Chceš podpořit tento kanál? Staň se PATRONEM!

#190 AI#2 Seriál umělá inteligence: Deep Reinforcement Learning | Aitacek | Teslacek #Doma #SeMnou

Na webu teslacek.tv najdete také prémiový obsah, který je dostupný celé komunitě. Chcete se stát členem komunity? Informace jak na to naleznete v článku podpora tvorby.

AI#2 Seriál umělá inteligence: Deep Reinforcement Learning

Zdroje videa :
@Lex Fridman
@Neuralink

Obsah:

00:00 Úvod
00:35 Způsoby učení AI
06:35 Deep Learning potřebuje hodně dat
07:40 AI se učí ve virtuálním světě
08:29 Jak vidí Umělá inteligence
09:13 Jak vidí Člověk
10:54 Lidský mozek vs. Umělá inteligence
13:50 Pozitron: Neuron umělé inteligence
14:24 Jak funguje Neuronová síť
16:41 Jak vypadá Neuronová síť
19:08 Praktické ukázky učení AI Tesla Autopilot
25:57 Neuronová síť pro realitní makléře
28:10 Jaké jsou výzvy neuronových síťí

Automatický transcript

Minuta: 0
Ahoj všem Zdravím vás a jeď áček. Máme tu další pokračování našeho seriálu o umělé inteligenci, kde se pokouším vysvětlit, jak funguje umělá inteligence dneska i třeba se dostaneme k tomu, jak to bude směřovat do budoucna a je to seriál zaměřený pro laickou veřejnost. Takže doufám, že se mi podaří vám vysvětlit, jak to funguje i Run it lidem. Budeme si ukazovat to samozřejmě na ukázkách i z Tesly, protože ta právě jeden z jejich hlavních rozdílu je že je řízena umělou inteligenci a proto bych chtěl poprosit ty z vás, kteří jste neviděli ten předchozí díl určitě se nejdřív. Podívejte na ten předchozí díl je dostupný tady a teď už pojďme na to náš seriál jsme minule ukončili lidem, který hovořil o Bod zlomu umělé inteligence a to je kdy.
Minuta: 1
Informant Learning Pojďme se teď hlouběji podívat na to, jakým způsobem to funguje a tak dál, ale protože Learning vlastně v angličtině znamená učit se, tak se nejdřív podíváme na to, jakým způsobem se vůbec ta umělá inteligence učí, pokusil jsem se tady převzít zase z prezentací a přednášek s Friedman a zemité kde tady máme učitele a Žaka nebo studenta, tak jako jako první tady máme přístup, kterému se říká. Ve svojí suprová jestli line. To znamená, že to je takové učení s lidským dozorem, kde vlastně člověk je ten, kdo tu umělou inteligenci učí, já to právě v tom předchozím jsem to nazýval jakoby programování, abych to nějak pro vás jakoby odlehčil nebo zjednodušil, takže to je jakoby ten původní ten tradiční přístup by se dalo říct.
Minuta: 2
Pak tady máme takovou kombinaci, kde trošku pořád tam je role toho člověka, ale už se z toho učí ten počítač a dělá ten to učení sám ten počítač tvoje je takzvaný ten reinforcement Learning, což bylo vidět v tom minulém díle, jak jsme si ukazovali ty úspěchy ty umělé inteligenci, tak to byla vlastně ta první ta alphago a pak tady máme učení bez dozoru, kde vlastně na všechno už si přijde ten počítač sám, tak zvaný unsupervised Learning. To znamená jako učení se bez dozoru. A to je právě to co byl potom ten Zlom vlastně to jak se přešlo na tu Alfa s.r.o. Která byla schopná se naučit všechno sama. No a teď kdyby jsme si to dali do kontextu vlastně těch automobilek toho současného stavu, tak by to vypadalo nějak takhle.
Minuta: 3
Tady začínáte doufám už budete začínat vidět ten ten hlavní rozdíl, který je vlastně Tesla vůči všem ostatním, protože v podstatě všechny ostatní automobilky hodně závisí na tom tradičním přístupu na tom jakoby tomu programováním, kdežto Tesla jde tou cestou to provide linku a reinforcement Learning, což samozřejmě přináší svoje výhody, ale také výzvy. A proto taky ty z vás kdo třeba máte koncernový auta a zažili jste prostě jejich autopilota verzi jako jejich nějaké podpůrné systémy řízení tak Víte, že to třeba čte značky, že to třeba vás to varuje dokonce i zabrzdí ve chvíli kdy třeba vycouvat a má tam někdo vyjet. To je protože
Minuta: 4
asi Tohle je z Drtivé většiny založený na technologii společnosti z mobil i teda Mimochodem. Tesla vlastně s ní začínala Izraelská firma, kterou dneska koupil Intel a mají tam docela poměrně tvrdě zadrátovaný vlastně, co jsem a kdy stát jakoby je teda ten člověk. Kdo jako řek, co se má dít oproti tomu ta Tesla, tak tam vlastně nechá to rozhodování, což tu nejklíčovější věc nechává právě na té umělé inteligenci. Což je samozřejmě poměrně riziko. Ale zase na druhou stranu přináší to právě tu ten přínosy umělá inteligence, že ten člověk není ten kdo mu to má říkat, co to má dělat. Ale ono to má přijít samo a tady se právě začínáme dostávat do toho brutálního Rozdílu, protože například ježdění po dálnici. Kde jedete rovně mezi pruhama, tak tohle naprogramovat není žádná sranda, když to když
Minuta: 5
Ukážete ty umělé inteligenci a ona se z toho naučí a ona pochopí, jak to má vlastně dělat. Tak dneska už jsme v situaci, že ten autopilot už řídí líp, než lidi na té dálnici, že se drží úplně digitálně v prostředku pruhů a opravdu neskutečné super jede a dokonce i když třeba nemá úplně plné čáry, protože právě tam začíná přicházet na přetřes ta umělá inteligence oproti tomu takový ty situace jako třeba to vyparkování a tak dál, tak to zatím nemá ještě tak pochopení nemá dostatek datel a k tomu se dostaneme i tady a potom později oproti tomu ty tradiční automobilky. Právě tohle zase jako nemají dobře udělaný. Kdo jste si to vyzkoušeli? Víte, že když pojedete na toho jako auto, tak to jakoby naráží vlastně do těch do těch pruhů, že vy to zapněte a ono to vlastně jeden jakoby až to narazí
Minuta: 6
do té Tak to zase jede jako stranou je to nesrovnatelné zážitek těhle těch dvou systému zrovna tak Tesla autopilot má rozvinutý systém, který se jmenuje Navigate on autopilot a už je schopný dokonce i sjíždět a v Americe i najíždět na dálnici a a tak dál, takže opravdu ta Tesla je v tomhletom výrazně dál, než všichni ostatní právě tady v tomhle tom segmentu Nicméně Kde zase to Tesla dohání, tak je právě třeba to rozpoznávání semaforu značek a takovéhle věci. Nicméně právě s tím jak ona to má založený na těch datech, což je přesně vidět tady. Proč je vlastně ten důvod taky? Proč do toho šla, tak je to, že ten tradiční přístup a když vidíte. Tak ten má nějaký jakoby Cap. To znamená, že když vy mu dáváte data, tak Čím víc dát mu dáváte, tak on on jakoby roste, ale pak se kupuje pak vlastně se jako zastaví a můžete mu dávat kolik chcete dát a on už se nezlepšuje.
Minuta: 7
Oproti tomu ten se pro vás Deep Learning. Tak ten Vlastně čím víc dát do něj narve tím lepší. On je No a tady to je jeden z hlavních právě rozdíl, jestli jako na to má postavený a to je to, že asi psala. Ta flotile jí generuje obrovské množství dat, kterým právě krmí tu umělou inteligenci. Takže kdokoliv, kdo jezdíte, tak vlastně krmí tu umělou inteligenci a učí a sněží vietata. Tesla se učí z toho, jak vy jezdíte. To je jakoby jeden z hlavních Rozdílu a výhod týden, jak ona to dělá. No a když říkáme o tom učení, že ta umělá inteligence se učí důležitá věc. Jestli uvědomit, že tato ta umělá inteligence se vlastně učí ve virtuálním světě, viď? Jako z toho reálného tak vlastně pro ní, je to vlastně všechno virtuální, že jo, protože se to
Minuta: 8
všechno převádí do jedniček a nul, takže to že ta umělá inteligence a s nějakou vidí v tom virtuálním světě má svoje výhody, ale také nevýhody jo jedna s výhodou je že jo. Nad tím pádem se nemusí úplně fixovat na reálný čas, který máme my v tom reálném světě. Může si věci dělat daleko rychleji nevýhoda je, že potom zase jako nemá úplně všechny třeba informace z toho reálného světa nemusí mít na když se podíváme na to, jak vlastně ta umělá inteligence vidí. Tak ona vlastně jako vidí jedničky a nuly, že jo. Uvidíš napojit a ty kamery na tu umělou inteligenci a ono se to začne dostávat do toho počítače, tak to ve finále musíte předělat prostě na jedničky a nuly. Takže tady vidíte toho leguána, který je krásné zelenožlutý vybarvený prostě pro nás pro lidi jako hezký na pohled tak najednou. Vidíte tady nalevo ukázku, jak to vlastně vidí ta umělá inteligence a vidíte, že
Minuta: 9
to je jedničky a nuly v podstatě ho. Je to prostě nějaký strojový kód, tak si můžete říkat té tvé jako hnusný, že jo. To je takový jako metrik, jenomže. Ve finále, když se podíváme na sebe jako na lidi, tak tak tady vidíte, že mi sice ano vidím a nějaký krásný západ slunce třeba, ale ve finále to co vidíme, tak ty ty ty záření světelný, který nám dopadá na tu sítnici, tak je předělaný do elektrochemických si Impulsu, který se nám doputují do mozku Mimochodem teda do zadní části mozku, což je zajímavý, že přesně v tom Matrixu, že ho tam do televize píchala. Ta je hlavně, která způsobovala to, že se přesunete do toho mít x a tady tohle to je konkrétně neuralink I Want U který jsem byl takový odpal opalovací můstek treelon.
Minuta: 10
Musk si představil ten neuralink projekt, který je jeden z jeho dalších start-up, který se zabývá právě jako zkoumáním. Moskva na možností napojení napojení osy na umělou inteligenci ovládání mozku a tak dál, takže tady jako vidět, že to co vy vidíte ty tečky, tak oni se vám reprezentuji s tím vzadu v tom v tom mozku s nějakýma signálem a Takže ve finále vlastně jako nejsme až tak úplně jiný oproti těm počítačům. Akorát že mi to prostě jako ten Transit nebo ty data, co k nám putují, tak jsou prostě elektrochemický. Kdežto u počítače jsou jako jedničky a nuly se jenom snažím právě pro někoho, kdo není z IKEI, aby se jako přestal bát z té té vidiny. Jasně, že jako tady je nějaká umělá inteligence a že funguje na principu jedniček a nul. No a to se dostáváme k tomu, že jsi ty, jak jsme si řekli, že My vidíme
Minuta: 11
a vnímá to ten mozek. Tak tady se dostáváme právě k jedné stěžejní oblasti a to je vlastně lidský mozek a jeho. Snaha o zkopírování pro umělou inteligenci tady Opět jsme z toho neuralink eventu, kde je to ukázka, jak vlastně vypadá neuron, kde je ten se skládá z dendritu. Což vlastně vstupy do toho neuronu buněčného jádra, který přijímá informace a když jich má dost, tak potom vystřelí Impuls Axon do koncových vývodů, na tam jsou synapsi a propojení asi do dalšího do dalších neuronů a ten neuralink mimochodem je o tom, že oni přišli na to, že vlastně je možný tyhlety impulsy sbírat ty ty výstřely, ale dokonce i obráceně nahrávat snědl mozku. No a tady když se podíváme teda na to
Minuta: 12
srovnání vlastně toho lidského mozku, jak jsme si řekli, že tady jsou ty dendrity, což jsou v podstatě vstupy do toho do toho. Jádra toho neuronů, který potom ve chvíli kdy dostatek vlastně informací nebo dostatek vlastně Impulsu tam je, tak on vystřelí přes ten Axon do těch synapsí také velmi podobně. Asi nefunguje ten umělý neuron, kterým si říká perceptron a ten vlastně zase sbírá ty informace a vevnitř v té v té jako buňce. Jak pracuje a pak vyšle dál. Nějaký výsledek, tady je strašně důležité zdůraznit, že jak tady Lex fridman lidský mozek má zhruba 10 miliard víc synapsí, než současný neuronové sítě. Nicméně to není jenom jediný jako co odlišuje. Jo. Například ten ten mozek nebo ten lidsky neutrony neuron je
Minuta: 13
schopný vlastně mít i něco jako takovou malou paměť pak lidský mozek je schopný tvořit. Propojení a tak dál, takže jako ten lidský mozek pořád jako brutálně složitější. Systems mě než ty z umělé inteligence. Nicméně je tady pořád důležité si uvědomit to jak jsem říkal v tom prvním videu to vlastně tu šachovnici a rýži ten příběh to už jako nic garáží, že v IT se pohybujeme vlastně v exponenciály, což je daňovým zákonem, k čemu se dostane v příštím videu, ale já Zkrátka a dobře to, že to dneska není dostatečně funkční to vůbec neznamená, že to nebude prostě za rok nebo za 10 let, jak teda vypadá ten ten perceptron. Takže on jak jsme si řekli, že to vlastně celé funguje matematicky, tak on přijímá impulsy jasně matematicky nebo
Minuta: 14
ty ty data on si je nějakým způsobem zváží na tom vstupu. Pak si s tebou nějakou sumu jak udělá si na to. Názor a pak vlastně vyšle. Impuls dal do toho zpracování, takže takovýmhle způsobem zjednodušeně funguje. Asi mě ten ten umělý neuron v těch sítích. Jak funguje neuronová síť, která je složena z těhle těch neuronů, tak tady máme ukázku, kdy máme tady nalevo fotku nějaké paní a my s tím vezmem tuhle tu fotku Pixel po pixelu, to znamená jednotlivý bod po bodů, tak jak je, tak celou tu fotku, jak pošleme do té neuronové sítě, takže to potom vypadá nějak takhle. Takže nastupuji je vlastně tak vstupní vrstva. Ty neuronové sítě je ten obrázek jako takový, kde vlastně každý ten
Minuta: 15
Pixel reprezentuje jeden vstupní bod i neuronové sítě, takže vidíte, že tady je prostě třeba to modré triko, tady je prostě jí kup. Světlý tmavší No a pak jsou tady nějaké další jako podvrstvy, kterým se říká skryté vrstvy. Takže tady třeba ta První vrstva může jako se podívat na hrany, které jsou kolem toho a kolem toho jednotlivého bodu pak další třeba ta vrstva se může podívat na conturi, který jsou opět kolem toho budu a ta další vrstva už třeba v nějaké části objektu s krásně se to skládá ten jednotlivý obrázek. No a potom tady je právě Něco co mě opět jako fascinuje, teda přitom naučení se té umělé inteligence, že se stane a tomu říkám kouzlo, protože je neuvěřitelný, že se mi věci, který tohle vymysleli, tak vlastně
Minuta: 16
nevědí, jak přesně to v té nehoda. No jestli ti funguje. Tohle je jenom ukázka, jak jsi jako věci představují, že to asi Funguje, ale neví přesně jak to funguje, což mi přijde fascinující. Takže oni oste. Provedl jsem nějaké takovéhle kouzlo a to je schopný potom dám výstup, že vlastně ta neuronová síť vám řekne, jestli tady na tom obrázku je auto nebo je tam člověk nebo je tam zvíře například podle toho, na co je ta neuronová síť natrénoval, takže taky ne způsobem zhruba. Ta neuronová síť funguje. No a teď jak vlastně teda vypadá to neuronová síť a už jsme si ukázali, že máme nějakou vstupní vrstvu nějaký skrytý vrstvy a nějakou výstupní vrstvu. No a teď když já chci chci s tím hrát a chci jako neuronovou síť nějakým způsobem jako zlepšovat k tomu výsledku, který ho Chce dosáhnout, tak
Minuta: 17
dělám tak zvanou jako parametrizaci a kde můžu si jako ladit to jak má být vlastně jakoby Hluboká. A široká a Jo, můžu si můžu si prostě měnit ty podmínky té té neuronové sítě. No a tady se dostáváme k dalšímu napojení na testu, protože já ve chvíli kdy tu neuronovou síť nějak takhle předělám. Tak v podstatě dojde jakoby k resetu mozku a on vlastně jako zapomene cokoli, co se naučil do té doby. No a tady se dostáváme do situace, že doufám jako se mi podaří vám vysvětlit. Kdo máte Tesly? Proč se občas stane, že vám přijde abdejt a teď vy najednou si řeknete Proboha co to jako v té Tesle hulí, že udělali nový update, který horší než ten předchozí a ono to vychází z toho, že právě oni v nějakým způsobem předělali nějakou část třeba nebo celou neuronovou síť a to auto vlastně
Minuta: 18
se musí něco učit znova a nebo něco i zapomněl, takže teď si ukážeme reálné ukázky, které se mi podařilo v Nahrát aby jsem vás se vám to pokusil ukázat na reálném příklady. Takže první Ten příklad je, že já tady mám sjezd za berounem exit 22. Sjíždím ke mně domů, takže to je sjezd, který prostě to auto vidělo tisíckrát, protože prostě tam jezdím, že ho nejčastěji vůbec a Takže logicky je to něco co se jako Nejlíp je schopný to auto naučit a já jsem se v jednu chvíli dostal do situace, že to auto Už bylo schopný na ten Navigate on autopilot nejenom 5T dálnice, ale dokonce udělat celý ten oblouk, až vlastně na tu vedlejší silnici tam dokonce dát přednost v jízdě počkat vlastně a pak nechat na mě až já, když jsem zmáčkl plyn, tak
Minuta: 19
ono dokončilo dokončilo. Ten nájezd na tu vedlejší silnici jako naprostý úlet, takže se na to v kompot. že blížíme se ke sjezdu nohy dole a moc se jenom povinně držet Tady bude nás pět. a teď Test verze 10 filtru, jak to bude vypadat? Tady by měl sám dát blinkr. Sám odbočit začít zpomalovat a vybrat tu zatáčku, tak uvidíme, jak to poběží. Už se blížíme ke sjezdu. Ano dává blinkr a sám zatáčí moc nezpomaluje teda jo. Hele zpomaluje dobrý teda docela Ostře zpomaluje a tak konec.
Minuta: 20
Jediná věc, co je to zvláštní, že tady znova hodí blinkr dálnice znova bliká. Chcípnul Navigate on autopilot a teď jsem zvědavý dojede nic nejede. nic nečeká Já když přidám. tak sama dodělá zatáčku, ale tady to teda moc nedává, že tě úplně ale ne to lásko
Minuta: 21
nabídka Zastaví. Nicméně, když zmáčknu plyn tak samo? No a nicméně po nějaké době přišly audity. A to auto to zapomněl a už se to nenaučil do téhle té doby pořád to Tesla neumí, takže Podíváme se na ten rozdíl. To
Minuta: 22
bylo stejné teď schválně, kterému je jenom tak pořád to chce jet doprava a tady musím zastavit sám. No takže to evidentně udělali nějaký nastavení křižovatek měnili a vlastně ta Tesla se to chvíli jako naučila, ale pak zase to předělali. A teď to zrovna aktuálně tak jako. Reálná verze neumí další ukázka a ta je právě o tom, že občas se stane, že ona to zapomene, ale pak vlastně tím jak jezdit, jak se to zase jako do očí, takže to bude ukázka spíš tohle případu. To znamená že Tesla už velmi dobře pochopila rozdíl mezi vlastně bílými čarami, které
Minuta: 23
jsou ty Hlavní u nás na silnicích a žlutými čarami, které jsou ty doplňkové ve chvíli, kdy se něco děje, kde je nějaká oprava na silnici a podobně, takže dokáže třeba na dálnici už vás navigovat v podstatě smrtí většině příkladů dokázala vlastně navigovat přes silnici, která má jako na sobě víc čas, protože jako pochopí, které jsou ty. Teď je aktuální ty žlutého. Tady se třeba dostáváme právě k tomu, že tohle třeba ty tradiční automobilky absolutně nedávají, protože tady to je přesně co musíte udělat inteligence pochopit. A co je hrozně těžké naprogramovat. Nicméně tady vlastně došlo k příkladu. Kdy vyšel update a to auto to vlastně jako zapomnělo a nebyl jsem schopen to zapnout, než se to znova naučit. Pojďme se na to podívat. Toto
Minuta: 24
zlepšení je neuvěřitelný. No tak teď to vypadá, že proběhnu o 10 neuronové sítě, protože něco co to jako dřív docela uměla už v pohodě, tak teď tady problikává a není možné vlastně zapnout autopilota na téhle té silnici, kde tady je viditelná žlutá čára, ale je přes nás tady ta bílá a ten autopilot. Jak vidíte, tak neobjevuje se volant. To znamená, že není schopen se zapnout, protože neví, která je ta správná čára dneska ráno vlastně se udělal reset dneska
Minuta: 25
ráno se udělal nový update a vypadá to, že se vyresetovat neuronová síť. Co zase zapomněl, protože tohle rozhodně uměl, ale tady jak bude se to vypíná, no, takže A to by byly jako reálné ukázky z jízdy s Teslou, kde jsem se vám snažil jako ukázat, jakým způsobem vlastně funguje. Ta ta umělá inteligence takhle jak se to vlastně učí já. A co se může stát a proto třeba jen důležité znova, jak jsem vysvětloval vlastně v tom jak fungují update a co kdo jste nevěděl, jak se můžete podívat tady zase, že kdo, kdo prostě nechcete zažívat nějaké takovéhle jako velké překvapení, tak si zvolte tu verzi standard ty aktualizace Anetu invent. No a teď se teda podívám a dal jsem v těch neuronových sítích na zase nějaké jiné použití
Minuta: 26
než proto autonomní řízení, protože já tyhle ty videa dělám jako obecně jenom prostě ta Tesla je tam zajímavá. A je to spojené s tím druhým kanálem jakoby nebo druhým tématem teslacek, takže proto to sem dávám, ale nicméně jako chci, aby ta vlastně ten seriál o ty umělé inteligenci byl jako obecně o umělé inteligenci, takže Pojďme silikon ukázat něco, co vlastně je pro realitní kanceláře umělá inteligence, takže já tady na vstupu do té neuronové sítě mám například jako počet ložnic. To znamená ten byt nebo to je ta nemovitost. Kolik má vlastně ložnic, takže tam je jedna dva tři a podobně, pak tady vkládám vlastně plochu metrů čtverečních, kterou ta nemovitost má a pak vlastně nějaký it sousedství. Co znamená ta je v podstatě poloha na mapě zjednodušeně řečeno jste v centru nebo jste u letiště? No a tady proběhne vlastně to kouzlo v té neuronové
Minuta: 27
sítě a vyplivne to odhad ceny té nemovitosti a v podstatě potom jste schopný místo softwaru, dostat se na nějakou takovouhle mapu, kde ona vám ukáže velmi zase logickou věc, ale právě jako jako že všichni víme, že v centru určitě budou nejdražší byt. A u letiště nikdo nebude chtít, ale ale tady jde o to, že ona vám nakreslí Jasně jako tu mapu podrobněji s těmi oblastmi, kde se to mění a tak dál, takže tady vidíte, že o červeně centrum Bostonu naopak vlastně tady vpravo na tom obrázku je vidět letiště Bostonské a je vidět jak kolem toho letiště, je to celé modrý, protože tam jsou zde, kdo by tam chtěl bydlet, že jo, takže to je jako ukázka toho k čemu se taky dá použít a umělá inteligence. Nicméně teď zase když se vrátím, jak těm autům. Myslíte si, že tahle ta neuronová síť? Která slouží k tomu, aby vlastně nám
Minuta: 28
řekla cenu nemovitosti nebo odhadla cenu nemovitosti by uměla řídit vaše auto neuměla a tady jsme právě u jedné z největších výzev vlastně současnosti těch neuronových sítí a to je to, že oproti lidském mozku, který je. Neuvěřitelně efektivní, protože lidský mozek pracuje s nějakým asi zhruba 20 let oproti tomu v neuronové sítě můžou spotřebovat jako kilowatty energie životy počítače, který to řídí, tak jednak vlastně tam máme obrovskou výhodou jako lidi a jsi v té efektivitě neuvěřitelný a jednak je to ta neuvěřitelná variabilita, protože lidský mozek je schopný dělat, všechno je schopný, prostě vám napsat salátu podřídit se automobilové závody postavit barák vykopat díru a spravit trubky vodovodního
Minuta: 29
vedení a namalovat stěnu prostě jen neskutečně variabilní ten ten mozek a Dokáže se učit, což je právě jedna z věcí, kterou ale dokáže se jako učit ty věci se naučit jo, ty ty ty měla inteligence. Dokáže se učit, jak jsme si ukazovali. Snažím se to vám to tady vysvětlit, ale ona se dokáže naučit jako jednu specifickou věc, ale nemá tu tu verzi tu Takže vy vlastně máte třeba neuronovou síť krájet neschopná rozpoznávat vlastně řeč text-to-speech obráceně, spíš to text. To znamená jako mluvit a ono to prostě napíše vlastně textil. Google to třeba. To samé vlastně písmo dokáže vlastně vaše psané písmo dokáže rozpoznávat a obráceně jako třeba vygenerovat i psané písmo a tak dál dokáže vlastně najít v obrazu něco, jak to tady ukazovali,
Minuta: 30
že dokáže vlastně najít třeba z fotky, jestli je to člověk test nebo nebo prostě auto a podobně. Nicméně ono v podstatě, když se podíváme na lidský mozek, tak to není zas až tak i opět jiný jo, protože mi sice máme jeden lidský mozek, ale ten lidský. Má jako nějaké oblasti, které se zabývají různými věcmi, jako jsme si řekli tady vzadu, že jo? Třeba to vidění. Pak je tam jako sluch manipulace s věcmi a tak dál, takže já to samozřejmě věci ještě nemají všechno prozkoumaných, ale každý, ale už se tohle to začíná vlastně objevovat, že začínají se zjišťovat, které části mozku zodpovídají za co. A zajímavé je, že vlastně ten ten mozek se jako ze začátku dítě, tak jako mega flexibilní a vlastně všechny ty cesty se utvářejí a Ale potom jak stárnete tak vlastně tuhletu schopnosti ztrácíte. A proto taky potom do budoucna, že je těžší se cokoli naučit jazyky a podobně. Nicméně na začátku
Minuta: 31
je to mega flexibilní naprogramování, což je přesně to, kde nejsme v současné době z těch umělých sítích a tady se dostáváme takový jako provokativní otázce je řízení auta, jakože jedna věc. Nebo je to vlastně jako více schopností. Jo a tady je to přesně něco, na co se budu snažit, jako vám takhle odpovědět nebo dávat otázky v průběhu t-serie, abyste jako pochopili, v čem jsou ty výzvy toho současné současné umělé inteligenci v tom řízení. Protože samozřejmě asi chápeme všichni, že to řízení není jenom jako jedna věc, že je tam do toho zapojená Fyzika je tam do toho zapojená vlastně psychologie, protože když Vám někdo vycouvala, tak jako vy vlastně vám dojde, že on vycouvala, že teda vás nemusí vidět, takže mu dá. Takže tohle je něco, co je právě na tom řízení to složité. A proč vlastně to trvá tak strašnou dobu, i když jako ty ostatní umělé inteligence
Minuta: 32
už máme a funguje docela dobře. Ty specifický, tak to řízení nám pořád ještě úplně nejde. No, takže to jsme se dostali jsme na závěr toho dnešního videa, které se zabývalo teda. Ty jakoby vůbec jak ta umělá inteligence funguje, jak to vypadá tak dál a v dalším videu by jsme si ukázali, jak ta umělá inteligence trénuje na počítačových hrách víc do hloubky. Jaký hardware se k tomu používá a tak dál. Takže doufám, že se vám video líbilo. Pokud jo, tak určitě budu rád, když dáte palec nahoru a pokud se vám líbí celá ta série a Určitě bych doporučil rozebírat, aby vám nic neuniklo. Jinak doufám, že se mi podařilo se vám to vysvětlit nějakou srozumitelnou podobou i pro na it lidi, takže pište prosím do komentářů. Jak se vám to líbí, jestli tomu rozumíte nebo případně Co byste chtěli dovysvětlit nebo jakoby v těch dalších dílech
Minuta: 33
třeba čemu se věnovat víc. Díky moc za pozornost. Jsem rád, že jsme se zase viděli a uvidíme se v dalším nějakém videu. Tak ať vám to proudí.

Předchozí video

CzechCloud: Fattyho zná víc lidí než Agraela, streamer na Twitchi pracuje 250 hodin měsíčně

Další video

#191 Sandy Munro Cybertruck E3 | Teslacek