Beginilah Teori Komputasi Hyperdimensional Tawarkan Solusi

Praktek pengemudi semi otonom nyata-nyatanya menyebabkan banyak soal. Mei 2016, seseorang pengemudi Tesla terbunuh disaat metode hasil pengemudi semo otonom tidak sukses menyaksikan trailer putih suatu semi—truk, serta kendaraan menabraknya dengan kecepatan tinggi. Hal sama berlangsung awal Mei 2019, di alami oleh Tesla versus autopilot.

Sesungguhnya apa yg berlangsung? Elon Musk, seseorang ilmuwan dari University of Maryland mengemukakan, pertimbangannya ruwet, namun dapat dengan ringan diterangkan. Lantaran Artificial Intelligence (AI) tidak mengerti seperti apa bentuk mobil, orang, trailer, atau hotdog. AI bisa dilatih buat mengetahui gambar hotdog dengan ketepatan 99, 9%, namun tidak akan tahu apa yg sesungguhnya tampak seperti.
Artikel Terkait : variabel penelitian adalah

Sesaat perkara di jalanan, disaat suatu mobil mengemudi sendiri, dia tak menyaksikan jalan, camera tak sangat mungkin AI buat menyaksikannya. Otak pc berbasiskan AI buat mobil tiada pengemudi mungkin saja orang di bilik isolasi dengerin uraian terkait apa yg berlangsung di berjalan-jalan di negara yg tidak sama, dikatakan oleh seorang yg menafsirkannya dengan tidak baik dari bahasa yg tak mereka pakai.

“Ini bukan metode yg maksimum, serta beberapa orang yg mendalami bagaimana evaluasi yg dalam kerja tak terperanjat orang kritis di kendaraan otonom, ” uja Elon, seperti dilansir thenextweb.


Sesaat, suatu team ilmuwan dari University of Maryland beberapa waktu terakhir ambil teori komputasi hyperdimensional yang bisa berikan cerita lama serta refleks robot. Ini dapat merusak kebuntuan yg terlihat kita menantang dengan kendaraan otonom serta robot dunia fakta yang lain, serta menuju pada mode AI yg lebih serupa manusia.

Anton Mitrokhin, mahasiswa PhD serta penulis di makalah analisa team, menyampaikan, sistem teori hyperdimensional ini bisa membuat daya ingat, yg bakal butuh kalkulasi yg makin lebih dikit, serta selayaknya bikin tugas-tugas begitu jauh tambah cepat serta lebih efektif. Penciptaan cerita lama merupakan suatu hal yg tak dipunyai AI sekarang, walaupun sebenarnya itu penting buat perkiraan pekerjaan di saat depan.

Seperti main tenis, seseorang pemain tak mengerjakan kalkulasi setiap waktu memukul bola yg baru-baru ini dilalui, mendengus, serta memukulnya. Kapabilitas buat menafsirkan persepsi ini berubah menjadi perbuatan tiada filter pada hakekatnya merupakan kapabilitas kita buat memiliki fungsi di dunia fakta.

Teori komputasi Hyperdimensional tawarkan kapabilitas untuk AI buat sungguh-sungguh menyaksikan dunia serta bikin kesimpulannya sendiri. Bukan hanya berusaha untuk memaksakan proses semuanya alam semesta dengan mengerjakan matematika buat tiap-tiap objek serta variabel yang bisa dimengerti, hypervektor dapat juga aktifkan persepsi aktif dalam robot.

Yiannis Aloimonos, penulis khusus pada makalah analisa pun menyampaikan, seseorang pengamat yg aktif tahu kenapa dia mau rasakan, lantas menentukan apa yg bakal dirasa, serta tentukan bagaimana, dimana serta kapan buat capai persepsi itu. Ini menentukan serta melakukan perbaikan pada adegan, kejadian dalam kurun waktu, serta episode. Lantas pengamat menyesuaikan prosedur, sensor, serta bagian yang lain buat lakukan tindakan menurut apa yg mau dilihatnya, serta menentukan sisi pandang yg terbaik buat tangkap apa yg dibutuhkannya.


“Kerangka kerja hyperdimensional kami bisa menanggulangi semasing maksud ini, ” ucapkan Yiannis Aloimonos.

Sesaat penciptaan serta implementasi metode operasi komputasi hyperdimensional buat robot masih punya sifat teoritis, banyak ide itu berikan jalan ke depan buat analisa yang bisa membuahkan paradigma buat AI mobil tiada pengemudi yg pecahkan soal pemecahan-kesepakatan generasi sekarang.
Baca Juga : metode penelitian kualitatif

Lebih jauh, implikasinya lebih dari sekadar robot. Maksud khusus banyak pengamat merupakan buat mengambil alih mode jaringan saraf iteratif - yg menghabiskan waktu buat melatih serta tak bisa persepsi aktif - dengan yg berbasiskan komputasi hyperdimensional yg tambah cepat serta lebih efektif. Ini dapat menuju pada sejenis bagaimana itu tak tumbuh itu pendekatan buat meningkatkan mode evaluasi mesin baru.