AI 트렌드 인사이자 Lance Eliot
우리는 이미 인간이 번뜩이는 광채를 보일 것으로 기대하고 있습니다. 항상 일어나지는 않을 수도 있지만, 행위 자체는 환영되며 발생했을 때 완전히 방해가 되지는 않습니다.
인공 지능(AI)이 참신한 행동을 보일 때는 어떻습니까? 그러한 경우는 우리의 주의를 끌 수밖에 없습니다. 질문이 바로 생깁니다.
AI는 어떻게 겉보기에 터무니없는 통찰력이나 새로운 징후를 생각해 냈습니까? 실수였습니까, 아니면 AI가 생산할 것으로 예상되는 매개변수에 맞았습니까? AI가 어떻게든 지각의 벼랑을 향해 미끄러지고 있는지에 대한 즉각적인 고려도 있습니다.
언론에 떠도는 주장과 거짓에도 불구하고 존재하는 AI 시스템은 지각에 근접한 곳이 없습니다. 따라서 오늘날의 AI가 참신한 행위로 보이는 일을 하는 것처럼 보인다면 이것이 기술 내에서 인간의 통찰력 또는 AI 중 인간 독창성의 출현의 징후라고 성급히 결론을 내리면 안 됩니다.
너무 멀리 의인화 된 다리입니다.
현실은 그러한 AI "통찰력 있는" 참신함이 다양한 구체적인 계산 알고리즘과 유형의 데이터 기반 패턴 매칭을 기반으로 한다는 것입니다.
오늘 칼럼에서는 바둑 게임을 통해 설명된 AI 기반의 새로운 행위의 예를 자세히 살펴보고 이러한 측면을 AI 대 인간 관련 파급 효과를 이해합니다.
참신함을 발견하거나 제안하는 능력은 AI 시스템에 의해 체계적으로 수행되는 반면, 인간이 어떻게 참신한 생각이나 직관을 고안할 수 있는지 확실하게 말할 수 있는 사람은 아무도 없다는 것을 깨달으십시오.
아마도 우리도 내부의 기계적인 측면에 묶여 있거나 다른 일이 일어나고 있는 것일 수 있습니다. 언젠가 우리는 마음의 비밀스러운 내부 작용을 깨고 마침내 우리가 어떻게 생각하는지 알게 될 것입니다. 나는 그것이 상자 밖의 비전의 순간을 가진 우리와 종종 함께하는 신비와 마법의 아우라를 약화시킬 수 있다고 생각합니다. 그러나 나는 그 수수께끼를 컵 앤 볼 속임수가 실제로 어떻게 작동하는지 알고 싶습니다. 커튼 뒤에서, 그대로).
참신함에 대해 말하자면, 바둑을 하는 것과 관련된 유명한 게임 시합은 이 전체 주제에 대한 유용한 조명을 제공할 수 있습니다.
바둑은 체스와 같은 복잡성 범주에서 인기 있는 보드 게임입니다. 체스와 바둑 중 어느 것이 더 힘든지에 대한 논쟁이 있지만 나는 그 늪에 빠지지 않을 것입니다. 민사 논의를 위해 핵심은 바둑이 매우 복잡하고 특히 토너먼트 수준에서 집중적인 정신 집중이 필요하다는 것입니다.
일반적으로 바둑은 교차하는 선의 19 x 19 격자로 구성된 표준 바둑판에서 영역을 캡처하려는 시도로 구성됩니다. 바둑을 한 번도 해보지 않은 분들을 위해 가장 비슷한 종류의 게임은 어린 시절에 하던 점 연결이 될 것입니다. 바둑은 훨씬 더 복잡하지만 영역을 장악하는 것과 관련이 있습니다.
인간의 새로운 행위와 AI의 새로운 행위와 관련하여 다음에 논의될 내용의 요지를 얻기 위해 Go에 대해 특별히 알 필요는 없습니다.
약 XNUMX년 전 세계 최고의 바둑 전문 선수 이세돌과 바둑을 하도록 제작된 AI 프로그램, 즉 알파고(AlphaGo)를 겨루는 유명한 바둑 대회가 열렸습니다. 경기에 대한 흥미진진한 다큐멘터리와 경기 후 분석을 포함하여 경기를 자세히 다룬 많은 글과 온라인 비디오가 있습니다.
2016년으로 시간을 되돌려 무슨 일이 있었는지 되새겨 보십시오.
대부분의 AI 개발자는 당시의 AI가 최고의 바둑 선수를 이길 만큼 능숙할 것이라고 예상하지 못했습니다. 물론, AI는 이미 일부 최고의 체스 선수를 이길 수 있었고, 따라서 바둑이 결국 동등하게 수행될 것이라는 희미한 기대를 제공했지만, 인간 바둑의 정점에서 경쟁할 수 있었던 바둑 프로그램은 없었습니다. 선수. 대부분의 사람들은 AI의 능력이 세계적 수준의 바둑 토너먼트에서 경쟁하기에 충분하기 전인 2020년 정도가 될 것이라고 예상했습니다.
DeepMind는 딥 러닝, 머신 러닝을 사용하여 AlphaGo를 만들었습니다.
DeepMind Technologies라는 소규모 기술 회사가 AlphaGo AI 재생 시스템을 고안했습니다(이 회사는 나중에 Google에 인수됨). 머신 러닝과 딥 러닝의 기술을 사용하여 AlphaGo 프로그램은 실제 토너먼트까지 수정되고 조정되었습니다. 보여주려는 것입니다.
전 세계적인 관심을 받은 기념비적인 대회였습니다.
바둑의 인간 플레이어는 AlphaGo 프로그램이 이길 수 있을지 의심했습니다. 많은 AI 기술자들은 AlphaGo가 승리할지 의심했습니다. AlphaGo 개발자들조차 AlphaGo 프로그램이 버그에 걸리거나 일종의 망상 모드에 들어가 명백한 실수를 하고 어리석게 플레이할 것이라는 밤잠을 설치는 두려움을 포함하여 프로그램이 얼마나 잘 할 수 있을지 확신하지 못했습니다.
대회를 위해 백만 달러의 상금이 냄비에 투입되었습니다. 휴식 등에 관한 관련 규칙과 함께 하루에 한 번씩 바둑 게임이 XNUMX개 진행됩니다. 일부에서는 Sedol이 땀을 흘리지 않고 XNUMX경기 모두 쉽게 승리할 것이라고 예측했습니다. AI 전문가들은 AlphaGo가 다섯 경기 중 적어도 한 경기에서 승리할 것이라는 희망에 집착하고 있었습니다.
첫 경기에서 알파고가 이겼다.
이것은 거의 전 세계적인 충격이었습니다. 세돌은 당황했다. 많은 바둑 선수들은 컴퓨터 프로그램이 세돌의 플레이 수준에서 누군가를 이기고 경쟁할 수 있다는 사실에 놀랐습니다. 모두가 AlphaGo 프로그램과 AI 개발자의 노력에 어느 정도 신뢰를 주기 시작했습니다.
다음 경기를 앞두고 긴장감이 고조됐다.
두 번째 게임에서는 세돌이 대회에 대한 접근 방식을 크게 바꿀 것으로 예상되었습니다. 아마도 그는 경쟁에 참가하는 것을 과신했고 일부 사람들은 가혹하게 주장했고, 첫 번째 게임의 패배는 토너먼트에 온 집중을 쏟는 것의 중요성을 깨우쳤을 것입니다. 또는 그는 능력이 덜한 선수와 경쟁하는 것처럼 플레이하여 경기에서 이기기 위해 모든 수단을 동원하지 않았을 수 있습니다.
두 번째 게임에서 무슨 일이 일어났습니까?
AlphaGo가 다시 이겼고 바둑을 열렬히 하는 사람들에게 놀라운 일을 해냈습니다. 37에th 경기의 움직임에 따라 AlphaGo 프로그램은 아무도 특별히 예상하지 못한 위치에 바둑판을 배치하기로 결정했습니다. Sedol과 AlphaGo가 만드는 움직임의 특성상 상대적으로 관습적인 경기를 중간에 진행한 놀라운 움직임이었습니다.
당시 실시간으로 이러한 움직임은 AlphaGo 프로그램 측의 완전한 실수라는 추측이 만연했습니다.
대신, 지금은 "무브 37"로 알려져 있고 바둑에서 예고된 새로운 움직임으로 유명해졌으며 AI가 기발하거나 예상치 못한 방식으로 무언가를 수행하는 경우를 제안하기 위해 전반적으로 구어체로 사용되었습니다.
세 번째 경기에서 AlphaGo는 다시 3승 5패 승자 경쟁에서 Sedol을 꺾고 다시 이겼습니다. 그들은 XNUMX번째와 XNUMX번째 게임을 계속했습니다.
네 번째 게임 동안 상황은 평소와 같이 빡빡했고 매치 플레이는 일대일(음, 헤드 대 AI)로 진행되었습니다. Sedol의 신발에 자신을 넣어. 어떤 의미에서 그는 단지 바둑 선수가 아니라 어떻게든 모든 인류를 대표했고(불공정하고 잘못된 관점이지만 어쨌든 만연해 있음) 적어도 한 게임을 이겨야 한다는 압박감이 그에게 있었습니다. 단 하나의 게임이라도 당신의 모자를 쓰고 인류에 대한 믿음을 강화할 수 있는 것입니다(다시 말하지만, 그것을 보는 무의미한 방식).
78차전의 XNUMX번째 수에서 세돌은 기존의 '쐐기' 플레이가 아닌 이른바 '쐐기' 플레이를 선보이며 시청자들을 놀라게 했다. AlphaGo의 다음 움직임은 썩었고 AI 시스템의 승리 가능성을 줄였습니다. 추가 플레이 끝에 AlphaGo는 결국 타월을 던지고 경기에서 물러났고, 결국 Sedol은 자신의 벨트에 있는 AI를 상대로 승리를 거두었다. 결국 XNUMX차전에서 패하여 알파고가 XNUMX승, 세돌이 XNUMX승). 그의 움직임은 또한 유명해졌으며 일반적으로 바둑의 전설에서 "무브 XNUMX"로 알려져 있습니다.
알 가치가 있는 또 다른 것은 AlphaGo가 활용하도록 제작된 전반적인 전략과 관련이 있습니다.
게임을 할 때 점을 연결한다고 가정해 봅시다. 플레이할 때마다 최대한 많은 사각형을 잡는 것을 목표로 삼을 수 있습니다. 그렇게 하면 전술적 성공의 축적으로 필연적으로 승리할 것이라는 믿음 하에 그렇게 할 수 있습니다. 바둑의 인간 플레이어는 종종 그런 식으로 플레이하는 경향이 있습니다. 체스 플레이어와 거의 모든 종류의 게임이 함께 하는 것처럼 말입니다.
또 다른 접근 방식은 당신이 이기기만 하면 이기기 위해 플레이하는 것입니다. 이 경우, 가까운 지역을 확보하거나 즉각적인 점수를 획득하기 위한 각 전술적 움직임에 동기가 부여되지 않고 대신 더 큰 범위의 게임 자체를 기꺼이 할 수 있습니다. 속담에 따르면 근시안적이라면 전투에서 승리할 수도 있지만 결국에는 전쟁에서 질 수도 있습니다. 따라서 전쟁에서 이기더라도 상을 주시하는 것이 더 나은 전략일 수 있습니다.
AI 개발자는 AI 시스템이 작동하는 방식에 기초한 거시적 관점에서 AlphaGo를 고안했습니다.
인간은 영토를 포기하거나 이를 갈 수 없는 자신을 발견하고 놀이 중에 덩어리를 한두 개 먹는 것과 같이 좋지 않거나 무분별해 보일 수 있는 움직임을 선택하는 데 특히 어려움을 겪을 수 있습니다. 순간의 당혹감은 그것이 궁극적으로 괜찮을 것이고 결국 당신이 승리할 것이라는 내기에 내기를 걸면 상쇄되기 어렵습니다.
AI 시스템의 경우 그런 종류의 감정이 관련되어 있지 않으며 계산된 확률과 확률에 관한 것입니다.
이제 전설적인 바둑 경기를 다루었으므로 새로움에 대해 배운 몇 가지 교훈을 살펴보겠습니다.
AI 시스템이 만든 '무브38'은 마법이 아니었다. 그것은 확실히 흥미로운 움직임이었고, AI 개발자들은 나중에 그 움직임이 인간 플레이어가 거의 수행하지 않을 것이라고 AI가 계산한 것이라고 밝혔습니다.
이것은 (적어도) 두 가지 방식으로 해석될 수 있습니다.
한 가지 해석은 인간 플레이어는 인간이 옳고 그것이 형편없는 행동이 될 것이라는 것을 알기 때문에 그런 행동을 하지 않을 것이라는 것입니다.
또 다른 해석은 인간은 그 행동이 현명하지 못하다는 믿음 때문에 그 행동을 하지 않을 것이지만, 이는 인간이 장기적으로 그 움직임의 궁극적인 가치를 충분히 평가하지 못하고 더 짧은 시간 프레임 플레이.
이 경우, 그것은 좋은 움직임(아마도 훌륭한 움직임일 수 있음)으로 판명되었고 게임의 과정을 AI의 이점으로 돌렸습니다. 따라서 광채처럼 보였던 것은 사실 소수의 인간이 가치 있는 것으로 상상했을 계산된 움직임이었고, 그 때문에 인간은 그러한 문제에 대해 어떻게 생각하는지 다시 생각하게 되었습니다.
몇 가지 유용한 요약 강의:
인간의 자기 제한적 통찰력을 보여줍니다. AI가 겉보기에 참신해 보이는 일을 할 때 단순히 인간이 관습적인 것을 이미 미리 결정했고 그 이상은 가치가 없거나 잘못되었다는 가정으로 무디어졌기 때문에 새로운 것으로 간주될 수 있습니다. 우리는 상자 안과 밖을 구분하는 선의 그림에 정신적으로 갇혀 있다고 말할 수 있습니다.
추가 통찰력을 위해 AI를 활용하는 인간. 인간은 AI 기반의 참신함을 유익하게 평가하여 주어진 주제에 대한 인간의 사고를 잠재적으로 재조정할 수 있으며, AI의 방대한 계산 능력을 통해 우리가 아직 확인하지 못한 것을 감지하거나 발견할 수 있는 것을 활용하여 이해를 확장할 수 있습니다. 따라서 우리는 새로움에 감탄하는 것 외에도 AI 시스템을 포함하여 밝게 빛나는 모든 소스로 정신 능력을 향상시키기 위해 노력해야 합니다.
AI 참신은 양날의 검입니다. 우리는 모든 AI 시스템과 그것이 좋을 수도 나쁠 수도 있는 새로운 방식으로 행동할 가능성을 염두에 두어야 합니다. 바둑 게임에서는 잘 작동했습니다. 다른 상황에서는 참신함을 악용하는 AI가 그대로 궤도를 이탈할 수도 있습니다.
인공지능 기반의 진정한 자율주행 자동차의 도래를 탐구함으로써 이것이 어떻게 가시화될 수 있는지 봅시다.
AI 자율 주행 차에 대한 내 프레임 워크는 다음 링크를 참조하십시오. https://aitrends.com/ai-insider/framework-ai-self-driving-driverless-cars-big-picture/
이것이 문샷 노력 인 이유는 여기에있는 설명을 참조하십시오. https://aitrends.com/ai-insider/self-driving-car-mother-ai-projects-moonshot/
리히터 척도의 유형으로서의 레벨에 대한 자세한 내용은 여기에서 내 토론을 참조하십시오. https://aitrends.com/ai-insider/richter-scale-levels-self-driving-cars/
레벨을 분기하는 것에 대한 논쟁은 여기 내 설명을 참조하십시오. https://aitrends.com/ai-insider/reframing-ai-levels-for-self-driving-cars-bifurcation-of-autonomy/
자율 주행 차의 수준 이해
설명하자면 진정한 자율 주행 자동차는 AI가 자동차를 완전히 스스로 운전하고 운전 작업 중에 사람의 도움이없는 자동차입니다.
이러한 무인 차량은 레벨 4와 레벨 5로 간주되는 반면, 인간 운전자가 운전 노력을 공동 공유해야 하는 자동차는 일반적으로 레벨 2 또는 레벨 3으로 간주됩니다. 운전 작업을 공동 공유하는 자동차는 다음과 같이 설명됩니다. 반자동이며 일반적으로 ADAS(고급 운전자 지원 시스템)라고 하는 다양한 자동화된 추가 기능을 포함합니다.
레벨 5에는 아직 진정한 자율 주행 차가 없으며, 이것이 달성 될 수 있는지, 그리고 도착하는 데 걸리는 시간도 아직 알지 못합니다.
한편, 레벨 4의 노력은이 테스트가 그 자체로 허용되어야하는지에 대한 논란이 있지만 매우 좁고 선택적인 공공 도로 시험을 통해 점차 견인력을 얻으려고 노력하고 있습니다 (우리는 실험에서 모두 생사 기니피그입니다). 우리의 고속도로와 도로에서 일어나고 있습니다.
자율 주행 자동차의 원격 조종 또는 운전이 일반적으로 회피되는 이유는 여기에있는 설명을 참조하십시오. https://aitrends.com/ai-insider/remote-piloting-is-a-self-driving-car-crutch/
자율 주행 차에 대한 가짜 뉴스에주의하려면 다음 팁을 참조하십시오. https://aitrends.com/ai-insider/ai-fake-news-about-self-driving-cars/
AI 구동 시스템의 윤리적 의미는 중요합니다. https://aitrends.com/selfdrivingcars/ethically-ambiguous-self-driving-cars/
자율 주행 차와 관련하여 이탈이 정상화되는 함정에주의하십시오. https://aitrends.com/ai-insider/normalization-of-deviance-endangers-ai-self-driving-cars/
자율주행차와 참신함
레벨 4 및 레벨 5 진정한 자율 주행 차량의 경우 운전 작업에 사람이 개입하지 않습니다. 모든 탑승자는 승객이됩니다. AI가 운전을하고 있습니다.
AI는 바둑이나 체스를 할 때와 유사하게 전술적 의사 결정과 전략적 계획이 필요한 운전 게임을 한다고 말할 수 있습니다. 우리의 공공 도로.
우리의 기본 가정은 AI 운전 시스템이 모든 운전 결정에 항상 검증된 접근 방식을 취할 것이라는 것입니다. 이 가정은 AI가 인간의 편견이나 인간의 결점이 없는 일종의 로봇 또는 자동 장치라는 개념을 중심으로 형성되었습니다.
사실 이런 가정을 할 이유가 없습니다. 예, 우리는 일반적으로 AI가 인간의 감정을 표시하지 않을 측면을 배제할 수 있으며 AI가 운전 노력에서 술에 취하거나 음주를 하지 않을 것임을 알고 있습니다. 그럼에도 불구하고 AI가 머신 러닝(ML) 및 딥 러닝(DL)을 사용하여 훈련된 경우 인간 운전에 관한 데이터에서 인간 행동 패턴의 미묘함을 포착할 수 있으며, 이 데이터에서 마찬가지로 운전 선택에 활용하거나 모방합니다. 조치(예: AI의 잠재적인 인종 편견 및 성별 편견의 가능성에 대한 분석과 관련된 내 칼럼 게시물 참조).
새로움이라는 주제로 돌아가서 특정 사용 사례에 대해 생각해 보겠습니다.
몇 년 전 나는 개방된 고속도로에서 시속 약 65마일의 속도로 운전하고 있었는데 거의 상상할 수 없는 일이 일어났습니다. 반대편 차선에서 나를 향해 다가오고 시속 60~70마일로 주행하는 차가 갑자기 예기치 않게 내 차선으로 방향을 틀었습니다. 예상할 수 없는 순간 중 하나였습니다.
다른 운전자가 내 차선에서 나를 향해 향하고 임박하고 뼈가 오싹할 정도로 무서운 정면 충돌을 위해 나에게 올 이유가 없는 것 같았습니다. 다른 차선에 잔해가 있었다면 아마도 이 다른 운전자가 단순히 장애물을 우회하려고 했다는 단서가 되었을 것입니다. 잔해가 없습니다. 느리게 움직이는 차가 있었다면 운전자는 그것을 지나치기 위해 빨리 돌아가고 싶었을 것입니다. 아니요, 이 급진적이고 생명을 위협하는 작전에 대한 식별 가능한 근거는 전혀 없었습니다.
당신은 어떻게 하겠는가?
어서, 서둘러, 시계는 똑딱거리고 있고, 당신은 삶과 죽음의 운전 결정을 내리는 데 몇 초밖에 걸리지 않습니다.
자신의 차선에 머물면서 다른 운전자가 자신의 길의 오류를 깨닫고 마지막 순간에 차선으로 되돌아가기를 바랄 수 있습니다. 또는 사전에 반대 차선으로 들어가서 다른 운전자에게 자신의 차선에 명확한 경로를 제공할 수 있지만 이것은 다른 운전자가 자신의 차선으로 돌아가기로 선택하는 치킨 게임이 될 수 있습니다. 그 운전자 뒤에서 반대 차선으로 들어가는 것은 꽤 위험했습니다).
자, 그럼 당신의 차선을 유지하시겠습니까, 아니면 반대편 차선으로 방향을 틀까요?
감히 대부분의 사람들이 이 두 가지 옵션 사이에서 고민할 것입니다. 어느 쪽도 맛이 없습니다.
자율주행차의 AI가 같은 상황에 직면했다고 가정해보자.
AI는 무엇을 했을까요?
AI가 ML/DL 교육을 받는 동안 인간의 운전에 대한 데이터베이스를 통해 수천 마일의 운전을 제공받았더라도 일대일 성격의 사례가 없을 수 있으므로 가능성이 없습니다. 이 번거로운 결정을 내리는 데 사용할 사전 패턴입니다.
어쨌든 여기에 반전이 있습니다.
AI가 가야 할 방향과 관련된 확률을 계산하고 어떤 계산 방식으로 자율주행차가 도로 오른쪽에 있는 도랑으로 들어가야 한다는 결론에 도달했다고 상상해 보세요. 이것은 다른 차량과의 충돌을 완전히 피하기 위한 것이었습니다(AI는 정면 충돌로 탑승자가 거의 사망할 것으로 추정했습니다). AI는 그렇게 빠른 속도로 도랑에 들어가면 의심할 여지 없이 차를 망가뜨리고 탑승자에게 큰 부상을 입힐 것이라고 추정했지만, 확실한 죽음의 확률은 (가령) 정면 옵션 가능성보다 낮은 것으로 계산되었습니다(이는 내 칼럼에서 다룬 악명 높은 트롤리 문제의 변형).
나는 당신이 대부분의 인간이 의도적으로 그 도랑을 조준하는 것을 상대적으로 꺼릴 것이라는 점을 인정할 것이라고 확신합니다. 그 도랑은 난파선과 잠재적인 죽음이 될 것이라는 것을 확실히 알고 있습니다. 다른 차선으로 방향을 틀거나 코스를 유지하면서 최선을 다하는 것입니다.
어떤 의미에서는 AI가 참신한 선택을 한 것처럼 보일 수도 있습니다. 그것은 (우리는 가정할 것입니다) 소수의 인간이 이에 대해 명시적으로 생각했을 것입니다.
AI 참신성에 대한 이전 요점 요약으로 돌아가서 이 예에서 AI가 "상상할 수 없는" 옵션을 고려함으로써 AI가 인간이 스스로 부과한 제한을 초과했다고 제안할 수 있습니다. 이를 통해 우리는 다른 방법으로는 분명하지 않은 옵션에 대한 시야를 넓히는 방법을 배울 수 있습니다.
다른 요약 요소는 AI의 참신함이 양날의 검이 될 수 있다는 것입니다.
인공 지능이 도랑으로 운전하여 반응하고 자율 주행 자동차 안에 있었고 심하게 다쳤다면 나중에 인공 지능이 새로운 방식으로 행동했거나 실수로 또는 불리하게 행동했다고 믿겠습니까?
어떤 사람들은 당신이 그 질문을 하기 위해 살았다면 분명히 AI가 올바른 선택을 했다고 말할 수도 있습니다. 반대 주장은 AI가 다른 선택 중 하나와 함께 갔다면 아마도 다른 차를 바로 지나쳐 항해했을 것이고 단 한 번의 흠집도 없었을 것입니다.
ODD에 대한 자세한 내용은이 링크의 내 표시를 참조하십시오. https://www.aitrends.com/ai-insider/amalgamating-of-operational-design-domains-odds-for-ai-self-driving-cars/
오프로드 자율 주행 차 주제에 대한 자세한 내용은 다음과 같습니다. https://www.aitrends.com/ai-insider/off-roading-as-a-challenging-use-case-for-ai-autonomous-cars/
자율 주행 자동차 제조업체에 최고 안전 책임자가 있어야한다고 촉구했습니다. 여기에 특종이 있습니다. https://www.aitrends.com/ai-insider/chief-safety-officers-needed-in-ai-the-case-of-ai-self-driving-cars/
소송이 점차 자율 주행 자동차 산업의 중요한 부분이 될 것으로 예상됩니다. 여기에 대한 자세한 설명을 참조하십시오. https://aitrends.com/selfdrivingcars/self-driving-car-lawsuits-bonanza-ahead/
결론
실제로 무슨 일이 일어났는지 궁금하신 분들을 위해 그날 행운의 별들이 저를 지켜보고 있었고 저는 가까운 전화만 하고 살아 남았습니다. 나는 반대 차선으로 방향을 틀고 싶은 유혹이 있었지만 내 차선을 유지하기로 결정했고, 어떤 기적에 의해 다른 운전자가 갑자기 반대 차선으로 되돌아갔습니다.
그 이야기를 하면 아직도 가슴이 두근거리고 땀이 나기 시작합니다.
전반적으로 문제에 대한 새로운 접근 방식에 관여하는 것으로 보이는 AI는 유리할 수 있으며 보드 게임과 같은 일부 상황에서는 옳고 그름이 될 수 있습니다.
AI 기반의 진정한 자율주행 자동차의 경우 생명이 위험에 처해 있습니다.
우리는 운전석에서 승산을 계산하고 선택을 유도하는 것을 포함하여 AI 운전 시스템이 어떻게 작동하기를 원하는지에 대해 주의 깊게 눈을 크게 뜨고 진행해야 합니다.
Lance Eliot 박사
http://ai-selfdriving-cars.libsyn.com/website
PlatoAi. Web3 재창조. 데이터 인텔리전스 증폭.
액세스하려면 여기를 클릭하십시오.
