpt wat de stappen zijn (de reden zo je wil) dat AI tot een bepaalde conclusie/besluit komt. We zijn dus niet in staat om te begrijpen wat AI nu exact doet, en hoe het tot een bepaalde conclusie komt.

https://www.technologyreview.com/s/604087/the-dark-secret-at-the-heart-of-ai/





we zijn intelligentie aan het creëren, zonder te begrijpen hoe het doet wat het doet. Als dat geen alarmbellen doet afgaan...

Alarmbellen omdat we niet weten of de output "juist" is, of omdat we we er geen controle over hebben?

Nr.10
5 mei 2017, 22:23
we zijn intelligentie aan het creëren, zonder te begrijpen hoe het doet wat het doet. Als dat geen alarmbellen doet afgaan...
Inderdaad. Hawkins waarschuwt daarvoor.
Stephen Hawking: Machine Learning is Scary (http://insidebigdata.com/2014/05/03/stephen-hawking-machine-learning-scary/)
3 mei 2014

renowned physicist Stephen Hawking,
U.C. Berkeley computer-science professor Stuart Russell,
and MIT physics professors Max Tegmark and Frank Wilczek

The professors wrote that in the future there may be nothing to prevent machines with superhuman intelligence from self-improving, triggering a so-called “singularity.”

Nr.10
5 mei 2017, 23:04
Ik heb recent nog meegewerkt aan een projectvoorstel waarbij we ML inzetten om op een (meer) geautomatiseerd sensorgegevens van luchtkwaliteitmetingen te verwerken tot zinvolle informatie en betere voorspellingen. In feite dus het "automatiseren" van data-analyse, data cleaning, clustering, zoeken naar correlaties, etc.

Dat was mijn eerste echt rechtstreeks contact met ML en ML-academici. WTF man, Massively impressive! Vooral die convolutional neural networks. Damn man, had ik dat maar gestudeerd. :)

Als dit werkt dan...
1. gaat de kwaliteit van de voorspelling er gigantisch op vooruit (betere modellen),
2. gaat de kost voor dataverwerking omlaag (minder high-skilled arbeid nodig voor in depth data-analyse) en
3. daalt de kost voor sensing (ML kan aan de slag met data van lagere kwaliteit, als er maar genoeg data is).


Alleen al in deze specifieke toepassing dus een gigantische impact. Deep learning is wat mij betreft een revolutie van dezelfde orde als het internet.
Een voorbeeld: de foto-app Prisma.
‘Convolutional neural network’
De app lijkt niet op de foto-apps die je al kent. Dit komt doordat Prisma niet simpelweg een filter op je foto legt, maar hem helemaal opnieuw opbouwt. Daarvoor wordt gebruik gemaakt van een zogenaamd ‘convolutional neural network’. Dit houdt in dat de app op grote servers draait en via deze servers bepaalde algoritmes uitvoert die vervolgens de foto helemaal opnieuw maakt.
BRON (https://nl.express.live/2016/07/25/108197prisma-foto/)
Prisma is gemaakt door een team van Russische ontwikkelaars.
Je maakt een foto en laadt deze in de app.
Prisma biedt je vervolgens keuze uit 35 filters.
Deze filters zijn allemaal gebaseerd op beroemde kunstwerken,
denk hierbij aan de Schreeuw van Edvard Munch of het werk van Mondriaan.

Nr.10
6 mei 2017, 00:55
Alarmbellen omdat we niet weten of de output "juist" is, of omdat we we er geen controle over hebben?
Alle leven is gebaseerd op moleculaire machines.

Jantje
7 mei 2017, 06:29
met dat nadeel dat niemand eigenlijk de processen achter deep learning begrijpt. Ja, de algoritmen zijn gecreerd door mensen, maar niemand die begrijpt wat de stappen zijn (de reden zo je wil) dat AI tot een bepaalde conclusie/besluit komt. We zijn dus niet in staat om te begrijpen wat AI nu exact doet, en hoe het tot een bepaalde conclusie komt.

https://www.technologyreview.com/s/604087/the-dark-secret-at-the-heart-of-ai/





we zijn intelligentie aan het creëren, zonder te begrijpen hoe het doet wat het doet. Als dat geen alarmbellen doet afgaan...

Niet alle AI is door mensen gecreerd, er is als AI die door AI zelfs is ontworpen.

En er word al jaren gewaarschuwd voor AI.
Er zijn zelfs al films gemaakt over wat er fout kan gaan.
Te beginnen met computers die toevallig gehacht worden tot computers die de volledige controle overnemen en zelfs geweld inzetten om de mens te controleren. Van War games tot Terminator.
I, robot is nog zo'n film die bedoelt is om de mens te waarschuwen.

Alarmbellen omdat we niet weten of de output "juist" is, of omdat we we er geen controle over hebben?

Alarmbellen omdat we eigenlijk niets weten over wat en hoe.
AI is nog steeds een programma en in dat programma kan een fout optreden, net zoals in de hersens van sommige mensen en het gewelddadig maken tegenover de mens.

Er zijn al vliegtuigen neergestort door ingrijpen van AI tijdens een technische foutmelding terwijl er geen fout was.
Binnen bedrijven gebeuren er regelmatig technische ongelukjes omdat er en censor een foutieve melding geeft en de AI reageerd op die foutmelding, terwijl het de censor is die faalt.

AI bestaat uit niets anders dan 0 en 1, en het minste dat er één van die 0 of 1 word verandert verandert alles.

Daarnaast is AI iets dat voor iedereen toegankelijk is, want het is allemaal verbonden via kabel of radiogolven en kan dus door alles en iedereen beïnvloed worden.
En nee, men kan het niet beveiligen, want de enige beveiliging tegen hacken of storingen is de boel afkoppelen van het net.

Nr.10
7 mei 2017, 21:58
Er zijn al vliegtuigen neergestort door ingrijpen van AI tijdens een technische foutmelding terwijl er geen fout was.
Kent u voorbeelden hiervan?

Nr.10
7 mei 2017, 23:14
Ik heb recent nog meegewerkt aan een projectvoorstel waarbij we ML inzetten om op een (meer) geautomatiseerd sensorgegevens van luchtkwaliteitmetingen te verwerken tot zinvolle informatie en betere voorspellingen. In feite dus het "automatiseren" van data-analyse, data cleaning, clustering, zoeken naar correlaties, etc.

Dat was mijn eerste echt rechtstreeks contact met ML en ML-academici. WTF man, Massively impressive! Vooral die convolutional neural networks. Damn man, had ik dat maar gestudeerd. :)

Als dit werkt dan...
1. gaat de kwaliteit van de voorspelling er gigantisch op vooruit (betere modellen),
2. gaat de kost voor dataverwerking omlaag (minder high-skilled arbeid nodig voor in depth data-analyse) en
3. daalt de kost voor sensing (ML kan aan de slag met data van lagere kwaliteit, als er maar genoeg data is).


Alleen al in deze specifieke toepassing dus een gigantische impact. Deep learning is wat mij betreft een revolutie van dezelfde orde als het internet.
INTRO:
Conv Nets: A Modular Perspective (http://colah.github.io/posts/2014-07-Conv-Nets-Modular/)
8 jul 2014
In the last few years, deep neural networks have lead to breakthrough results on a variety of pattern recognition problems, such as computer vision and voice recognition. One of the essential components leading to these results has been a special kind of neural network called a convolutional neural network.
Understanding Convolutions (http://colah.github.io/posts/2014-07-Understanding-Convolutions/)
13 jul 2014
Groups & Group Convolutions (http://colah.github.io/posts/2014-12-Groups-Convolution/)
8 dec 2014
Deconvolution and Checkerboard Artifacts (http://distill.pub/2016/deconv-checkerboard/)
17 okt 2016
MEER:
http://colah.github.io/

Neural Networks (General)
Recurrent Neural Networks
Convolutional Neural Networks
Visualizing Neural Networks
Miscellaneous
Traditional Papers

Voltian
8 mei 2017, 08:47
Ik merk toch vooral veel angst voor het onbekende...

Allé, dat netwerk dat "getraind" zal worden ikv dat projectje is geen Skynet he.

Waarschijnlijk zijn het net de films * la Terminator en I, Robot in combinatie met de onwetendheid de voedingsbodem voor weerstand.

Uiteraard alert blijven voor nadelen van nieuwe technologie, vooral dan ethische aspecten.

Thomas-
8 mei 2017, 10:46
Volgens mijn (niet zo bescheiden) mening is de impact van zoekalgoritmes ( in alle incarnaties) op de economie ongeveer zero. Ik houd me aanbevolen voor bewijzen van het tegendeel.

Het gaat hem hier niet alleen over zoekrobots, AI is van toepassing op vrijwel alle delen van de economie en gaat een enorme impact hebben.

De komende jaren zal transport een van de meest zichtbare voorbeelden zijn met zelfrijdende auto's, taxi's, bussen en vrachtwagens.

Jantje
8 mei 2017, 16:07
Kent u voorbeelden hiervan?

Kan er niet direct opkomen het welke het was, maar laatst was er nog een ongeval veroorzaakt door AI van een vliegtuig op NG.

Jantje
8 mei 2017, 16:12
Ik merk toch vooral veel angst voor het onbekende...

Allé, dat netwerk dat "getraind" zal worden ikv dat projectje is geen Skynet he.

Waarschijnlijk zijn het net de films * la Terminator en I, Robot in combinatie met de onwetendheid de voedingsbodem voor weerstand.

Uiteraard alert blijven voor nadelen van nieuwe technologie, vooral dan ethische aspecten.

Ik denk dat vooral de angst om jobs te verliezen een rol speelt.
Daarnaast is ook de ervaring van veel mensen met AI op het werk en hun PC thuis die de angst nog eens voed.
Vandaag nog een onaangenaam lesje gekregen door een stroompannen

Voltian
8 mei 2017, 18:53
Ik denk dat vooral de angst om jobs te verliezen een rol speelt.
Daarnaast is ook de ervaring van veel mensen met AI op het werk en hun PC thuis die de angst nog eens voed.
Vandaag nog een onaangenaam lesje gekregen door een stroompannen

Angst is niet nodig; waar een wil is, is een weg ;)

Nr.10
8 mei 2017, 22:49
Angst is niet nodig; waar een wil is, is een weg ;)
En waar een Willy is is alles weg.

Nr.10
8 mei 2017, 23:01
Ik denk dat vooral de angst om jobs te verliezen een rol speelt.
Tuurlijk. Denken we maar aan al die vrachtwagenchauffeurs [uit Oost-Europa].
Allemaal jobs die van de kaart kunnen geveegd worden door een systeem dat bijna niets kost.

Nr.10
8 mei 2017, 23:36
Ja, en bedrijven zoals facebook, amazon, bol.com, google...verdienen daar allemaal hun brood mee.

Dit zijn omzetten van honderden miljarden.
Facebook en Google verdelen onder hun tweetjes bijna de volledige online advertentiemacht.
25 miljard dollar, dat is de nettowinst die Alphabet (het moederbedrijf van Google), Amazon, Apple, Facebook en Microsoft samen in het eerste kwartaal van 2017 hebben opgestreken. Amazon schrijft de helft van alle Amerikaanse dollars die online gespendeerd worden op zijn rekening. Facebook en Google hebben haast de volledige online advertentiemarkt in handen. BRON (http://www.demorgen.be/economie/niet-olie-maar-data-zijn-de-brandstof-voor-onze-economie-bd925325/)

Nr.10
15 mei 2017, 00:50
Om een idee te krijgen van wat ML zoal inhoudt:

Machine Learning Recipes #1 (https://www.youtube.com/watch?v=cKxRvEZd3Mw)
Machine Learning Recipes #2 (https://www.youtube.com/watch?v=tNa99PG8hR8)
Machine Learning Recipes #3 (https://www.youtube.com/watch?v=N9fDIAflCMY&t=206s)
Machine Learning Recipes #4 (https://www.youtube.com/watch?v=84gqSbLcBFE)
Machine Learning Recipes #5 (https://www.youtube.com/watch?v=AoeEHqVSNOw)
Machine Learning Recipes #6 (https://www.youtube.com/watch?v=cSKfRcEDGUs)
Machine Learning Recipes #7 (https://www.youtube.com/watch?v=Gj0iyo265bc)

Voltian
15 mei 2017, 08:50
Vanwaar uw fascinatie voor ML nr. 10? :)

Jantje
15 mei 2017, 15:49
Vanwaar uw fascinatie voor ML nr. 10? :)

Waarschijnlijk omdat er op ML geen toezicht kan uitgevoerd worden en men de controle over AI wel eens zou kunnen verliezen.

Nr.10
15 mei 2017, 21:29
Vanwaar uw fascinatie voor ML nr. 10? :)
Waarschijnlijk omdat er op ML geen toezicht kan uitgevoerd worden en men de controle over AI wel eens zou kunnen verliezen.
Ja. En het gaat zo snel. Als je leest dat 90% van alle data ooit verzameld pas de laatste twee jaar verzameld werd dan schrik je daar toch van. Dat betekent dat dat het momenteel, op dit ogenblik, echt wel exponentiëel aan het accelereren is. En het is ook zo moeilijk uit te leggen hé.

Net als de opwarming van de aarde.
Probeer dat soort zaken maar een uit te leggen aan de menschen.
Bijna niet te doen, of misschien zelfs gewoonweg helemaal niet te doen.

Jantje
17 mei 2017, 16:01
Ja. En het gaat zo snel. Als je leest dat 90% van alle data ooit verzameld pas de laatste twee jaar verzameld werd dan schrik je daar toch van. Dat betekent dat dat het momenteel, op dit ogenblik, echt wel exponentiëel aan het accelereren is. En het is ook zo moeilijk uit te leggen hé.

Net als de opwarming van de aarde.
Probeer dat soort zaken maar een uit te leggen aan de menschen.
Bijna niet te doen, of misschien zelfs gewoonweg helemaal niet te doen.

Ik denk dat die angst ook terecht is.
En nee, het is niet uit te leggen aan mensen die er geen ondervinding mee hebben.
Maar ook niet aan mensen die wel in thuis zijn, omdat ze er hun kost verdienen in verdienen.
Zij zien alles door een roze bril en doen de rest af als kleine probleempjes die ze wel zullen oplossen en wel onder controle zullen krijgen.

Drosamadaris
17 mei 2017, 18:14
Ik denk dat die angst ook terecht is.
En nee, het is niet uit te leggen aan mensen die er geen ondervinding mee hebben.
Maar ook niet aan mensen die wel in thuis zijn, omdat ze er hun kost verdienen in verdienen.
Zij zien alles door een roze bril en doen de rest af als kleine probleempjes die ze wel zullen oplossen en wel onder controle zullen krijgen.

Dat zijn van die gelijkaardige redeneringen als diegene waarmee ze kernenergie verketteren. "Voor velen is het te complex om te begrijpen, dus het is slecht want iedereen die thuis in de materie, die liegt enkel en kijk door een te roze bril".

Dat zijn redeneringen die een mens linea recta terug naar het stenen tijdperk katapulteren.

Nr.10
17 mei 2017, 20:52
Maar ook niet aan mensen die er wel in thuis zijn, omdat ze er hun kost in verdienen. Zij zien alles door een roze bril en doen de rest af als kleine probleempjes die ze wel zullen oplossen en wel onder controle zullen krijgen.
Voor een man met een hamer gelijkt alles op een nagel.
Voor een man met een computer lijkt op wat gecijfer met z'n computer. :lol:

Nr.10
17 mei 2017, 20:55
Dat zijn van die gelijkaardige redeneringen als diegene waarmee ze kernenergie verketteren. "Voor velen is het te complex om te begrijpen, dus het is slecht want iedereen die thuis in de materie, die liegt enkel en kijk door een te roze bril".

Dat zijn redeneringen die een mens linea recta terug naar het stenen tijdperk katapulteren.
Van de andere kant. Diegenen die waarschuwende signalen uitsturen zijn toch mensen die behoorlijk hoog op de onderzoeksladder staan, mensen die niet te koop staan. Mensen die niet werken voor een of ander corrupt bedrijf. Een aantal MIT professoren, Hawking.

Drosamadaris
17 mei 2017, 22:04
Van de andere kant. Diegenen die waarschuwende signalen uitsturen zijn toch mensen die behoorlijk hoog op de onderzoeksladder staan, mensen die niet te koop staan. Mensen die niet werken voor een of ander corrupt bedrijf. Een aantal MIT professoren, Hawking.

Ik hoor echter geen één van die kerels stellen dat we er hier en nu mee moeten stoppen.

Micele
18 mei 2017, 11:42
Kan er niet direct opkomen het welke het was, maar laatst was er nog een ongeval veroorzaakt door AI van een vliegtuig op NG.
Ik geloof er niets van dat AI al in de luchtvaart aangewend wordt.

Zonder link zal dat dus niet waar zijn.

Dat foutieve of defecte meetinstrumenten tot vliegtuigongevallen kunnen leiden is heel wat anders.

In elk geval wordt AI gebruikt voor Attitude Indicator
https://en.wikipedia.org/wiki/Air_India_Flight_855#Sequence_of_events

The cockpit voice recorder recovered from the wreckage revealed the captain made a verbal comment about his Attitude indicator (AI) having "toppled", meaning that it was still showing the aircraft in a right bank. The first officer, whose presumably functional AI was now showing a left bank, said that his AI was also toppled, but there is some belief that the Captain mistakenly took this to mean that both primary AIs were indicating a right bank. It was after sunset and the aircraft was flying over a dark Arabian Sea, leaving the aircrew unable to visually cross-check their AI instrument readings with the actual horizon outside the cockpit windows.
The Boeing 747 had a third backup AI in the center instrument panel between the two pilots, and the transcripts of the cockpit conversation show that the flight engineer may have been attempting to direct the captain's attention to that third AI, or perhaps to another instrument called the turn and bank indicator, just five seconds before the aircraft impacted the sea.
The captain's mistaken perception of the aircraft's attitude resulted in his using the aircraft flight control system to add more left bank and left rudder, causing the Boeing 747 to rapidly lose altitude. Just 101 seconds after leaving the runway the jet hit the Arabian Sea at an estimated 35-degree nose-down angle. There were no survivors among the 190 passengers and 23 crew members.
https://en.wikipedia.org/wiki/Attitude_indicator

Het Verzet
18 mei 2017, 13:54
Ik geloof er niets van dat AI al in de luchtvaart aangewend wordt.

Autopilot?

Micele
18 mei 2017, 14:08
Autopilot?
Nee.

Simpel is gewoon wiki te nemen en daar eens te kijken waar AI of artificiële intelligentie gebruikt wordt, bvb luchtvaart algemeen:

https://en.wikipedia.org/wiki/Applications_of_artificial_intelligence

Aviation

This section needs additional citations for verification. Please help improve this article by adding citations to reliable sources. Unsourced material may be challenged and removed. (November 2016) (Learn how and when to remove this template message)

The Air Operations Division (AOD) uses AI for the rule based expert systems. The AOD has use for artificial intelligence for surrogate operators for combat and training simulators, mission management aids, support systems for tactical decision making, and post processing of the simulator data into symbolic summaries.[2]
The use of artificial intelligence in simulators is proving to be very useful for the AOD. Airplane simulators are using artificial intelligence in order to process the data taken from simulated flights. Other than simulated flying, there is also simulated aircraft warfare. The computers are able to come up with the best success scenarios in these situations. The computers can also create strategies based on the placement, size, speed and strength of the forces and counter forces. Pilots may be given assistance in the air during combat by computers. The artificial intelligent programs can sort the information and provide the pilot with the best possible maneuvers, not to mention getting rid of certain maneuvers that would be impossible for a human being to perform. Multiple aircraft are needed to get good approximations for some calculations so computer simulated pilots are used to gather data.[3] These computer simulated pilots are also used to train future air traffic controllers.
The system used by the AOD in order to measure performance was the Interactive Fault Diagnosis and Isolation System, or IFDIS. It is a rule based expert system put together by collecting information from TF-30 documents and the expert advice from mechanics that work on the TF-30. This system was designed to be used for the development of the TF-30 for the RAAF F-111C. The performance system was also used to replace specialized workers. The system allowed the regular workers to communicate with the system and avoid mistakes, miscalculations, or having to speak to one of the specialized workers.
The AOD also uses artificial intelligence in speech recognition software. The air traffic controllers are giving directions to the artificial pilots and the AOD wants to the pilots to respond to the ATC's with simple responses. The programs that incorporate the speech software must be trained, which means they use neural networks. The program used, the Verbex 7000, is still a very early program that has plenty of room for improvement. The improvements are imperative because ATCs use very specific dialog and the software needs to be able to communicate correctly and promptly every time.
The Artificial Intelligence supported Design of Aircraft,[4] or AIDA, is used to help designers in the process of creating conceptual designs of aircraft. This program allows the designers to focus more on the design itself and less on the design process. The software also allows the user to focus less on the software tools. The AIDA uses rule based systems to compute its data. This is a diagram of the arrangement of the AIDA modules. Although simple, the program is proving effective.
In 2003, NASA's Dryden Flight Research Center, and many other companies, created software that could enable a damaged aircraft to continue flight until a safe landing zone can be reached.[5] The software compensates for all the damaged components by relying on the undamaged components. The neural network used in the software proved to be effective and marked a triumph for artificial intelligence.
The Integrated Vehicle Health Management system, also used by NASA, on board an aircraft must process and interpret data taken from the various sensors on the aircraft. The system needs to be able to determine the structural integrity of the aircraft. The system also needs to implement protocols in case of any damage taken the vehicle.

Ik vind nergens iets dat AI gebruikt wordt bij passagiersvliegtuigen of in de burgerluchtvaart.

(Gevechts)trainingsimulators van de luchtmacht tot daar toe, maar ook die vliegen niet. ;-)

Nr.10
19 mei 2017, 01:26
Ik geloof er niets van dat AI al in de luchtvaart aangewend wordt.
Bij drones zeker. Militaire drones kunnen met de hulp van artificiële intelligentie menselijke piloten verslaan. Dergelijke drones hebben reactietijden 250 maal sneller dan het menselijk oog kan knipperen. En het werkt met een simpele desktop PC. BRON (https://www.forbes.com/sites/jvchamary/2016/06/28/ai-drone/#c5e800770811) 28 jun 2016

Het Verzet
19 mei 2017, 06:58
Bij drones zeker. Militaire drones kunnen met de hulp van artificiële intelligentie menselijke piloten verslaan. Dergelijke drones hebben reactietijden 250 maal sneller dan het menselijk oog kan knipperen. En het werkt met een simpele desktop PC. BRON (https://www.forbes.com/sites/jvchamary/2016/06/28/ai-drone/#c5e800770811) 28 jun 2016

Goh, zelfs een standaard autopiloot kan men volgens mij ook plaatsen onder AI.
Hij verwerkt data die binnenkomt via sensoren met een bepaald doel voor ogen. Dat hij niet via een neural network werkt, maar ik vermoed eerder door decision trees, laat dit toch niet buiten het studieveld AI vallen volgens mij. De eerdere schaakcomputers werkten ook via decision trees, en kan men toch ook onder AI rekenen (net zoals vb AI die in games wordt gebruikt). Trouwens, van een autopiloot kan men ook stellen dat deze in zijn doelgebied de Turing Test doorstaat.

Thomas-
19 mei 2017, 09:09
Beetje verwant aan luchtvaart, ik las vorig jaar dat men het gebruikt voor de laatste generatie kruisraketten.


After locating the enemy fleet, it dives to sea-skimming altitude to avoid close-in defenses. LRASM then sizes up the enemy fleet, locates its target, and calculates the desired "mean point of impact"—the exact spot the missile should aim for, taking into account the accuracy of the missile—to ensure the missile does not miss. In most instances that is the exact center of the ship, with the angle of the ship in relation to the missile taken into consideration.


What really makes LRASM stand out is that all of this is completely autonomous. Human beings tell the missile where the enemy fleet is, which ship to strike, and a provide it with a continuous stream of data—the missile takes care of everything else. Using artificial intelligence, the missile takes data and makes decisions all on its own. Using AI and datalinks, multiple LRASMs can launch a coordinated attack on an enemy fleet.


http://www.popularmechanics.com/military/weapons/a19624/the-navys-new-missile-sinks-ships-the-smart-way/

Micele
19 mei 2017, 16:05
Bij drones zeker. Militaire drones kunnen met de hulp van artificiële intelligentie menselijke piloten verslaan. Dergelijke drones hebben reactietijden 250 maal sneller dan het menselijk oog kan knipperen. En het werkt met een simpele desktop PC. BRON (https://www.forbes.com/sites/jvchamary/2016/06/28/ai-drone/#c5e800770811) 28 jun 2016
Het ging over burgerluchtvaart...

Toch thx voor de bron, maar dat dacht ik al.

Micele
19 mei 2017, 16:14
Goh, zelfs een standaard autopiloot kan men volgens mij ook plaatsen onder AI.
Hij verwerkt data die binnenkomt via sensoren met een bepaald doel voor ogen. Dat hij niet via een neural network werkt, maar ik vermoed eerder door decision trees, laat dit toch niet buiten het studieveld AI vallen volgens mij. De eerdere schaakcomputers werkten ook via decision trees, en kan men toch ook onder AI rekenen (net zoals vb AI die in games wordt gebruikt). Trouwens, van een autopiloot kan men ook stellen dat deze in zijn doelgebied de Turing Test doorstaat.
De processor is een simpele 30386, of 386DX ken je die nog?
Eigenlijk 5 processoren maar dat is enkel voor extra veiligheid...

https://de.wikipedia.org/wiki/Autopilot#Computersystem

https://upload.wikimedia.org/wikipedia/commons/thumb/0/04/KL_Intel_i386DX.jpg/300px-KL_Intel_i386DX.jpg
Produktion: 1985 bis 2007
Produzenten:
Intel
AMD
IBM
Prozessortakt: 12 MHz bis 40 MHz
L1-Cachegröße: 0 KiB
Fertigung: 1500 nm bis 1000 nm
Befehlssatz: x86

Die Hardware eines Autopiloten für ein typisches großes Flugzeug besteht aus fünf 80386-CPUs, dabei ist jede CPU auf einer eigenen Leiterplatte. Die 80386-CPU ist preisgünstig, hat ein ausgereiftes Design und ist durchgetestet. Auf dem 80386 kann ein echter virtueller Computer implementiert werden. Neuere Versionen sind sogar strahlenresistent und für die Verwendung in der Luftfahrt zusätzlich verstärkt. Es wird bewusst auf das sehr alte Design der 80386 zurückgegriffen, da es zuverlässig ist und sein Softwareverhalten ausführlich getestet und beschrieben ist.
Das Betriebssystem des Kunden stellt eine virtuelle Maschine für jeden Prozess zur Verfügung. Die Software des Autopiloten kontrolliert die Elektronik des Computers also immer über den Umweg und nie direkt, stattdessen steuert sie die Softwaresimulation, die auf der 80386-CPU abläuft.
Die meisten schwerwiegenden fehlerhaften Softwareoperationen führen zu einem Systemabsturz der jeweiligen CPU.
Meist läuft auf jeder CPU ein Prozess mit niedriger Priorität, der kontinuierlich den Computer testet. Prinzipiell läuft jeder Prozess im Autopiloten in identischer Form als Kopie an drei oder mehr Stellen in verschiedenen CPUs ab. Das System entscheidet dann, welche der Ergebnisse akzeptiert werden. Dabei wird der Mittelwert übernommen, wobei extrem abweichende Werte verworfen werden.
Bei einigen Autopiloten kommt als zusätzliches Sicherheitsmerkmal noch ein unterschiedliches Design (engl. design diversity) hinzu. Dabei werden kritische Softwareprozesse nicht nur auf verschiedenen Computern ausgeführt, sondern auf jedem Computer läuft Software, die von verschiedenen Entwicklungsteams erstellt wurde, da es nicht sehr wahrscheinlich ist, dass verschiedene Entwicklungsteams den gleichen Fehler machen. Wegen der Zunahme der Komplexität der Software und der steigenden Kosten für die Software rücken aber viele Entwicklungsfirmen von dieser Sicherheitsvorkehrung durch Diversität ab
Onder AI versta ik toch wat heel anders hoor dan het gemiddelde te nemen en extremen uit te sluiten....

Jantje
20 mei 2017, 15:52
De processor is een simpele 30386, of 386DX ken je die nog?
Eigenlijk 5 processoren maar dat is enkel voor extra veiligheid...


Onder AI versta ik toch wat heel anders hoor dan het gemiddelde te nemen en extremen uit te sluiten....

Een simpele 30386? Zo simpel is die niet hoor. Als je al die sturingen zou maken met relais, dan heb je een kleine kamer nodig.
En ja, in vliegtuigen zit AI. Zij hebben processors aanboord die berekenen of handelingen van piloten wel veilig en toegelaten zijn op de vlieghoogte. Zo kan de boordcomputer verhinderen dat een piloot de snelheid doet dalen onder een bepaalde grens tijdens de vlucht. Sommige boordcomputers zijn zover, dat ze zonder piloot een volledige vlucht kunnen uitvoeren. Enkel op de startknop duwen en ze zijn vertrokken. Ze berekenen zelf hoeveel vermogen en welke handeling nodig is om welk maneuver uit te voeren. Vaak zitten de piloten er enkel nog bij om de bestemming in te geven en in te grijpen als er een panne is.

Micele
20 mei 2017, 16:30
Een simpele 30386? Zo simpel is die niet hoor. Als je al die sturingen zou maken met relais, dan heb je een kleine kamer nodig.
En ja, in vliegtuigen zit AI. Zij hebben processors aanboord die berekenen of handelingen van piloten wel veilig en toegelaten zijn op de vlieghoogte. Zo kan de boordcomputer verhinderen dat een piloot de snelheid doet dalen onder een bepaalde grens tijdens de vlucht. Sommige boordcomputers zijn zover, dat ze zonder piloot een volledige vlucht kunnen uitvoeren. Enkel op de startknop duwen en ze zijn vertrokken. Ze berekenen zelf hoeveel vermogen en welke handeling nodig is om welk maneuver uit te voeren. Vaak zitten de piloten er enkel nog bij om de bestemming in te geven en in te grijpen als er een panne is.
Dat is geen AI zoals ik de huidige mogelijkheden van (sterke) AI begrepen heb. Hoogstens zwakke of primitieve AI.

Echte AI bij passagiersvliegtuigen is voorlopig toekomstmuziek.

ff ggl:
http://airfactsjournal.com/2016/10/artificial-intelligence-boom-means-aviation/

If some of this sounds familiar, that’s because aviation was an early adopter of AI. In fact, many pilots have been flying with very primitive forms of AI for years, even if they didn’t realize it: autopilots, FADEC, and load-shedding electrical systems all use computer power to make intelligent decisions. If you’ve read any of the academic discussions about autonomous cars, you’ll have noticed that many refer to early airplane autopilot studies as key sources.

Somewhat quietly, though, the boring autopilot is starting to grow up. It began with Garmin’s Electronic Stability and Protection system, a major advance in autopilot technology that has received surprisingly little attention. This passive safety system continuously monitors the airplane’s attitude and uses the autopilot servos (even when the autopilot is off) to nudge the airplane back to safety if the bank gets too steep.

Researchers at University College London are taking it a step further by applying real AI to an autopilot. Instead of just programming it to fly certain pre-planned profiles, the team is using machine learning to make a more resilient autopilot that can adapt to changing conditions. By watching a human fly and storing hundreds of hours of detailed data from real flights, it builds a library of scenarios. Whereas a traditional autopilot might give up when an engine fails or the turbulence gets really rough, this new design leans on its experience to keep flying. There’s a long way to go, but initial testing (on a Cirrus SR-22 no less) is very promising.
...

Aviation will get a big boost from the drone market when it comes to developing practical, airborne AI. After all, on a quadcopter that’s inspecting a pipeline there is no pilot to make decisions, so the AI is essential. Billions of dollars are being spent to develop drone technology that avoids terrain, obstacles, traffic, and weather, or self-diagnoses a mechanical problem and returns to base. Expect to see lots of interesting ideas taken for a test drive on drones before coming to your Cessna.

Can anything stop this thrilling race to the future? Certainly. If history is any guide, regulation will move far slower than technology. What’s possible and what’s certified are not the same, and we can expect the FAA to be cautious in approving bold new capabilities. Not all of that caution is unjustified, and the good news is that aviation is actually ahead of cars in many ways – we’ve been regulating and training on automation for decades.

Hopefully the FAA avoids a common trap here. As is so often the case when debating technology, the discussion quickly becomes binary: human intelligence vs artificial intelligence. Good vs. evil. This makes great headlines, but it’s a false choice.

Researchers at MIT use the phrase “extended intelligence” to signify how AI is used to augment human decision-making rather than replace it. That may sound like spin, but it’s actually a crucial distinction. Extended intelligence, just like a glass panel or a deice system, is simply a tool. When used appropriately by pilots, it can improve the safety, utility and fun of flying. That’s a realistic – and exciting – future.

Voorlopig enkel in drones (daar is het essentieel), want niet gehomologeerd voor burgerluchtvaart...

http://www.economist.com/news/science-and-technology/21707187-artificially-intelligent-autopilot-learns-example-flight-response

UCL is not the only institution interested in better autopilots. Andrew Anderson of Airbus, a big European maker of jets, says his firm is investigating neural networks, too. But such systems are unlikely to be flying passenger jets just yet. One of the downsides of having a computer train itself is that the result is a black box. Neural networks learn by modifying the strength of the connections between their simulated neurons. The exact strengths they end up with are not programmed by engineers, and it may not be clear to outside observers what function a specific neuron is serving. That means that ANNs cannot yet be validated by aviation authorities, says Peter Ladkin, a safety expert at Bielefeld University in Germany.

Instead, the new autopilot will probably find its first uses in drones. The system’s versatility has already impressed delegates at the 2016 International Conference on Unmanned Aircraft Systems in Virginia, where Mr Baomar presented a paper. The system’s ability to keep control in challenging weather might see it used in scientific investigations of things like hurricanes and tornadoes, says Dr Ladkin—some of the most challenging flying there is.

Jantje
20 mei 2017, 19:21
Dat is geen AI zoals ik de huidige mogelijkheden van (sterke) AI begrepen heb. Hoogstens zwakke of primitieve AI.

Echte AI bij passagiersvliegtuigen is voorlopig toekomstmuziek.

ff ggl:


Voorlopig enkel in drones (daar is het essentieel), want niet gehomologeerd voor burgerluchtvaart...

Echte AI is in het algemeen nog toekomstmuziek.
Of toch niet, in de scheepvaart is het verleden tijd. Heb zelf nog op koopvaardijschepen gevaren die zonder enige hulp de volledige vaarweg aflegde vanuit de sluis in Antwerpen België tot aan de kade in Nara Japan. Alle correctie van de afdrijvingen en uitwijkmaneuvers zelf berekende en uitvoerde.

Tavek
20 mei 2017, 21:17
Nu begrijp ik waarom Tesla zo gemakkelijk een autopilot kan maken. De concurrentie gebruikt nog 386's. CPU's waarmee ik doom 1 en wolfenstein 3D mee speelde in 1992.

Tesla legt Titan X'en in zijn wagens......

Nr.10
20 mei 2017, 22:35
http://www.economist.com/news/science-and-technology/21707187-artificially-intelligent-autopilot-learns-example-flight-response

UCL is not the only institution interested in better autopilots. Andrew Anderson of Airbus, a big European maker of jets, says his firm is investigating neural networks, too. But such systems are unlikely to be flying passenger jets just yet. One of the downsides of having a computer train itself is that the result is a black box. Neural networks learn by modifying the strength of the connections between their simulated neurons. The exact strengths they end up with are not programmed by engineers, and it may not be clear to outside observers what function a specific neuron is serving. That means that ANNs cannot yet be validated by aviation authorities, says Peter Ladkin, a safety expert at Bielefeld University in Germany.

Instead, the new autopilot will probably find its first uses in drones. The system’s versatility has already impressed delegates at the 2016 International Conference on Unmanned Aircraft Systems in Virginia, where Mr Baomar presented a paper. The system’s ability to keep control in challenging weather might see it used in scientific investigations of things like hurricanes and tornadoes, says Dr Ladkin—some of the most challenging flying there is.
Mooi geformuleerd:
Artificiële Neurale Netwerken (ANNs) leren door de sterkte van de connecties tussen hun gesimuleerde neuronen te modifiëren.
Maar hoe zou dat in de praktijk gebeuren, zou je je kunnen afvragen.

Uit dat artikel, UCL [= University College London, waar DeepMind tot stand kwam] gebruikt tien ANNs om tot een betere autopiloot te komen:
To train the autopilot, its ten ANNs observe humans using a flight simulator. As the plane is flown — taking off, cruising, landing and coping with severe weather and aircraft faults that can strike at any point — the networks teach themselves how each specific element of powered flight relates to all the others. When the system is given a simulated aircraft of its own, it will thus know how to alter the plane’s controls to keep it flying as straight and level as possible, come what may.
De ANNs zijn zelflerend, dwz ze leren uit zichzelf, automatisch, zonder menselijke supervisie. Dit sluit aan bij het concept dat in het engels 'deep learning' genoemd wordt.

Micele
21 mei 2017, 02:08
Nu begrijp ik waarom Tesla zo gemakkelijk een autopilot kan maken. De concurrentie gebruikt nog 386's. CPU's waarmee ik doom 1 en wolfenstein 3D mee speelde in 1992.

Tesla legt Titan X'en in zijn wagens......
De eerste computergestuurde autopiloten waren wslk met 8086 in gevechtsvliegtuigen... 1978 ofzo...
https://de.wikipedia.org/wiki/Autopilot#Moderne_Autopiloten

US Airforce waren zeer wslk de eerste. Wie weet met oudere 8088.
Vanaf fly by wire techniek eigenlijk mogelijk dat was nog eerder... eerst analoog gestuurd en dan digitaal in... 1972, met de processor van een maanvoertuig uit het Apolloprogram.
https://de.wikipedia.org/wiki/Fly-by-wire
In der Regel wird vorausgesetzt, dass die per Draht übermittelten Steuerbefehle von einem Flugcomputer (Autopilot) stammen. Hierdurch wird der Pilot zusätzlich unterstützt und von Routineaufgaben befreit.

Geschichte

Am 25. Mai 1972 startete die NASA mit einer modifizierten Vought F-8 „Crusader“ das erste Flugzeug mit digitalem Fly-by-Wire, das auf Basis des Bordrechners der Mondlandefähre des Apolloprogramms (Apollo Guidance Computer) arbeitete.[2]
8008... of ouder?

Micele
21 mei 2017, 02:46
Nu begrijp ik waarom Tesla zo gemakkelijk een autopilot kan maken. De concurrentie gebruikt nog 386's. CPU's waarmee ik doom 1 en wolfenstein 3D mee speelde in 1992.

Tesla legt Titan X'en in zijn wagens......

En meer dan ene per wagen, ik tel tot 4 GPU helemaal onderaan voor fully selfdriving...:
http://www.nvidia.com/object/drive-px.html
DRIVE PX 2 FOR FULLY AUTONOMOUS DRIVING
Multiple fully configured DRIVE PX 2 systems can be integrated in a single vehicle to enable autonomous driving.
- See more at: http://www.nvidia.com/object/drive-px.html#sthash.1Da43FJQ.dpuf

De eenvoudige PX2, wel met koeling:
https://electrek.co/2016/10/21/all-new-teslas-are-equipped-with-nvidias-new-drive-px-2-ai-platform-for-self-driving/
https://blogs.nvidia.com/blog/2016/10/20/tesla-motors-self-driving/

Micele
21 mei 2017, 16:23
Echte AI is in het algemeen nog toekomstmuziek.
Of toch niet, in de scheepvaart is het verleden tijd. Heb zelf nog op koopvaardijschepen gevaren die zonder enige hulp de volledige vaarweg aflegde vanuit de sluis in Antwerpen België tot aan de kade in Nara Japan. Alle correctie van de afdrijvingen en uitwijkmaneuvers zelf berekende en uitvoerde.
Ook dat is geen echte of sterke AI.

https://www.ocf.berkeley.edu/~arihuang/academic/research/strongai3.html

probeer nog eens...;-)

Nr.10
21 mei 2017, 22:33
Ook dat is geen echte of sterke AI.

https://www.ocf.berkeley.edu/~arihuang/academic/research/strongai3.html

probeer nog eens...;-)
Uit deze tekst:
The ideal Strong AI machine, however, would be built in the form of a man, have the same sensory perception as a human, and go through the same education and learning processes as a human child. (Copeland) Essentially, the machine would be "born" as a child and eventually develop to an adult in a way analogous to human development. This approach presents a solution to the problems of symbolic attempts to create human intelligence in computers. Instead of trying to give the computer adult-like knowledge from the outset, the computer would only have to be given the ability to interact with the environment and the ability to learn from those interactions. As time passed it would gain common sense and language on its own.
En een beetje verder:
However, it can be argued that the single largest stumbling block to Strong AI is the lack of definition of intelligence.

Nr.10
22 mei 2017, 00:55
However, it can be argued that the single largest stumbling block to Strong AI is the lack of definition of intelligence.
Sterke AI mist een definitie van wat is intelligentie nu juist.
DeepMind maakt er juist de kern van z'n bestaan van: "solve intelligence".
En als dat gebeurd is, al de rest oplossen.

Nr.10
22 mei 2017, 00:58
En als dat gebeurd is, al de rest oplossen.

Nr.10
12 juni 2017, 01:44
Google bouwt "custom hardware" voor machinaal leren.
De TPU of Tensor Processing Unit.
Elke zoekopdracht via de Google zoekrobot verloopt via TPUs.

Nr.10
26 juni 2017, 00:32
"Custom hardware" voor ML = Machinaal Leren (https://en.wikipedia.org/wiki/Outline_of_machine_learning#Machine_learning_hardw are):

de GPU = de Graphics processing unit
de TPU = de Tensor processing unit
de VPU = de Vision processing unit

Uit: Outline of machine learning (https://en.wikipedia.org/wiki/Outline_of_machine_learning)

GPUs werden populair gemaakt door Nvidia (vanaf 1999).

TPUs werden ontwikkeld door Google speciaal gericht op ML (bij Google intern in gebruik sedert 2015).

VPUs worden specifiek ingezet voor machinale visie. Vanaf 2016 een opkomende klasse microprocessor, waarin Movidius enige naam maakte, met als gevolg dat het ingelijfd werd door Intel.

Nr.10
28 juni 2017, 16:35
Om te lezen:
An Introduction to Algorithms (http://www.visualcapitalist.com/intro-to-algorithms/)
24 jun 2017

Nr.10
24 juli 2017, 00:11
Voor wie wat tijd heeft om eens online een cursus te volgen. Coursera biedt aan:
Machine Learning (https://www.coursera.org/learn/machine-learning)
Onderwezen door Andrew Ng.
Mede-oprichter van Coursera.
Een van de pioniers in 'deep learning'.
Een paar pioniers in 'deep learning':

Geoff Hinton (Geoffrey Hinton):
een in het VK geboren Canadees
[Google, Universiteit Toronto].
Andrew Ng (https://en.wikipedia.org/wiki/Andrew_Ng):
een Chinees geboren in het VK
[Baidu, Stanford Universiteit, mede-oprichter Coursera].
Yann LeCun (https://en.wikipedia.org/wiki/Yann_LeCun):
een Fransman geboren in Parijs
[New York University, Facebook].

Nr.10
10 maart 2018, 23:06
The Quest for the Master Algorithm | Pedro Domingos | TEDxUofW (https://www.youtube.com/watch?v=qIZ5PXLVZfo)
Gepubliceerd op 21 jun. 2016