同时他注意到屏幕上那些观众互动留言的频率变慢了,就知道他们大部分都听懂了自己的讲解,现在正在思考回味。
休息了几秒,鲁柏民继续讲解。
“就以最简单的打扫卫生来分析。”
“我们认为它最简单,但在实际工作中,它需要手眼脑的共同配合。先由眼睛来观察室内环境,大脑再对图像进行分析处理,控制双手去挥动扫把。”
“一场卫生打扫下来,需要几百次到上千次的动作。”
“可能我们人类觉得完成一次挥舞扫把的动作很简单,但机器人去完成一次,并不简单。”
“看似一个动作,在机器人的芯片中,要涉及几十种传感器的协调工作,相对应的全身机械结构,同样要协同运动。”
“所以我预计,仅仅是一个扫地服务。”
“精灵女佣的芯片中,要执行上万条数据库命令。每一条数据命令,分配到传感器和机械结构上,又会产生超过千次的数据交互,和机械传动。”
“一个动作,精灵女佣执行起来就如此复杂。”
“一个服务里的几百到上千个动作呢?”
“一个家政大项里,几百个服务小项呢?”
“所以我现在,就要通过一些充满逻辑矛盾的方法,来让这些数据出现BUG。”
鲁柏民想要表达的意思很清楚,精灵女佣看似神奇的背后,是无数命令代码在支持它工作。
就算是最简单的一个服务,命令代码驱动下,传感器和机械结构都要有千万级次的数据交互和机械传动。
那这些程序,不会出错嘛?
就算扫地服务不会出错,其它服务呢?
扫地在家政中算是最简单的一种,那些涉及到人类的服务项目,复杂程度超过百倍。
譬如照顾婴儿。
譬如看护病人。
这些已经不是用命令代码就能解决的问题,需要一种更高级程序的解决方案。
一种基于AI线性模型、逻辑模型、矢量量化模型,深度神经网络模型的基础上,诞生出的一种更强大AI模型。
这种模型方案,复杂程度已经超出了鲁柏民的知识范围。
但这种AI模型又真的存在,并大规模应用在了精灵女佣身上。
那么必然,创造出这种AI模型的设计师,必然是全世界最伟大的程序大师。
他对AI程序的理解,已经超越了所有人