Sztanyiszlav Jegorovics esetében pl az AI megnyomta volna a gombot !! Az a legnagyobb probléma az AI-al,hogy mindig bizonyos szabályok szerint fog eljárni , kizárva a diszkrecionális döntés lehetőségét. (lásd az említett Petrov példáját)
Ez így erős.
1. Ehhez nem kell AI, pl. a Perimetr nem AI-alapu dead hand rendszer. Viszont az emberi felugyeletet okosan meghagytak.
2. Ha automata rendszer lenne, az logikailag "ÉS" kapcsolatokkal leírható lenne.
Pl. perimetr esetében (nem pontos, de a lényeg kb. így fest):
Ha van szeizmikus tevékenység (becsapódás/robbanás) ÉS volt műholdas rakétaindítás adat ÉS nincs kapcsolat a panacsnoksággal ÉS van radioaktivitás, akkor kínáld fel az indítást (vagy indíts, ha full automata lenne).
Ez sima automatizmus, nem Ai.
Ha már AI-alapú lenne (jóisten mentsen meg mindenki tőle), akkor játszana az is, hogy behallucinál valamit, aztán random indít, nem indít.
Nem véletlen sima "ÉS" kapcsolatok vannak.
A műszaki életben (FEM, Genetatív tervezés, render, stb.) továbbra is egy vicc az AI. Másutt is kétlem a minőségét ha egy jól definiált (vázlat/DS+leírás) látványtervet sem hoz össze hibátlanul. Hadi alkalmazásnál meg egy jármű alakmásítását, h kezeli majd? Vagy egy kucorgó katona hőképét?
Különböző szemléletet igényel a mérnöki tervezés mint az LLM működés. Mérnök, programozó: determinisztikus output, LLM: statisztikus f,szkodás (nem is csoda, hogy sz.r).
Bitcoin érzezem van: iszonyú "hájp" meg lufi és egyszer csak paff.
Túl van hájpolva, lesz paff is, aztán jönnek az igazi megoldások.
SMIC gyártotta Kínában. Jelenleg 5 nm-t karcolgatják. 2023 óta nincs TSMC gyártás Kínának ebben a kategóriában.Igazad van. 7 nm. De nem Kínában, hanem a TMSC-nél gyártották. Viszont Kína tervezte. Egyébként nem DUV, hanem EUV.
------------
Amire jelenleg MÁR használható az AI:
- 3D battlefield rajzolás (műholdkép, árnyékok)
- változások, követés (akár keréknyomok, stb.) alapján, paraméterek mentén (gyalogos táv, APC táv. stb.)
- minták tanulása és felismerése (pl. álcázás, szokások, stb.)
- harcjárművek beazonosítása
- fotók/videók alapján 3D modellezés, azokból lehetséges variációk (szín, álca, napszak, stb.) felismerhető minták generálása más adathalmazokkal egyeztetve; még nem azonosított lehetséges dolgok (pl. új jármű, lehetséges új álcázás) felismerése
- összes bejövő adatban mintakeresés, minták feltárása, összehasonlítása, lehetséges következtetések, anomáliák
Ezeket össze lehet fogatni vele (szigorúan felügyelet mellett) és tud hasznos áttekintést adni (csak kell a felügyelet). Minél több korrekciót/szabályt kap, annál kevesebb hibát produkálhat.

