Connect with us

Berita

AI adalah satu -gaya AI: Bagaimana desain arsitektur membayar kebetulan multi -agen tepercaya

Published

on

Bergabunglah dengan buletin harian dan mingguan untuk mendapatkan pembaruan terbaru dan konten eksklusif untuk meliput kecerdasan buatan terkemuka di industri ini. Pelajari lebih lanjut


Kami melihat Amnesty International berkembang dengan cepat. Ini tidak lagi hanya tentang membangun model tunggal yang sangat cerdas. Kekuatan sebenarnya, dan perbatasan yang menarik, adalah untuk mendapatkan banyak agen kecerdasan buatan yang berspesialisasi untuk bekerja sama. Pikirkan tentang mereka sebagai satu tim ahli, dan masing -masing dari mereka memiliki keterampilan mereka sendiri – salah satunya menganalisis data, yang lain berinteraksi dengan pelanggan, menjalankan layanan logistik ketiga, dll. Memperoleh tim ini untuk bekerja sama dengan lancar, serta berbagai diskusi industri dan memungkinkan mereka dengan platform modern, adalah tempat di mana sihir terjadi.

Tapi mari kita menjadi nyata: mengoordinasikan sekelompok agen kecerdasan buatan independen, terkadang aneh sulit. Bukan hanya konstruksi agen individu yang hebat; Ini adalah bagian tengah yang kacau – sinkronisasi – yang dapat membuat atau menghancurkan sistem. Ketika Anda memiliki agen yang saling mengandalkan, mereka berperilaku asimetri dan mungkin gagal secara mandiri, Anda hanya membangun program; Anda membuat orkestra yang kompleks. Di sinilah rencana arsitektur yang solid datang. Kami membutuhkan pola yang dirancang untuk keandalan dan ukuran dari awal.

Masalah kerja sama yang kompleks

Mengapa mengatur banyak agen seperti tantangan ini? Nah, untuk pemula:

  1. Mereka mandiri: Berbeda dengan pekerjaan yang disebut dalam program ini, agen sering memiliki episode, target, dan situasi mereka sendiri. Mereka tidak menunggu instruksi.
  2. Komunikasi menjadi rumit: Agen tidak hanya berbicara dengan agen B. Agen A Mei menyiarkan perawatan agen informasi C dan D, sementara Agen B sedang menunggu sinyal dari E sebelum menceritakan sesuatu.
  3. Mereka membutuhkan otak umum (kasus): Bagaimana mereka semua menyetujui “kenyataan” apa yang terjadi? Jika agen memperbarui catatan, bagaimana agen tahu tentang dia Andal Dan dengan cepat? Informasi yang terinformasi atau bertentangan adalah pembunuh.
  4. Kegagalan tidak bisa dihindari: Agen retak. Pesan hilang. Waktu Layanan Layanan Eksternal. Ketika bagian dari sistem berakhir, Anda tidak ingin menghentikan keseluruhan atau, atau apa yang lebih buruk.
  5. Konsistensi bisa sulit: Bagaimana Anda dapat memastikan bahwa operasi multi -step yang kompleks mencakup banyak agen yang benar -benar mencapai kondisi akhir yang valid? Ini tidak mudah ketika mendistribusikan operasi dan operasi simultan.

Sederhananya, kompleksitas konsensual meledak sambil menambahkan lebih banyak faktor dan interaksi. Tanpa rencana yang kuat, memperbaiki kesalahan menjadi mimpi buruk, dan sistem terasa rapuh.

Pilih Buku Playbook Anda

Bagaimana memutuskan bahwa agen koordinasi kerja mereka mungkin menjadi pilihan arsitektur utama. Berikut beberapa kerangka kerja:

  • Mosul (piramida): Ini seperti orkestra simfoni tradisional. Anda memiliki ornamen utama (Mosul) yang menentukan aliran, dan menceritakan faktor -faktor spesifik (musisi) ketika mereka melakukan artikel mereka dan mengumpulkan semuanya.
    • Ini memungkinkan: tugas alur kerja yang jelas, implementasi mudah diikuti, dan kontrol langsung; Lebih sederhana untuk sistem kecil atau kurang dinamis.
    • Hati -hati dengan: Konduktor dapat menjadi hambatan atau satu titik kegagalan. Skenario ini kurang fleksibel jika Anda membutuhkan faktor untuk merespons secara dinamis atau bekerja tanpa pengawasan yang konstan.
  • Musik jazz (al -tihad/desentralisasi): Di sini, agen berkoordinasi secara langsung satu sama lain berdasarkan sinyal atau aturan yang dibagikan, seperti musisi di pita jazz improvisasi berdasarkan sinyal dari satu sama lain dan subjek umum. Mungkin ada sumber daya atau acara yang umum, tetapi tidak ada catatan sentral.
    • Hal ini memungkinkan: fleksibilitas (jika salah satu musisi berhenti, maka orang lain dapat terus berlanjut), kemampuan untuk memperluas, kemampuan untuk beradaptasi dengan kondisi yang berubah, dan perilaku yang paling muncul.
    • Apa yang harus diperhitungkan: mungkin sulit untuk memahami aliran total, dan koreksi itu sulit (“Mengapa agen ini melakukannya Kemudian? ) Dan jaminan konsistensi global membutuhkan desain yang akurat.

Banyak beberapa agen di dunia nyata (MAS) diakhiri dengan campuran-may merusak orkestra teater tingkat tinggi; Kemudian kelompok faktor dalam struktur ini terkoordinasi secara acuh tak acuh.

Manajemen Otak Kolektif (Negara Umum) dari Faktor Kecerdasan Buatan

Agar agen dapat bekerja sama secara efektif, mereka sering membutuhkan visi bersama dunia, atau setidaknya bagian yang terkait dengan misi mereka. Ini mungkin situasi permintaan pelanggan saat ini, atau basis pengetahuan umum untuk informasi produk atau kemajuan kolektif menuju tujuan. Mempertahankan “otak kolektif” ini konsisten dan dapat diakses melalui faktor -faktor terdistribusi sulit.

Pola arsitektur yang cenderung:

  • Perpustakaan Pusat (Basis Pengetahuan Pusat): Satu dan tempat yang dapat diandalkan (seperti database atau layanan pengetahuan khusus) di mana semua informasi umum hidup. Agen memeriksa buku (baca) dan mengembalikannya (menulis).
    • Pro: Salah satu sumber kebenaran, lebih mudah memaksakan konsistensi.
    • Con: Anda dapat terkena permintaan, dan dapat memperlambat atau menjadi titik pencekikan. Itu harus berbahaya dan berkembang.
  • Catatan Terdistribusi (cache terdistribusi): Agen -agen memesan salinan informasi lokal yang sering Anda butuhkan untuk kecepatan, dengan dukungan perpustakaan pusat.
    • Profesional: Bacaan lebih cepat.
    • Con: Bagaimana Anda tahu jika salinan Anda diperbarui? Penyimpanan cache dan konsistensi menjadi teka -teki arsitektur yang penting.
  • Pembaruan (menyampaikan pesan) menjerit: Alih -alih agen yang terus -menerus bertanya kepada perpustakaan, perpustakaan (atau agen lain) berteriak, “Hei, informasi ini telah diubah!” Melalui pesan. Agen mendengarkan pembaruan yang mereka pedulikan dan memperbarui catatan mereka sendiri.
    • Pro: Agen dipisahkan, yang baik untuk pola berbasis acara.
    • Con: Memastikan bahwa setiap orang mendapat pesan dan menanganinya dengan benar menambahkan kompleksitas. Bagaimana jika Anda kehilangan pesan?

Pilihan yang benar tergantung pada pentingnya konsistensi yang diperbarui per detik, untuk jumlah kinerja yang Anda butuhkan.

Membangun saat hal tersesat (kesalahan dan kesegaran)

Bukan jika agen gagal, maka saat itu. Arsitektur Anda perlu mengharapkan ini.

Pikirkan:

  • Monitor (pengawasan): Ini berarti bahwa komponen fungsinya hanya menonton agen lain. Jika agennya tenang atau mulai bertindak sebagai orang asing, pengamatnya dapat mencoba memulai kembali atau mengingatkan sistem.
  • Coba lagi, tapi jadilah pintar (re -trial dan kompensasi): Jika agen gagal, dia harus mencoba lagi. Tetapi ini hanya berfungsi jika prosedurnya tidak moderat. Ini berarti bahwa melakukan ini lima kali memiliki hasil yang sama persis dengan melakukan ini sekali (seperti menentukan nilai, tidak meningkatkannya). Jika prosedur tidak moderat, simulasi dapat menyebabkan kekacauan.
  • Kekacauan Pembersihan (Kompensasi): Jika agen “A” melakukan sesuatu yang berhasil, tetapi agen (langkah selanjutnya dalam proses) gagal, Anda mungkin perlu “mundur” dari pekerjaan agen a. Pola seperti Sagas membantu mengoordinasikan alur kerja multi -tidak -untuk -A -untuk -a -kompresi.
  • Mengetahui di mana Anda berada (alur kerja): Menyimpan catatan berkelanjutan dari proses komprehensif membantu. Jika sistem jatuh di tengah -tengah pekerjaan, itu dapat menangkap dari langkah terakhir yang terkenal alih -alih memulai lagi.
  • Membangun dinding perlindungan (pemutus sirkuit dan ukuran penghalang): Pola -pola ini mencegah kegagalan dalam satu agen atau layanan dari pemuatan berlebihan atau menghancurkan orang lain, yang mengandung kerusakan.

Pastikan pekerjaan dilakukan dengan benar (lakukan tugas tetap)

Bahkan dengan keandalan agen individu, Anda perlu keyakinan bahwa seluruh tugas koperasi berakhir dengan benar.

Itu dipertimbangkan:

  • Operasi Atom: Sementara transaksi asam nyata sulit dengan faktor terdistribusi, Anda dapat merancang alur kerja untuk bertindak mendekati atom mungkin menggunakan pola seperti kisah.
  • Buku registri non -variabel (sumber acara): Daftarkan setiap prosedur penting dan ubah kasus ini sebagai peristiwa dalam catatan tetap. Ini memberi Anda sejarah yang ideal, dan membuat pembangunan kembali negara mudah, yang bagus untuk diperiksa dan diperbaiki.
  • Kesepakatan tentang kenyataan (konsensus): Untuk keputusan penting, Anda mungkin perlu menyetujui agen sebelum mengikuti -up. Ini dapat mencakup mekanisme pemungutan suara sederhana atau algoritma konsensus yang lebih rumit jika kepercayaan atau koordinasi sangat menantang.
  • Memeriksa pekerjaan (memeriksa kesehatan): Buat langkah -langkah dalam alur kerja Anda untuk memverifikasi output atau kondisi setelah agen menyelesaikan misinya. Jika ada sesuatu yang salah, pastikan untuk mendamaikan atau koreksi.

Arsitektur terbaik membutuhkan fondasi yang tepat.

  • Kantor Pos (pesan/broker seperti Kafka atau Rabbita): Ini sangat diperlukan untuk membongkar agen. Mereka mengirim pesan ke daftar tunggu; Agen tertarik pada pesan -pesan ini. Ini memungkinkan komunikasi simultan, dan berurusan dengan mutasi lalu lintas, yang merupakan kunci untuk sistem terdistribusi yang fleksibel.
  • Treasury File Bersama (Toko Pengetahuan/Basis Data): Di sinilah kondisi umum Anda tinggal. Pilih tipe yang benar (hubungan, NoSQL, grafik) berdasarkan struktur data dan pola akses. Ini harus sangat menyenangkan dan tersedia.
  • Mesin x -ray (platform catatan): Catatan, Standar, Pelacakan – Anda membutuhkan ini. Mengoreksi kesalahan sistem terdistribusi sulit. Untuk dapat melihat apa yang sebenarnya dilakukan setiap pelanggan, kapan dan bagaimana mereka berinteraksi tidak dapat dinegosiasikan.
  • Panduan (catatan agen): Bagaimana agen menemukan satu sama lain atau menemukan layanan yang mereka butuhkan? Pendaftaran pusat membantu mengelola kompleksitas ini.
  • Stadion (wadah dan koordinasi seperti Kubernetes): Ini adalah cara yang sudah diterbitkan, mengelola, dan memperluas semua perwakilan individu dari agen.

Bagaimana agen berbicara? (Opsi Protokol Panggilan)

Cara para agen berbicara tentang segala hal mulai dari kinerja hingga tingkat hubungan mereka yang ketat.

  • Istirahat/http: Ini sederhana, dan berfungsi di mana -mana dan baik untuk memesan/respons dasar. Tetapi Anda dapat merasakan obrolan dan bisa kurang efisien untuk struktur data yang besar atau kompleks.
  • Panggilan kolektif terorganisir (GRPC): Ini menggunakan format data yang efektif, dan mendukung berbagai jenis panggilan, termasuk aliran dan jenis yang aman. Ini bagus untuk kinerja tetapi membutuhkan pengaturan kontrak layanan.
  • Panel Periklanan (Daftar Pesan – Protokol seperti AMQP, MQTT): Agen menerbitkan pesan ke topik; Agen lain berbagi topik yang mereka pedulikan. Ini tidak simultan dan sangat berkembang dan didistribusikan sepenuhnya dari reseptor.
  • Live Line (RPC – kurang umum): Agen memanggil langsung ke agen lain. Ini cepat, tetapi menciptakan Assam yang sangat sempit – agen perlu tahu siapa yang mereka sebut dengan tepat dan di mana mereka berada.

Pilih protokol yang sesuai dengan pola reaksi. Apakah ini permintaan langsung? Acara siaran? Stream Data?

Satukan semuanya

Membangun agen multi -agen dan yang dikembangkan tidak terkait dengan menemukan peluru ajaib; Ini tentang membuat opsi arsitektur yang cerdas berdasarkan kebutuhan spesifik Anda. Apakah Anda cenderung lebih hierarkis untuk dikendalikan atau penyatuan untuk fleksibilitas? Bagaimana Anda mengelola situasi umum yang menentukan ini? Apa rencana Anda saat agen berkurang (tidak)? Apa pemotongan infrastruktur yang tak terbayangkan?

Ini rumit, ya, tetapi dengan berfokus pada rencana arsitektur ini – koordinasi interaksi, manajemen pengetahuan bersama, kegagalan untuk gagal, memastikan konsistensi dan konstruksi pada infrastruktur yang solid – Anda dapat menjinakkan kompleksitas dan membangun sistem yang kuat dan pintar yang akan memimpin gelombang AI berikutnya.

Nighthil Gupta adalah Direktur Manajemen Produk Produk/Karyawan AI di AI Atlasian.


Tautan sumber
Continue Reading
Click to comment

Leave a Reply

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *

Berita

Mantan kandidat Partai Republik mendapat 80 tahun penjara karena kebakaran di rumah -rumah Demokrat

Published

on

baruAnda sekarang dapat mendengarkan Fox News!

Seorang mantan kandidat Partai Republik untuk kursi di Dewan Perwakilan Rakyat di New Mexico pada hari Rabu dijatuhi hukuman 80 tahun penjara setelah bar setelah berkontraksi dengan militan untuk melakukan kebakaran di rumah -rumah pejabat Demokrat setelah kalah dalam pemilihan.

Suleiman Benia dihukum karena 13 kejahatan awal tahun ini setelah ia menyelenggarakan serangan di Bouquerk, New Mexico, beberapa minggu setelah kekalahannya pada November 2022.

Dia didakwa dengan konspirasi, sebagai penjahat yang memiliki senjata api, empat tuduhan intimidasi dan campur tangan dalam kegiatan yang dilindungi, empat tuduhan menggunakan senjata api atau membawanya selama kejahatan kekerasan dan tiga tuduhan komitmen untuk melakukan kejahatan kekerasan.

Penembakan, yang termasuk senapan mesin, dilakukan antara 4 Desember 2022 dan 3 Januari 2023. Benia secara pribadi berpartisipasi dalam serangan.

Mantan anggota Kongres George Santos memberikan selamat tinggal “cerah” sebelum masuk penjara: “tirai jatuh”

Suleiman Benia dihukum 13 dakwaan kejahatan awal tahun ini. (Roberto E. Rosales/The Albuquerque Journal via AP)

Beberapa penembakan terjadi sementara anak -anak dan korban lainnya ada di rumah, meskipun tidak ada yang terluka.

Jaksa penuntut mengatakan bahwa Benia mengorganisir kebakaran di rumah -rumah Komisaris Provinsi Bernalillo dan dua legislator di New Mexico, sebagai tanggapan atas tuduhan yang tidak berdasar bahwa penipuan dalam pemilihan berkontribusi terhadap kehilangannya.

“Kekerasan dan intimidasi tidak ada tempat dalam pemilihan kita.”

Mantan kandidat Republik New Mexico Suleiman Pina

Penembakan dilakukan antara 4 Desember 2022 dan 3 Januari 2023. (Roberto E. Rosales/The Albuquerque Journal via AP)

Pejabat Benia semua ditargetkan oleh Demokrat dan termasuk Ketua Dewan Perwakilan Rakyat saat ini.

Setelah kampanyenya yang tidak bersih, Benia pergi ke rumah -rumah rumah Komisaris Kabupaten Bernalo dan mendesak mereka untuk tidak meratifikasi hasil pemilihan, dan memainkan bahwa pemilihan telah “dipalsukan” terhadapnya.

Jaksa penuntut mengatakan bahwa ketika mereka menolak hasilnya dan menyerang mereka, Penia menyewa koheren Jose Truelelo dan Dimitrio Trugilo untuk melakukan kebakaran.

Pemimpin MS-13 dijatuhi hukuman percobaan Trump dalam kasus pemerasan, yang termasuk 8 pembunuhan Long Island

Suleiman Benia

Suleiman Benia mengklaim bahwa pemilihannya telah “dipalsukan” terhadapnya. (Pusat Penahanan Perkotaan/Buletin melalui Reuters)

Klik di sini untuk mendapatkan aplikasi Fox News

Kedua pria itu mengakui penembakan itu tahun lalu. Setelah penangkapannya, Benia mencoba membunuh suaminya untuk mencegah mereka dari kemartiran.

Selain 80 tahun penjara, Benia telah diberikan tiga tahun pelepasan pengawasan. Pengacaranya mengatakan dia akan mengajukan banding atas hukuman itu.

Fox News Daniel Wallace dan Reuters berkontribusi pada laporan ini.

Tautan sumber

Continue Reading

Berita

Model Molmoact dari AI2 “Thinking in 3D” untuk menantang Nvidia dan Google dalam robotika AI

Published

on

Ingin lebih banyak visi yang cerdas dari kotak masuk Anda? Berlangganan buletin mingguan kami untuk mendapatkan apa yang hanya terkait dengan lembaga AI, data dan pemimpin keamanan. Berlangganan sekarang


AI material, tempat robot dan model dasar bertemu, dengan cepat menjadi ruang yang berkembang dengan perusahaan seperti NafidiaDan Google Dan Mati Meluncurkan dan bereksperimen dalam model bahasa besar (LLM) dengan robot.

Sebuah penelitian baru dari Allen for Artificial Intelligence Institute (AI2) bertujuan untuk menantang NVIDIA dan Google dalam AI materi dengan versi Molmoact 7B, model sumber terbuka baru yang memungkinkan robot dengan pikiran di ruang angkasa.

AI2 Molmoact diklasifikasikan sebagai model pemikiran prosedur, karena model dasar menyebabkan prosedur dalam ruang fisik tiga dimensi.

Artinya, Molmoact dapat menggunakan kemampuan berpikirnya untuk memahami dunia material, merencanakan cara menempati ruang dan kemudian mengambil ukuran ini.


Kecerdasan buatan membatasi batasnya

Tutup daya, biaya tinggi simbol, dan keterlambatan inferensi dibentuk kembali. Bergabunglah dengan salon eksklusif kami untuk menemukan bagaimana perbedaan besar:

  • Mengubah energi menjadi keuntungan strategis
  • Mengajar penalaran yang efektif untuk keuntungan produktivitas nyata
  • Membuka Pengembalian Investasi Kompetitif dengan Sistem Kecerdasan Buatan Berkelanjutan

Mengamankan tempat Anda untuk tinggal di latar depan: https://bit.ly/4mwngngo


“Molmoact memiliki pemikiran tentang kemampuan ruang 3D terhadap model bisnis tradisional (VLA),” AI2, AI2 VentureBeat mengatakan dalam email. “Sebagian besar model robot adalah VLA yang tidak berpikir atau menyebabkan ruang, tetapi Molmoact memiliki kemampuan ini, membuatnya lebih dilakukan dan digeneralisasi dari sudut pandang arsitektur.”

Pemahaman fisik

Karena robot berada di dunia material, AI2 mengklaim bahwa Molmoact membantu robot membuat di sekitarnya dan membuat keputusan yang lebih baik tentang bagaimana berinteraksi dengan mereka.

Perusahaan mengatakan: “Molmoact dapat diterapkan di mana saja mesin perlu memikirkan lingkungan fisiknya,” kata perusahaan itu. “Kami pada dasarnya berpikir tentang lingkungan rumah karena di sinilah tantangan terbesar adalah untuk robot, karena ada hal -hal yang tidak teratur dan terus berubah, tetapi molmoact dapat diterapkan di mana saja.”

https://www.youtube.com/watch?

Molmoact dapat memahami dunia material dengan mengarahkan “simbol khas untuk persepsi spasial”, yang merupakan simbol redaman yang khas dan mengekstraknya menggunakan vektor vektor otomatis atau model yang mengubah input data, seperti video, menjadi simbol. Perusahaan mengatakan bahwa simbol -simbol ini berbeda dari yang digunakan oleh VLA karena mereka bukan input teks.

Ini memungkinkan Molmoact untuk mendapatkan pemahaman spasial dan struktur rekayasa pengkodean. Dengan ini, model memperkirakan jarak antara organisme.

Setelah memiliki jarak yang diperkirakan, Molmoact kemudian memprediksi serangkaian “ruang foto” atau titik di area di mana Anda dapat menempatkan jalur ke sana. Setelah itu, model akan mulai mengambil prosedur tertentu, seperti menjatuhkan lengan dengan beberapa inci atau peregangan.

Peneliti AI2 mengatakan mereka bisa mendapatkan model untuk beradaptasi dengan model yang berbeda (yaitu, baik lengan mekanik atau robot manusia) “dengan hanya pengaturan minimal.”

Tes pengukuran AI2 menunjukkan bahwa molmoact 7b adalah tingkat keberhasilan 72,1 %, dan model yang dimenangkan dari Google, Microsoft Dan nvidia.

Langkah Kecil Maju

Penelitian AI2 adalah yang terbaru yang mendapat manfaat dari manfaat unik LLMS dan VLM, terutama dengan pertumbuhan inovasi yang berkelanjutan di AI. Para ahli di bidang ini melihat karya AI2 dan perusahaan teknologi lainnya sebagai blok bangunan.

Alan Verne, profesor di Sekolah Tinggi Teknik di Oregon State UniversityMemberitahu VentureBeat bahwa penelitian AI2 “adalah kemajuan alami dalam mempromosikan VLM untuk robot dan pemikiran fisik.”

“Meskipun saya tidak akan menyebutnya sebagai revolusioner, itu adalah langkah maju yang penting dalam mengembangkan model pemikiran fisik 3D lebih mampu,” kata Verne. “Fokus mereka pada pemahaman yang benar -benar pemahaman tentang adegan tiga dimensi, bertentangan dengan ketergantungan pada dua model -dimensi, mewakili perubahan nyata dalam arah yang benar. Mereka telah meningkatkan model sebelumnya, tetapi kriteria ini masih terbatas untuk menangkap kompleksitas dunia nyata dan tetap relatif terkontrol dan disentuh di alam.”

Dia menambahkan bahwa meskipun masih ada ruang untuk perbaikan dalam standar, dia “ingin menguji model baru ini dalam beberapa tugas pemikiran fisik kita.”

Daniel Moorna, co -founder untuk mulai beroperasi Kumpulkan kecerdasan buatanDia memuji keterbukaan data, mencatat bahwa “ini adalah berita bagus karena pengembangan dan pelatihan model -model ini mahal, jadi ini adalah dasar yang kuat untuk membangun di laboratorium akademik lain dan bahkan amatir yang berdedikasi.”

Peningkatan minat pada kecerdasan buatan

Itu adalah mimpi panjang bagi banyak pengembang dan ilmuwan komputer untuk membuat robot yang lebih cerdas, atau setidaknya kesadaran udara.

Namun, membangun robot yang memperlakukan apa yang dapat mereka “lihat” dengan cepat, bergerak dan berinteraksi dengan lancar, menjadi sulit. Sebelum penampilan LLMS, para ilmuwan memiliki simbol dari masing -masing gerakan. Ini berarti, tentu saja, banyak pekerjaan dan lebih sedikit fleksibilitas dalam jenis prosedur otomatis yang dapat terjadi. Sekarang, gaya LLM (atau setidaknya senjata otomatis) memungkinkan untuk menentukan langkah -langkah berikut yang harus diambil berdasarkan objek yang berinteraksi dengan mereka.

Penelitian Google Saycan Ini membantu menyebabkan penyebab tugas menggunakan LLM, memungkinkan robot untuk menentukan urutan gerakan yang diperlukan untuk mencapai tujuan. OK-Robot Meta dan New York University menggunakan model bahasa visual untuk perencanaan gerakan dan pengolahan objek.

Sulaman Robot desktop 299 dolar telah merilis upaya karakter demokratis untuk mengembangkan robot. Nvidia, yang telah mengumumkan kecerdasan buatan material sebagai arah besar berikutnya, telah merilis beberapa model untuk pelatihan efek cepat, termasuk Cosmos-Traransfer1.

OSU mengatakan bahwa ada lebih banyak perhatian pada kecerdasan buatan material, meskipun penawaran eksperimental terbatas. Namun, mengejar kecerdasan materi umum, yang menghilangkan kebutuhan akan pemrograman robot secara individual, telah menjadi lebih mudah.

Dia mengatakan: “Adegan itu lebih sulit sekarang, dengan buah yang kurang ditangguhkan. Di sisi lain, model kecerdasan material besar masih dalam tahap awal dan lebih matang untuk kemajuan cepat, yang membuat ruang ini sangat menarik.”


Tautan sumber
Continue Reading

Berita

Pemenang video Powerball, yang menendang seorang wakil di Florida, muncul setelah mengumpulkan penghargaan

Published

on

baruAnda sekarang dapat mendengarkan Fox News!

Tembakan kamera tubuh yang baru dirilis menunjukkan para deputi di Florida, yang menangkap pemenang di Kentucky Power setelah menendang seorang deputi di wajahnya, tak lama setelah penghargaan untuk memenangkan hadiah utama.

James Farang, 50, didakwa dengan satu kejahatan dari baterai petugas penegak hukum, dua pelanggaran ringan baterai dan perlawanan seorang petugas mengenai kecelakaan itu pada 29 April.

Pacar Forthing, Jacqueline Baimaster, juga ditangkap. Dia didakwa melakukan pelanggaran ringan karena keracunan yang tidak produktif. Dia dituduh mencoba melawan gembala lain di bar resor.

Dia ditangkap dengan memenangkan hadiah utama dengan kekuatan setelah menendang seorang wakil di wajah: pihak berwenang

James kosong setelah menendang wajah wakil. (Kantor Kabupaten Benillas)

Kantor Pinellas Sheriff County merilis video kamera tubuh pada hari Selasa, yang tampaknya menunjukkan Farthing sebagai wakil di wajahnya mencoba membongkar perkelahian antara tersangka dan pria lain.

Perwakilan tiba di Tradewinds Resort di St. Beit Beach, Florida, dan menemukan dua pria berkelahi dan seorang wanita di tanah.

Varing mengklaim tamu lain di hotel di wajahnya selama pertengkaran.

Seorang buron mengetuk petugas selama penahanan dramatis setelah pesta dua tahun di Florida

James mencoba penerbangan kosong dari tempat kejadian sebelum dia ditangkap dan ditangkap.

James mencoba melarikan diri dari tempat kecelakaan sebelum menggunakan petugas Tser dan menangkapnya. (Kantor Kabupaten Benillas)

Ketika wakil menanggapi pembongkaran pertempuran, diklaim bahwa Frontneh telah membawanya ke wajahnya dan kemudian mencoba melarikan diri dari tempat kejadian, meskipun para deputi menggunakan Tasser, dan dia diperlakukan sebelum ditahan.

“Tidak ada kemeja yang datang untuk menendang, merindukanku dan memukulku di sini,” Deputi mendengar videonya.

Pria lain yang berpartisipasi dalam pertempuran itu juga terlihat dalam status borgol.

Penangkapan datang tak lama setelah Furthing menang dan ibunya memenangkan Grand Prize Award di Kentucky.

Florida Sharif merobek danau danau setelah penangkapan 8

Pemeriksaan James Vargen Hasage

James Varring dan ibunya memenangkan Penghargaan Hadiah Utama di Kentucky tak lama sebelum penangkapannya. Di foto dari kiri ke kanan: Linda Griezel, James Vartting, Jacqueline Weimaster. (Powerball)

Klik di sini untuk mendapatkan aplikasi Fox News

Farthing membeli tiket $ 2 dari stasiun bahan bakar di Georgetown, Kentucky. Setelah mencocokkan semua angka, Feithing dan ibunya Linda Grazel memenangkan 167,3 juta dolar Grand Prix menang, Yang terbesar yang diberikan di negara ini.

Frongh dalam pelepasan tuduhan bersyarat di Kentucky ketika dia ditangkap di Florida. Dia melepaskan haknya untuk kemungkinan sidang pada bulan Juni, dan meminta untuk menghabiskan hukuman yang tersisa. Dia diharapkan akan dirilis akhir bulan ini.

Ini memiliki sejarah kriminal yang panjang, setelah menghabiskan total 30 tahun penjara di berbagai fasilitas, menurut laporan. Dia memiliki penghukuman di sembilan provinsi di Kentucky atas beberapa kejahatan, termasuk mencekik seorang teman, menyuap petugas saat mereka berada di penjara dan menjual kokain kepada seorang petugas rahasia.

Tautan sumber

Continue Reading

Trending