A da, otprilika dva različita projekta imam u vidu.

Prošao sam i konvolucijske mreže. Jednostavna ideja, a vrlo moćna. Uglavnom, to su obične neuralne mreže u koje se umetne i par slojeva matematičkih filtera za raspoznavanje rubova npr.
Filteri pomažu mreži da "shvati" koncept apstraktnijih vizualnih pojmova, dijelova nečega, i polako ih gradi u veću cjelinu sa smislom.

Također potvrđujem i ponavljam svoju preporuku online kurseva od Andrew Ng.

Takožer korištenjem programskih jezika kao što je TensorFlow, neuralne mreže su pristupačne i ljudima koje ne interesiraju matematički detalji iza neuralnih mreža. Doslovce se u 5 linija koda u TensorFlow može isprogramirati neka aplikacija.

Ja ću vjerojatno koristiit TensorFlow za otprilike testirati što radi, a onda ako nanjušim da se nešto može poboljšati, onda se mogu okrenuti custom made implementacijama koje imaju po više stotina linija koda. Ni tu ne moraš sve napisati from the scratch, ima na Github hrpa kodova, uzmeš nešto što je najbliže onome što trebaš i to koristiš kao početni kostur, modificiraš.

Da bi robot radio i prepoznavao ne samo vrste biljaka nego i dijelove, i identificirao gdje su ti dijelovi, morao bi prvo rekonstruirati realni 3D input snimku biljke i prostora okolo. Robotika je ionako 3D stvar.

3D input bi bio količinom informacija daleko veći od 2D slika, tako da ti to garantira potrebu za puno većim NN a za njihovo treniranje puno veći computational power.

Naravno, problem se pojednostavljuje ako taj svoj stroj stavljaš više manje u predvidljive situacije, u kojima se mogu vrlo ograničene stvari događati i u kojima praktički postoji samo dominantna biljka koja je posađena i korov koji je vizualno očit. To onda znači daleko manje treniranja i manju mrežu, samim time dostupnije u smislu computational power.

Ipak, dobra vijest je da mrežu trebaš utrenirat samo jednom (zakupiti neki superkompjuter npr. na akademskim institucijama na kojem bi istrenirao mrežu), i ubaciti istu tu mrežu u mozak svakog robota.

Ajmo podignut ovu temu.

Ima li tko ideju gdje koristiti AI u HB, kako i zašto?

Ova ideja o korovu nije loša.

Zapravo, prva ideja je samo skupljanje podataka. Što uopće skupljat?

Transformeri, jedna specijalna dosjetljiva arhitektura neuralnih mreža, su do sada po meni najveći izum u AI.

Temelje se na ideji self-attention.

Glavna karakteristika transformera je da su vrlo primjenjivi i generalni, na neki način ta općenitost, generalizibilnost, i jest odsjaj, začetak generalne inteligencije čije će tragove kasnije po prvi puta eksplicitno pokazati GPT4 (srce GPT je golemi transformer).