Kahe orkaan ja Kristjan Port. Tere. Kristjan portaale tehnoloogia kommentaari esitab Kristjan Port. Kui keegi nimetab modernset aega arvutiajastuks, tundub. Ta on ajast natukene maha jäänud. Arvutite paljusus on tõsiasi, aga neid tõsteti epohhi täiendavalt esile 10 ja enama aasta eest. Hiljem on räägitud infoajastust, pidades silmas interneti abil igaühe elu täitva infohulga hüppelist kasvu. Ometi isegi internetti sidumine kuidagimoodi modernsusega tundub natukene kuluna. Kohasemaks trendisõnaks oleks tehisintellekti ja masinõpe. Räägitakse, et masinad. Pivot Senivaid inimesele omaseks peetud moel tundma kõike, mida neile näidatakse misjärel pakuvad end inimese lappi tegema mõnd tema tegevust, kuni saavutavad temast tema kompetentsi. Siis polevat enam arukas inimesi palgata. Antud loos kirjeldatud arenguvisiooni tõendiks tuuakse mõned kitsa fookusega näiteid, milles masinana omandanud inimesega võrreldavaid oskuseid näiteks mõne haiguse diagnoosimisel loetava teksti koostamisel, kõne tuvastamisel, lauamängudes ja nii edasi. Edulugude järel saabub tavaliselt taga kriitilisemate sõnumite laine. Muuhulgas räägitakse masinate tehtud lopsikutest aga ka ohtlikest vigadest. Räägitakse, et tegelikult ei jõua masinad niipea muinasjuttudes kirjeldatud tasemele kui üleüldse. Vähemalt täna veel ületamatuks peetav takistus koosneb mitmest osast. Mõni neist on tehnilisemat laadi kuid üldiselt paistab, et seda tüüpi väljakutsetega saadakse aja jooksul hakkama. Suuremaks väljakutseks. Duaalsemalt tüüpi probleemid nagu vead tegelikult kajastavatest mudelites, kuna me isegi mõista reaalsuse olemust piisaval tasemel masin võiks oma väsimatu tähelepanelikkusega siin meid aidata. Aga hetkel sunnime neid lihtsalt valesti õppima. Veelgi suuremaks väljakutseks võib pidada ka andmete kvaliteeti. Tähendab tegeliku maailma kirjeldavate andmete sobivust ja piisavust, mille põhjal arenevad Masina arusaamine jutumärkides siis ja mudelite täpsus. Levinud näidetena tuuakse avalikkusele pakutavaid tehisintellektipõhiseid teenuseid, mis nõndanimetatud päriselus osutusid kasutajaid solvabateks pidades näiteks tumeda nahavärviga indiviide mõneks loomaks või siis valades inimesest vestluspartnerile poliitiliselt radikaalse. Inimlikult ropu sõimuga juhtumite põhjuseks olid ühekülgsuse kalduvalt valge nahavärviga indiviidist koosnevad pildipangad või siis vestlusroboti varasemad ja ebaviisakad suhtluspartnerid. Aga kui palju ja milliseid andmekogud oleksid siis piisavad? Tavalisema mõtlemisega loogiliselt oletades pakuks, et neid peaks olema võimalikult palju. Ja need peaksid kajastama huvi all olevat nähtust võimalikult mitmekülgselt. Teadlased on küsimusele vastanud tõenduspõhiselt jõudes põhimõtteliselt sama. Järelduseni üldistamis ehk masina poolt tegelikult kirjeldava otsuse ja reaalsuse vaheline viga väheneb koos andmemahu kasvuga vastavalt astme seadusele. Joonisena meenutab see järsust kelgumäest laskumist. Ainult kelgulangust kirjeldatakse mõne sentimeetriga meetri kohta, kui. Kui te puhul peaks muutuse määr olema suurusjärkudes 10 100000 ja enamakordselt. Seega ei õpiks isejuhtiv auto ohutumalt sõitma, kui seda Tehakse veel üks aasta iga päev linnas Tirutades. Oodatav kasu oleks kaduvväike ja räägiksime kümnetest aastatest. Masina õppimisel oleks kasu siis, kui õppematerjali lisanduks infot tuhandetel sõidukitel väga erinevates olukordades. Ja seda on väga raske lühikese ajaga saavutada. Isejuhtivate sõidukite teemalisest uudisvoost võibki leida. Kasvavat pessimismi, suuremat kõlapinda saavad uudised õnnetustest, milles üheks põhjuseks on näiteks vales kohas teed ületavad inimesed sest autol on õpetatud õigeid liiklusreegleid. Ja nad teevad treeningsõitu paremini reguleeritud liikluskeskkondades kuni siis satuvad kokku tulnukaga ehk inimesega, kes käitub arusaamatult. Ja selle kasvava pessimismi taustal, kui siis robotautode temaatikale pühendunud ajakirjanik klient, iidi. Laupäevast igavust peletama säutsu kaudu Ilon maskilt, et millal siis on täieliku funktsionaalsusega isejuhtivat robotautot oodata. 11 minutit hiljem saabunud säuts teatas lühidalt peagi mille pealeuurist frant lubaduse sisu lähemalt ja sellest võib peaaegu. Et uskuda, et elan maske, ei ajagi udujuttu. Nimelt on Tesla all. Igapäevaselt kasutada vähemalt tunnikese liikluses tiirul tavaseitsmesaja 50000 elektriauto kaheksa kaameraga ümbrust ja liiklusolukordi ning juhi otsuseid kirjeldavad andmed. Iga kuu lisandub õpetava materjali kogumis umbes 170 miljonit tundi. Sõidualgoritme treenivad materjali kõikjalt maailmast. Võrreldes konkurentidega on seda üle 1000 korra rohkem. Tänaste teadmiste põhjal tähendaks aga umbes 10 korda võimekamad masinad. Pinast võimalik, et autokultuur ongi nüüd oodatust kiiremini otsimas uut ajastut tähistavat märksõna sest masinõpe võib jõuda küpsuseksamile teistest valdkondadest. Parem. Kuula varasemaid portaale R2 tunkt L2 spurdi.