Naukowcy z MIT i firmy Motional opracowali metodę CW-Net, która tłumaczy decyzje modeli głębokiego uczenia sterujących autonomicznymi pojazdami na zrozumiałe dla człowieka pojęcia. Dzięki temu kierowcy i pasażerowie mogą lepiej przewidywać błędy samochodu i reagować, zanim dojdzie do kolizji.
Naukowcy z MIT i firmy Motional stworzyli coś w rodzaju tłumacza między sztuczną inteligencją a ludzką intuicją. Ich metoda CW-Net zamienia nieprzeniknione decyzje algorytmów sterujących autonomicznymi pojazdami na pojęcia, które kierowca lub pasażer może po prostu zrozumieć, a co ważniejsze, zareagować na czas, zanim dojdzie do kolizji. To jak ostrzeżenie "czarny lód za zakrętem" zamiast bezdusznego komunikatu o błędzie systemu.
Brzmi jak przełom, ale pojawia się pytanie, które warto zadać głośno: jeśli auto nadal popełnia błędy, a my tylko lepiej je przewidujemy, to czy naprawdę posuwamy się do przodu, czy tylko uczymy się żyć z wadliwą technologią?
To streszczenie zostało przygotowane przy pomocy narzędzi AI na podstawie źródła. Pełną treść znajdziesz w oryginalnym artykule.</p
Co o tym myślisz?
Zaloguj się, aby dołączyć do dyskusji.
Zaloguj się do dzis.ai
Komentuj, zachowaj swoją passę, dołącz do dyskusji.
G Kontynuuj z Google