Будет лучше, чем в Матрице – Исследование показало пользу машин в сравнении с людьми

20.07.2019 20:01

Будет лучше, чем в Матрице – Исследование показало пользу машин в сравнении с людьми

Компьютер способен адекватно оценивать комедийные произведения, в отличие от человека.

Новые исследования показало, пользу машин в сравнении с людьми. Особенно это касается поиска книги, фильма или же места для обеда, которое понравится человеку. В 21 веке человек может спросит, как у случайного прохожего, так и у своего друга. Однако ответить на его вопрос может и компьютерный алгоритм. Новое исследование отчасти подтвердило теорию писателей-фантастов о системе технократии. Дело в простейшем компьютерном алгоритме, который ответит на вопрос без знания информации о характере предметов, которые он рекомендует.

Задаваясь вопросом о том, чего стоит ждать человечеству, исследователи на 100% уверены лишь в одном. Будет лучше, чем в Матрице, поскольку в фильме представлен яркий пример негативной технократии, чего человечество не допустит.

Будет лучше, чем в Матрице – Исследование показало пользу машин в сравнении с людьми

Ряду таких алгоритмов не нужны подробности, которые зачастую рассматриваются человеком. В недавнем исследовании ученые сравнили, насколько рекомендаций людей и компьютеров. Они сделали это в довольно сложной области для компьютеров – юморе. В частности, исследователи рассмотрели компьютерные и персональные рекомендации о шутках, которые люди посчитали бы смешными. Из-за того, что юмор, является уникальным человеческим опытом, предсказывать смешные для человечества шутки было сложно для машинной системы. Продолжение... Будет лучше, чем в Матрице – Исследование показало пользу машин в сравнении с людьми

Учёные создали биочип, который обнаружит рак на начальной стадии

Учёным удалось обнаружить биомаркеры заболевания на концентрации масштаба Фемто – это не только меньше, чем nano или pico, но и в 1000 раз меньше, чем нынешнее количество, полученное с помощью...

Тем не менее, исследователи обнаружили, что алгоритм, использующий оценки выборки шуток от нескольких людей, генерирует рекомендации, которые лучше соответствуют предпочтениям подопытных в шутках, чем рекомендации от людей, которые их хорошо знают.

Источник

Читайте также