Portada
mis comunidades
otras secciones
#7:
#2 Creo que no viste el vídeo. De hecho lo más revolucionario indicado en el mismo trata precisamente el problema del que hablas:
Google Deepmind tuvo una ocurrencia genial: entrenar a los robots simulados para que se adaptaran a unas variables físicas y ambientales variables de forma aleatoria. Eso hizo que los robots fueran capaces de adaptarse muy rápidamente al entorno real, pues todas las desviaciones inesperadas del modelo real eran ya "esperadas"
Grandiosa solución que va a permitir incorporar los avances en simulación, muy potenciados por la misma tecnología que está detrás de chatgpt, al mundo real.
Si hace un año me dices que un Terminator está a un siglo de distancia te hubiera dado la razón. Ahora ya no.
Google Deepmind tuvo una ocurrencia genial: entrenar a los robots simulados para que se adaptaran a unas variables físicas y ambientales variables de forma aleatoria. Eso hizo que los robots fueran capaces de adaptarse muy rápidamente al entorno real, pues todas las desviaciones inesperadas del modelo real eran ya "esperadas"
Grandiosa solución que va a permitir incorporar los avances en simulación, muy potenciados por la misma tecnología que está detrás de chatgpt, al mundo real.
Si hace un año me dices que un Terminator está a un siglo de distancia te hubiera dado la razón. Ahora ya no.
Comentarios
El gran problema por resolver es la autonomía... No tenemos celdas de combustible de tamaño contenido para mover durante horas estos kilos.
Respecto al aprendizaje... Recordemos que los humanos tardamos un año en andar y dos mas en tener psicomotricidad fina...
Los robots solo necesitan que uno dedique el tiempo a aprender... Los demás cargan ese aprendizaje inmediatamente... Literalmente para ellos es como Matrix... Cargan instantáneamente el conocimiento.
Uno puede estar aprendiendo a bailar, el otro a jugar al baloncesto y el otro al ping pong... Cuando acabe todos sabrán de todo.
Y la progresión que llevan es geométrica... Solo falta la parte energética.
#6 A nivel doméstico tal vez quedaría feo pero a nivel industrial se les puede poner un cable de alimentación que venga del techo y ya está solucionado el tema de la autonomía
#6 Uno puede estar aprendiendo a bailar, el otro a jugar al baloncesto y el otro al ping pong... Cuando acabe todos sabrán de todo.
No tengo nada claro que eso sea así. Uno puede aprender a bailar y luego a jugar al baloncesto y luego al ping pong y cuando ese acabe todos sabrán hacerlo también. Pero eso de hacer entrenamientos individuales y luego mezclar las redes neuronales generadas no tengo nada claro que dé el resultado de que todos sepan hacerlo. Ten en cuenta que en cada aprendizaje todas las neuronas pueden verse alteradas por ello, no hay una parte de la red neuronal que se modifique con el baile y otra con el ping pong, todas se pueden ver afectadas. Luego mezclar ese resultado no sé yo si funcionaría.
Creo que en el mejor de los casos todos acabarían sabiendo medio bailar, medio jugar al baloncesto, medio jugar al ping pong ...
#19 no soy ningún experto. Pero medio jugar al pingpong, medio bailar y medio xyz ya está por encima de las habilidades del 99% de los humanos.
Pero aunque aún no esté disponible la posibilidad de agregar conocimiento,
Estamos hablando de algo que permite hacer millones de repeticiones en minutos... si la tecnologia está en pañales y ya nos sorprende... Démosle 5 años... Los avances son exponenciales...
#16 Y tú quien eres? Qué quieres? También te has perdido?
#18 Que creo que la noticia no está en el sub adecuado. Sólo era eso.
Ciencia Tecnología
#5 ¿Perdón?
#12 Que la ciencia y la tecnología no es lo mismo.
#13 ¿En serio? ¿No me digas?
Que la ciencia y la tecnología no son* lo mismo.
#14 Dónde te has perdido? En qué te puedo ser de utilidad?
#15 ilústreme
#15 Sinceramente, no sé dónde quieres ir a parar. La ciencia es una cosa, y la tecnología es otra cosa. Es bastante obvio que dos cosas diferentes son dos cosas diferentes.
Los ficharán el PSG y el City
#8 nosotros si, la IA ya si esooo
El gran problema es que la red neuronal debe ser capaz de manejar el tsunami de entradas que ingresa por los sensores del robot (tacto, giroscopio, video, sonidos, presión, etc..).
Es falso que tenemos solo cinco sentidos, un timo de la escuela, nosotros como humanos manejamos muchos más sentidos y toda esa información es procesada por nuestro cerebro y además debe desplazarse, jugar, vencer y no dejarse derrotar. Muchísimo.
Las redes neuronales aprenden a puro ensayo y error, una operación que hacen millones de veces dentro del procesador, pero con un robot, la cosa cambia muchísimo porque solo puede hacer un puñado de intentos o ni siquiera eso porque el robot cae y debe esperar a que lo levanten. La otra técnica sería simular perfectamente la física en un entorno virtual para poder hacer los millones de intentos, aprender y luego llevarlo al mundo real, sin embargo, eso requeriría imitar perfectamente el mundo físico en el virtual (un súper Havok) y cada intento requiere millones de operaciones para simular la física. Luego se necesita mucha CPU para esa tarea titánica.
En conclusión, robots tipo Terminator están a siglos de poder llevarse a cabo.
#2 siglos parece mucho.
#3 lo extremo complicado de un Terminator es que sea igual en apariencia a un ser humano, en la película lo muestran que es tejido vivo pero para ello requeriría alimentar ese tejido vivo que es piel, músculos, lengua, ojos, además tendría que conectar todas las células que generan el sentido del tacto, presión, calor, frío a su CPU... Buena suerte.
Es más factible encontrar un material sintético que se parezca a la piel, mejorar mucho la durabilidad, la resistencia y el desgaste mecánico.
Han pasado siglos desde los garfios de los piratas hasta las prótesis actuales y no impresiona el resultado actual, muy lejos de ser un reemplazo al miembro perdido.
#4 En ese sentido puede que aún tardemos el siglo que comentas ...
#2 Creo que no viste el vídeo. De hecho lo más revolucionario indicado en el mismo trata precisamente el problema del que hablas:
Google Deepmind tuvo una ocurrencia genial: entrenar a los robots simulados para que se adaptaran a unas variables físicas y ambientales variables de forma aleatoria. Eso hizo que los robots fueran capaces de adaptarse muy rápidamente al entorno real, pues todas las desviaciones inesperadas del modelo real eran ya "esperadas"
Grandiosa solución que va a permitir incorporar los avances en simulación, muy potenciados por la misma tecnología que está detrás de chatgpt, al mundo real.
Si hace un año me dices que un Terminator está a un siglo de distancia te hubiera dado la razón. Ahora ya no.
#2 El vídeo dice justo lo contrario.
Los robots de Boston Dynamics son como indicas, entrenados por humanos, por lo que adolecen del problema de que no saben responder a situaciones desconocidas.
El sistema de DeepMind es que se entrenan ellos solos y, y ahí está la gracia, les ponen "pegas": errores, datos incorrectos, desviaciones de los sensores... para que, en caso de que algo no vaya como debería ir, sepan continuar ellos solos.
Y, como puedes observar si ves el vídeo original con la mujer "puteando" al pobre robot, este es capaz de levantarse y volverse a levantar... y continuar el partido.
No se yo terminators, pero robots de ayuda personas mayores (como en la película "un amigo para Frank") no lo veo tan lejos.