目次
なぜ彼らはまた口論するのでしょうか? " >なぜ彼らはまた口論するのでしょうか?
ホームページ テクノロジー周辺機器 AI LSTM の父が再び LeCun に挑戦しました。あなたの 5 つの「革新性」のポイントはすべて私からコピーされました。しかし、残念ながら「読み返すことはできない」

LSTM の父が再び LeCun に挑戦しました。あなたの 5 つの「革新性」のポイントはすべて私からコピーされました。しかし、残念ながら「読み返すことはできない」

Apr 16, 2023 am 10:04 AM
データ モデル

最近、LSTM の父であるユルゲン シュミットフーバーがルカンと再び意見の相違を起こしました。

実際、以前からこの不機嫌そうな老人のことを少し知っていた学生たちは、異端者のユルゲン・シュミットフーバーと機械学習コミュニティの著名人数名との間に不愉快な関係があったことを知っていました。

特に「あの三人」が一緒にチューリング賞を受賞したのに、シュミットフーバーが受賞しなかったとき、老人はさらに怒りました...

結局のところ、シュミットフーバーは、「GAN」グッドフェローの父親を含むベンジオ、ヒントン、ルカンなどの現在の ML 指導者たちは、いわゆる「先駆的業績」の多くが最初に彼によって提案されたものであると常に信じてきました。が出てきましたが、彼らは新聞で彼のことをまったく取り上げませんでした。

この目的のために、シュミットフーバーはかつて、2015 年に Nature 誌に掲載された Bengio、Hinton、LeCun による総説「深層学習」を批判する特別記事を書きました。

この記事では主に結果、彼が最初に言及したこと、他の先輩が最初に言及したことについて話します。いずれにしても、著者 3 人が言及したわけではありません。初め。

なぜ彼らはまた口論するのでしょうか?

今回の事件の原因に戻りますが、実は9月にLeCun氏が送信したツイートでした。

#この内容は、「過去 10 年間における AI における最も重要な知的ブレークスルー (新しいアイデア) は何ですか?」という David Chalmers 教授の質問に対する回答です。

LSTM の父が再び LeCun に挑戦しました。あなたの 5 つの「革新性」のポイントはすべて私からコピーされました。しかし、残念ながら「読み返すことはできない」

10 月 4 日、シュミットフーバーは怒りを込めてブログに記事を書きました: これら 5 つの「最高のアイデア」のほとんどは私の研究室から来ており、長い間提案されていました。 . 「10年」という時点よりもはるかに前のこと。

シュミットフーバー氏は記事の中で、自身の主張を裏付ける6つの証拠を詳細に列挙した。

LSTM の父が再び LeCun に挑戦しました。あなたの 5 つの「革新性」のポイントはすべて私からコピーされました。しかし、残念ながら「読み返すことはできない」

しかし、おそらくそれを見た人が少なすぎたため、シュミットフーバーは 11 月 22 日に再びこの「冷や飯」をかき立てるためにツイートしました。 もう一度読んでください。

しかし、かなり白熱した議論だった前回に比べ、今回はルカンは気にも留めなかった...

LSTM の父が再び LeCun に挑戦しました。あなたの 5 つの「革新性」のポイントはすべて私からコピーされました。しかし、残念ながら「読み返すことはできない」

LSTM の父が「6 つの主要な証拠」を提示

#1. ラベルを自動生成する「自己教師あり学習」ニューラル ネットワーク (NN):それは少なくとも 1990 ~ 1991 年の私の仕事に遡ります。

(I) 予測コーディングを介したリカレント ニューラル ネットワーク (RNN) での自己教師ありオブジェクト生成。複数の時間スケールと抽象化レベルでデータ シーケンスを圧縮する方法を学習します。

ここでは、「オートマトン」RNN が「次の入力を予測する」という事前タスクを学習し、受信データ ストリーム内の予期せぬ観測結果をターゲットとして「アナライザー」ブロック マシンに送信します。 RNN は、より高いレベルの規則性を学習し、その後、適切なトレーニング目標を通じて、取得した予測知識を洗練してオートマトンに戻します。

これにより、以前は解決できなかったシーケンス分類という下流の深層学習タスクが大幅に容易になります。

LSTM の父が再び LeCun に挑戦しました。あなたの 5 つの「革新性」のポイントはすべて私からコピーされました。しかし、残念ながら「読み返すことはできない」

(II) GAN タイプの内発的動機づけによる自己教師型アノテーション生成。世界モデル NN が敵対的なアノテーション生成を予測することを学習します。実験的に発明されたコントローラーNNの結果。

LSTM の父が再び LeCun に挑戦しました。あなたの 5 つの「革新性」のポイントはすべて私からコピーされました。しかし、残念ながら「読み返すことはできない」

さらに、「自己監督」という用語は、私が1990年に発表した論文のタイトルにすでに登場しています。

しかし、この言葉は以前 (1978 年) の論文でも使用されていました...

LSTM の父が再び LeCun に挑戦しました。あなたの 5 つの「革新性」のポイントはすべて私からコピーされました。しかし、残念ながら「読み返すことはできない」

2. "ResNets": は、実際には私が初期に提案したハイウェイ ネットです。しかし、LeCun 氏は、ResNets の知性は「深くない」と考えており、それが非常に残念です。

私がハイウェイ ネットを提案する前は、フィードフォワード ネットワークにはせいぜい数十層 (20 ~ 30 層) しかなく、ハイウェイ ネットは数百層もの層を備えた最初の真に深いフィードフォワード ニューラル ネットワークでした。層。

LSTM の父が再び LeCun に挑戦しました。あなたの 5 つの「革新性」のポイントはすべて私からコピーされました。しかし、残念ながら「読み返すことはできない」

1990 年代、私の LSTM は教師あり再帰 NN に本質的に無限の深さをもたらしました。 2000 年代には、LSTM からインスピレーションを得たハイウェイ ネットがフィードフォワード NN に深みをもたらしました。

その結果、LSTM は 20 世紀で最も引用された NN となり、21 世紀では Highway Nets (ResNet) が最も引用された NN になりました。

これらはディープラーニングの本質を表していると言え、ディープラーニングとはNNの深さのことです。

3.「ゲーティング -> アテンション -> 動的接続グラフ」: これは、少なくとも 1991 年から 1993 年の私の高速ウェイト プログラマーとキーに遡ることができます。 -Value Memory Networks (「Key-Value」は「FROM-TO」と呼ばれます)。

1993 年に、私は今日使用されている「注意」という用語を導入しました。

LSTM の父が再び LeCun に挑戦しました。あなたの 5 つの「革新性」のポイントはすべて私からコピーされました。しかし、残念ながら「読み返すことはできない」

ただし、NN の最初の乗算ゲートは、1965 年の Ivakhnenko と Lapa の深層学習マシンにまで遡ることができることは注目に値します。

4. 「微分可能メモリ」: これは、1991 年の私の高速ウェイト プログラマーまたは Key-Value メモリ ネットワークにまで遡ることもできます。

従来のコンピューターと同様にストレージと制御を分離しますが、(ハイブリッド方式ではなく) エンドツーエンドの差動、適応型、完全ニューラル方式で行われます。

LSTM の父が再び LeCun に挑戦しました。あなたの 5 つの「革新性」のポイントはすべて私からコピーされました。しかし、残念ながら「読み返すことはできない」

5.「多頭自意識->Transformerなどの代替等価モジュール」: 公開しました1991 年に線形化された自己注意を備えたトランスフォーマー。これに対応する用語「注目の社内スポットライト」の歴史は 1993 年にまで遡ります。

6.「GAN は過去 10 年間で最高の機械学習コンセプトです」

あなたは次のように述べました。この GAN の原理 (2014) は、実は 1990 年に私が人工知能への好奇心の名のもとに提案したものです。

LSTM の父が再び LeCun に挑戦しました。あなたの 5 つの「革新性」のポイントはすべて私からコピーされました。しかし、残念ながら「読み返すことはできない」

前回は数か月前でした

実際には、これはもう関係ではありませんシュミットフーバーとルカンの間で今年初めて論争があった。

6月から7月にかけて、両者はLeCun社が発行した「自律型機械知能の将来の方向性」に関する展望レポートをめぐって口論になった。

6 月 27 日、Yann LeCun は数年間保存していた論文「A Path Towards Autonomous Machine Intelligence」を公開し、これを「将来の開発の方向性を示す作品」と呼んでいます。 AIの。」

LSTM の父が再び LeCun に挑戦しました。あなたの 5 つの「革新性」のポイントはすべて私からコピーされました。しかし、残念ながら「読み返すことはできない」

この論文は、「機械が動物や人間と同じようにどのように学習できるか」という問題について体系的に述べており、60 ページを超えます。

LeCun 氏は、この記事は今後 5 ~ 10 年の AI 開発の一般的な方向性についての彼の考えであるだけでなく、今後数年間で何を研究する予定であるかについても述べています。 AI コミュニティにインスピレーションを与えたいと考えており、より多くの人が一緒に学びに来ます。

LSTM の父が再び LeCun に挑戦しました。あなたの 5 つの「革新性」のポイントはすべて私からコピーされました。しかし、残念ながら「読み返すことはできない」

シュミットフーバーは約10日前にこのニュースを知り、新聞を入手し、すぐに反論の記事を書きました。

シュミットフーバー自身のブログ投稿によると、当時の出来事は次のとおりです: ######

2022 年 6 月 14 日、ある科学メディアが、ルカンが 6 月 27 日に報告書を発表するというニュースを発表し、私に報告書の草稿を送ってきました (当時はまだ機密期間中でした)。コメントを求められた。

これは基本的に私たちの以前の作品のレプリカであることを伝えるレビューを書きましたが、LeCun の記事では言及されていませんでした。

しかし、私のコメントは耳を貸さなかった。

LSTM の父が再び LeCun に挑戦しました。あなたの 5 つの「革新性」のポイントはすべて私からコピーされました。しかし、残念ながら「読み返すことはできない」

実際、彼の記事が公開されるずっと前に、私たちはこの記事で LeCun のいわゆる「主要なオリジナル貢献」を提案していました。内容は主に次のとおりです:

(1) 「すべてのモジュールが分離可能であり、多くのモジュールが訓練可能である認知アーキテクチャ」 (私たちは 1990 年に提案しました)。

(2) 「世界モデルの階層構造を予測し、複数の抽象化レベルと複数の時間スケールで表現を学習する」 (1991 年に提案)。

(3) 「有益であると同時に予測可能な表現を生成する自己教師あり学習パラダイム」 (私たちのモデルは 1997 年のモデル化以来、強化学習と世界構築に使用されています)

(4) 勾配ベースのニューラル サブゴール ジェネレーター (1990 年)、抽象概念を含む「不確実性の下での階層的計画のための」予測モデル 空間推論 (1997 年)、「主に行動することを学習するニューラル ネットワーク」 「観察を通して」(2015年)と「考えることを学ぶ」(2015年)はすべて私たちが最初に提案したものです。

7 月 14 日、ヤン・ルカン氏は、議論は建設的でなければならないと応じ、次のように述べました。 「特定の概念を誰が発明したか」に関するこの無駄な議論では、回答記事にリストされている 160 件の参考文献を掘り下げたくありません。より建設的なアプローチは、私がリストした 4 つの貢献の中から、アイデアや手法が含まれていると思われる出版物を 4 つ特定することだと思います。

この論文の冒頭で述べたように、長い間存在してきた概念が数多くありますが、あなたも私もそれらの発明者ではありません。微調整可能な世界モデル 、これは初期の最適化制御作業にまで遡ることができます。

ワールド モデルのトレーニング ニューラル ネットワークを使用してワールド モデルのシステム認識を学習するこのアイデアは、Michael Jordan、Bernie Widrow、Robinson & Fallside、Kumpathi Narendra、によって 1980 年代後半に遡ります。 Paul Werbos 行われている仕事はあなたの仕事に先立って行われます。

私の意見では、この藁人形の答えは、ルカンが話題を変え、いわゆる「主なオリジナル貢献」で他人の手柄を横取りする問題を避けているように思えます。

私は 7 月 14 日に返信しました:

「あなたも私も発明していないもの」に関するあなたの発言について: あなたの論文は、ニューラルを使用して主張していますシステム識別のためのネットワークは 1990 年代初頭にまで遡ることができます。しかし、あなたの前回の回答では、これに関する最初の論文が 1980 年代に発表されたという私の意見に同意しているようでした。

あなたの「主な独自の貢献」に関して言えば、彼らは実際に私の初期の研究の結果を使用しました。

(1) あなたが提案した「すべてのモジュールが微分可能で、多くのモジュールが訓練可能な認知アーキテクチャ」について、「内発的動機づけによる運転行動」:

# 私は、1990 年にオンライン学習と計画のための微分可能なアーキテクチャを提案しました。これは、「内発的動機付け」を備えた最初のコントロールでした。これは、生成的かつ生成的な世界モデルを改善するために使用されます。敵対的; 記事で引用されている 2014 GAN は、このモデルの派生バージョンです。

(2) あなたの提案する「複数の抽象化レベルと時間スケールで表現を学習する予測世界モデルの階層構造」について:

これは、1991 年の Neural History Compressor によって可能になりました。予測コーディングを使用して、自己教師ありの方法で長いシーケンス データの階層的な内部表現を学習し、下流の学習を大幅に促進します。私の 1991 年のニューラル ネットワーク改良手順を使用すると、これらの表現を単一のリカレント ニューラル ネットワーク (RNN) にまとめることができます。

(3) 「制御における自己教師あり学習パラダイム、有益かつ予測可能な表現を生成する」について:

Thisこの点は、私が 1997 年に構築を提案したシステムで指摘されました。将来の入力の詳細をすべて予測するのではなく、任意の抽象的な質問をし、いわゆる「表現空間」で計算可能な答えを与えることができます。このシステムでは、「左脳」と「右脳」と名付けられた 2 つの学習モデルが、最大の報酬を得る相手を選択してゼロサム ゲームを行い、場合によってはそのような計算実験の結果に賭けます。

(4) 不確実性の下で使用できる階層計画の予測微分可能モデルについて、記事には次のように書かれています:

「未解決の疑問の 1 つは、設定者が複雑なタスクを、エージェントだけで完了できる一連のサブ目標に分解する方法をどのように学習するかということです。この疑問は今後の調査に委ねます。」

将来のことは話さないでください。実際、私は 30 年以上前にこの記事を公開しました:

a コントローラー ニューラル ネットワークは追加のコマンドを取得する役割を果たします。 (開始、ターゲット) の形式で入力します。推定ニューラル ネットワークは、開始から目標までの予想コストを予測する方法を学習する役割を果たします。微調整可能なリカレント ニューラル ネットワークに基づくサブゴール ジェネレーターは、この (開始、ゴール) 入力を確認し、推定ニューラル ネットワークを使用した勾配降下法によって一連の最小コストの中間サブゴールを学習します。

# (5) 「主に観察を通じて行動を学習する」ニューラル ネットワークについても強調しました。 実際、私たちはこの問題を非常に早い段階で解決しました。2015 年のこの記事では、部分的に観測可能な環境における強化学習 (RL) の一般的な問題について説明しました。

LSTM の父が再び LeCun に挑戦しました。あなたの 5 つの「革新性」のポイントはすべて私からコピーされました。しかし、残念ながら「読み返すことはできない」

#世界モデル M は、いくつかのことを予測するのは得意ですが、他のことについては不確実です。コントローラー C は、自ら考案した一連の質問 (活性化パターン) を通じてクエリを実行し、回答 (さらなる活性化パターン) を解釈することを学習することで、その目的関数を最大化します。

C は、階層計画や推論、M にエンコードされた受動的な観察の活用など、M からあらゆる種類のアルゴリズム情報を抽出する方法を学習することで利益を得ることができます。

以上がLSTM の父が再び LeCun に挑戦しました。あなたの 5 つの「革新性」のポイントはすべて私からコピーされました。しかし、残念ながら「読み返すことはできない」の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

このウェブサイトの声明
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。

ホットAIツール

Undresser.AI Undress

Undresser.AI Undress

リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover

AI Clothes Remover

写真から衣服を削除するオンライン AI ツール。

Undress AI Tool

Undress AI Tool

脱衣画像を無料で

Clothoff.io

Clothoff.io

AI衣類リムーバー

AI Hentai Generator

AI Hentai Generator

AIヘンタイを無料で生成します。

ホットツール

メモ帳++7.3.1

メモ帳++7.3.1

使いやすく無料のコードエディター

SublimeText3 中国語版

SublimeText3 中国語版

中国語版、とても使いやすい

ゼンドスタジオ 13.0.1

ゼンドスタジオ 13.0.1

強力な PHP 統合開発環境

ドリームウィーバー CS6

ドリームウィーバー CS6

ビジュアル Web 開発ツール

SublimeText3 Mac版

SublimeText3 Mac版

神レベルのコード編集ソフト(SublimeText3)

オープンソース!ゾーイデプスを超えて! DepthFM: 高速かつ正確な単眼深度推定! オープンソース!ゾーイデプスを超えて! DepthFM: 高速かつ正確な単眼深度推定! Apr 03, 2024 pm 12:04 PM

0.この記事は何をするのですか?私たちは、多用途かつ高速な最先端の生成単眼深度推定モデルである DepthFM を提案します。従来の深度推定タスクに加えて、DepthFM は深度修復などの下流タスクでも最先端の機能を実証します。 DepthFM は効率的で、いくつかの推論ステップ内で深度マップを合成できます。この作品について一緒に読みましょう〜 1. 論文情報タイトル: DepthFM: FastMonocularDepthEstimationwithFlowMatching 著者: MingGui、JohannesS.Fischer、UlrichPrestel、PingchuanMa、Dmytr

世界で最も強力なオープンソース MoE モデルが登場。GPT-4 に匹敵する中国語機能を備え、価格は GPT-4-Turbo のわずか 1% 近くです 世界で最も強力なオープンソース MoE モデルが登場。GPT-4 に匹敵する中国語機能を備え、価格は GPT-4-Turbo のわずか 1% 近くです May 07, 2024 pm 04:13 PM

従来のコンピューティングを超える能力を備えているだけでなく、より低コストでより効率的なパフォーマンスを実現する人工知能モデルを想像してみてください。これは SF ではありません。世界で最も強力なオープンソース MoE モデルである DeepSeek-V2[1] が登場しました。 DeepSeek-V2 は、経済的なトレーニングと効率的な推論の特徴を備えた強力な専門家混合 (MoE) 言語モデルです。これは 236B のパラメータで構成されており、そのうち 21B は各マーカーをアクティブにするために使用されます。 DeepSeek67B と比較して、DeepSeek-V2 はパフォーマンスが優れていると同時に、トレーニング コストを 42.5% 節約し、KV キャッシュを 93.3% 削減し、最大生成スループットを 5.76 倍に高めます。 DeepSeek は一般的な人工知能を研究する会社です

MLP に代わる KAN は、オープンソース プロジェクトによって畳み込みまで拡張されました MLP に代わる KAN は、オープンソース プロジェクトによって畳み込みまで拡張されました Jun 01, 2024 pm 10:03 PM

今月初め、MIT やその他の機関の研究者らは、MLP に代わる非常に有望な代替案である KAN を提案しました。 KAN は、精度と解釈可能性の点で MLP よりも優れています。また、非常に少数のパラメーターを使用して、多数のパラメーターを使用して実行する MLP よりも優れたパフォーマンスを発揮できます。たとえば、著者らは、KAN を使用して、より小規模なネットワークと高度な自動化で DeepMind の結果を再現したと述べています。具体的には、DeepMind の MLP には約 300,000 個のパラメーターがありますが、KAN には約 200 個のパラメーターしかありません。 KAN は、MLP が普遍近似定理に基づいているのに対し、KAN はコルモゴロフ-アーノルド表現定理に基づいているのと同様に、強力な数学的基礎を持っています。以下の図に示すように、KAN は

こんにちは、電気アトラスです!ボストン・ダイナミクスのロボットが復活、180度の奇妙な動きにマスク氏も恐怖 こんにちは、電気アトラスです!ボストン・ダイナミクスのロボットが復活、180度の奇妙な動きにマスク氏も恐怖 Apr 18, 2024 pm 07:58 PM

Boston Dynamics Atlas は正式に電動ロボットの時代に突入します!昨日、油圧式アトラスが歴史の舞台から「涙ながらに」撤退したばかりですが、今日、ボストン・ダイナミクスは電動式アトラスが稼働することを発表しました。ボストン・ダイナミクス社は商用人型ロボットの分野でテスラ社と競争する決意を持っているようだ。新しいビデオが公開されてから、わずか 10 時間ですでに 100 万人以上が視聴しました。古い人が去り、新しい役割が現れるのは歴史的な必然です。今年が人型ロボットの爆発的な年であることは間違いありません。ネットユーザーは「ロボットの進歩により、今年の開会式は人間のように見え、人間よりもはるかに自由度が高い。しかし、これは本当にホラー映画ではないのか?」とコメントした。ビデオの冒頭では、アトラスは仰向けに見えるように地面に静かに横たわっています。次に続くのは驚くべきことです

AI が数学研究を破壊する!フィールズ賞受賞者で中国系アメリカ人の数学者が上位 11 件の論文を主導 | テレンス・タオが「いいね!」しました AI が数学研究を破壊する!フィールズ賞受賞者で中国系アメリカ人の数学者が上位 11 件の論文を主導 | テレンス・タオが「いいね!」しました Apr 09, 2024 am 11:52 AM

AI は確かに数学を変えつつあります。最近、この問題に細心の注意を払っている陶哲軒氏が『米国数学協会会報』(米国数学協会会報)の最新号を送ってくれた。 「機械は数学を変えるのか?」というテーマを中心に、多くの数学者が意見を述べ、そのプロセス全体は火花に満ち、ハードコアで刺激的でした。著者には、フィールズ賞受賞者のアクシャイ・ベンカテシュ氏、中国の数学者鄭楽軍氏、ニューヨーク大学のコンピューター科学者アーネスト・デイビス氏、その他業界で著名な学者を含む強力な顔ぶれが揃っている。 AI の世界は劇的に変化しています。これらの記事の多くは 1 年前に投稿されたものです。

iPhoneのセルラーデータインターネット速度が遅い:修正 iPhoneのセルラーデータインターネット速度が遅い:修正 May 03, 2024 pm 09:01 PM

iPhone のモバイル データ接続に遅延や遅い問題が発生していませんか?通常、携帯電話の携帯インターネットの強度は、地域、携帯ネットワークの種類、ローミングの種類などのいくつかの要因によって異なります。より高速で信頼性の高いセルラー インターネット接続を実現するためにできることがいくつかあります。解決策 1 – iPhone を強制的に再起動する 場合によっては、デバイスを強制的に再起動すると、携帯電話接続を含む多くの機能がリセットされるだけです。ステップ 1 – 音量を上げるキーを 1 回押して放します。次に、音量小キーを押して、もう一度放します。ステップ 2 – プロセスの次の部分は、右側のボタンを押し続けることです。 iPhone の再起動が完了するまで待ちます。セルラーデータを有効にし、ネットワーク速度を確認します。もう一度確認してください 修正 2 – データ モードを変更する 5G はより優れたネットワーク速度を提供しますが、信号が弱い場合はより適切に機能します

超知性の生命力が覚醒する!しかし、自己更新 AI の登場により、母親はデータのボトルネックを心配する必要がなくなりました。 超知性の生命力が覚醒する!しかし、自己更新 AI の登場により、母親はデータのボトルネックを心配する必要がなくなりました。 Apr 29, 2024 pm 06:55 PM

世界は狂ったように大きなモデルを構築していますが、インターネット上のデータだけではまったく不十分です。このトレーニング モデルは「ハンガー ゲーム」のようであり、世界中の AI 研究者は、データを貪欲に食べる人たちにどのように餌を与えるかを心配しています。この問題は、マルチモーダル タスクで特に顕著です。何もできなかった当時、中国人民大学学部のスタートアップチームは、独自の新しいモデルを使用して、中国で初めて「モデル生成データフィード自体」を実現しました。さらに、これは理解側と生成側の 2 つの側面からのアプローチであり、両方の側で高品質のマルチモーダルな新しいデータを生成し、モデル自体にデータのフィードバックを提供できます。モデルとは何ですか? Awaker 1.0 は、中関村フォーラムに登場したばかりの大型マルチモーダル モデルです。チームは誰ですか?ソフォンエンジン。人民大学ヒルハウス人工知能大学院の博士課程学生、ガオ・イージャオ氏によって設立されました。

アメリカ空軍が初のAI戦闘機を公開し注目を集める!大臣はプロセス全体を通じて干渉することなく個人的にテストを実施し、10万行のコードが21回にわたってテストされました。 アメリカ空軍が初のAI戦闘機を公開し注目を集める!大臣はプロセス全体を通じて干渉することなく個人的にテストを実施し、10万行のコードが21回にわたってテストされました。 May 07, 2024 pm 05:00 PM

最近、軍事界は、米軍戦闘機が AI を使用して完全自動空戦を完了できるようになったというニュースに圧倒されました。そう、つい最近、米軍のAI戦闘機が初めて公開され、その謎が明らかになりました。この戦闘機の正式名称は可変安定性飛行シミュレーター試験機(VISTA)で、アメリカ空軍長官が自ら飛行させ、一対一の空戦をシミュレートした。 5 月 2 日、フランク ケンダル米国空軍長官は X-62AVISTA でエドワーズ空軍基地を離陸しました。1 時間の飛行中、すべての飛行動作が AI によって自律的に完了されたことに注目してください。ケンダル氏は「過去数十年にわたり、私たちは自律型空対空戦闘の無限の可能性について考えてきたが、それは常に手の届かないものだと思われてきた」と語った。しかし今では、

See all articles