Амралтын өдрийн Future: Роботын баг, тэнгэрийн шоу ба гэрлийг “цаг хугацаанд” удирдах нь

Роботын бодит орчин дахь ажил зөвхөн нэг командыг биелүүлэхээс хэцүү: юу болж байгааг харах, дараагийн алхмаа сонгох, бусад машинтай зөрчилдөхгүй ажиллах шаардлагатай. ER 2 нь энэ гурван асуудлыг нэг дор холбох чиглэлд ахиц гаргахыг зорьж байна. Гэхдээ лабораторийн демо, үйлдвэрийн найдвартай ажиллагаа хоёрын хооронд том зай бий. Дараагийн анхаарах зүйл нь ийм систем гэнэтийн нөхцөлд хэр тогтвортой ажиллах, мөн олон робот нэг орчинд алдаа гаргахгүй зохицож чадах эсэх юм.

Персеид бол жилийн хамгийн үзүүштэй солирын бороонуудын нэг. Хотын гэрлээс хол, үүлгүй газраас нүцгэн нүдээр харахад хамгийн тохиромжтой; дуран заавал хэрэггүй. Сарын туршид Сугар оройн тэнгэрт тод үзэгдэнэ. Харин хиртэлтийг ажиглах боломж нь байршлаас шалтгаална. Нар руу хэзээ ч хамгаалалтгүй нүдээр бүү хар; зөвхөн зориулалтын нарны шүүлтүүр хэрэглээрэй.

Ийм олон өнцөгт ан цав нь чулуулгийн гадаргуу агших, тэлэх зэрэг байгалийн үйл явцын ул мөр байж болно. Curiosity өмнө нь ийм хээг жижиг хэсгүүдэд ажиглаж байсан ч энэ удаа илүү өргөн талбайд илэрсэн нь эрдэмтдийн сонирхлыг татаж байна. Хээ нь дангаараа амьдралын нотолгоо биш. Гэхдээ эртний ус, уур амьсгал, эрдсийн өөрчлөлтийн түүхийг уншихад хэрэгтэй геологийн “тэмдэглэл” болж чадна. Дараагийн алхам нь хөлгийн багажуудаар найрлага, тогтоцын орчныг нарийвчлан шинжлэх явдал юм.

Ердийн талстууд атомын орон зайн давталтаар тодорхойлогддог бол “цагийн талст” ойлголт нь өөрчлөлтөө хугацааны давтамжаар зохион байгуулдаг. Фотоник хувилбар нь гэрлийн шинжийг хэт хурдан солих, удирдах боломжийн талаар шинэ туршилтын талбар нээж байна. Энэ нь шууд маргаашийн компьютер гэсэн үг биш. Гэхдээ хэт хурдан холбоо, дүрслэл, тохируулгатай лазер болон тооцооллын зарим технологид ашиглагдах суурь санаа болж чадна. Хамгийн чухал асуулт нь лабораторийн үзүүлбэрийг тогтвортой, үйлдвэрлэх боломжтой төхөөрөмж болгох эсэх юм.

Загвар зарим бодлогыг гайхалтай сайн бодож байгаа мэт харагдавч тэр нь жинхэнэ ерөнхий дүгнэлт үү, эсвэл сургалтын өгөгдөл дэх хэв маягийг чадварлаг дуурайсан хэрэг үү гэдэг нь тодорхой бус хэвээр. Энэ ялгаа нь AI-г боловсрол, шинжлэх ухаан, эмнэлэг зэрэг өндөр хариуцлагатай ажилд хэрэглэхэд чухал. Хэрэглэгчийн хувьд авах энгийн сургамж нь: AI-ийн тайлбар итгэлтэй сонсогдсон ч эх сурвалж, тооцоо, гол таамгийг нь шалгах хэрэгтэй. Дараагийн судалгаанууд загварын дотоод алхмыг илүү найдвартай хэмжих арга гаргаж чадах эсэхийг ажиглана.

Хөгжим үүсгэгч AI-ийн өрсөлдөөн “дуу гаргаж чадах уу?” гэдэг асуултаас “хэрэглэгчийн хүссэн өнгө аяс, хоолой, бүтцийг хэр сайн удирдаж чадах вэ?” гэсэн шат руу шилжиж байна. Lyria 3.5-ын амлалт нь энэ хяналтыг илүү нарийн болгоход чиглэжээ. Бүтээгчдийн хувьд ийм хэрэгсэл санааны ноорог, демо, богино контент хийх хурдыг нэмнэ. Харин лиценз, сургалтын өгөгдөл, уран бүтээлчийн дуу хоолойг зөвшөөрөлгүй дуурайх эрсдэлийн тухай асуултууд хэвээр үлдэнэ.