И еще раз - перечитай про КАКУЮ я технологию пишу! Потом попробуй привязать свой коммент к теме.
Хотелось бы, но такие ответы показывают, что понимания 0. Узнай для начала разницу между обучением и использованием.
А теперь перечитай топик и дай ответ - при чем тут количество машин к работе KPA?
Печально, из 7 ответов только 1 по существу, остальные пришли пофлудить, толком не прочитав, про что тема. еще 2 флудера где-то потерялись, хотя вроде как не в бане))
Ну, в автопаркинге ИИ особо и не нужен. Система датчиков, система управления и алгоритм.
Если система считает, что авто не смоежет запарковаться, она и не будет пробовать, тут как раз надежнее чем человек.
Вообще-то в форде нет автопилота хотя бы уровня 2+, это ассистент, помогающий, но не заменяющий. Следить все равно надо.
Вот кстати хороший пример этот флудер. Он старается, шлепает мессджи, думая что загадит весь форум.
Что думаешь, админ проснется и будет ручками выпиливать все? Нет, достаточно удалить юзера. Все сообщения каскадом удаляться из базы тоже. Когда БД поддерживает принципы ACID - это не вызывает сложностей. MySQL его поддерживает частично, а вот POSTGRSQL - полностью. Там каскадные связи строить проще.
Тут некоторые удивляются, как форд умеет сам ездить по полосе. Вот небольшое обьяснение
Системы удержания автомобиля в полосе (по-английски Lane Keeping Assist, LKA или Lane Centering Assist) — это часть современных ADAS (Advanced Driver Assistance Systems).
Система использует камеры и датчики, чтобы:
Распознать дорожную разметку.
Определить положение автомобиля в полосе.
Если автомобиль начинает "уезжать", система:
либо предупреждает водителя (звуком/вибрацией),
либо автоматически корректирует траекторию (легкий поворот руля).
Чаще всего — одна моно-камера в районе зеркала заднего вида.
Смотрит на дорогу впереди и фиксирует:
линии разметки (белые/желтые),
края дороги (в некоторых системах — даже обочину/бордюры).
Камера передаёт изображение в встроенный вычислительный блок (ECU).
Запускаются алгоритмы компьютерного зрения (OpenCV-подобные + нейросети):
Определение полосы — часто через Hough Transform, CNN, Segmentation.
Определение смещения автомобиля от центра полосы.
Расчет угла отклонения и предполагаемой траектории.
Если авто смещается вбок без включенного поворотника — система считает, что это непреднамеренное отклонение.
Тогда система:
🔔 Предупреждает (если включен Lane Departure Warning),
🔄 Аккуратно корректирует (если включен Lane Keeping Assist),
🤖 Или удерживает в центре полосы (если активен Lane Centering Assist — более продвинутый уровень).
Зависит от конструкции авто:
Электроусилитель руля (EPS) — рулевое колесо может немного подрулить в нужную сторону.
Тормозные модули — некоторые системы слегка подтормаживают одно из колес, чтобы подправить курс (например, на малых скоростях).
Система может взаимодействовать с другими модулями: ESP/ESC, радаром, GPS.
OpenCV + C++/Python: для базовой обработки линий.
TensorFlow Lite или ONNX: для лёгких моделей сегментации дороги.
Используются архитектуры типа U-Net, ENet и др. для распознавания дорожных границ.
Считается, что системы работают хорошо, только если есть разметка. Если её нет — ИИ может "потеряться", но современные нейросети (как в Tesla, Mobileye, NVIDIA Drive) учатся распознавать даже контекст дороги.
У меня далеко не Тесла, но система неплохо понимяет, например, если есть разметка только с одной стороны а со второй стороны - бордюр. Обочину обычную тоже неплохо понимает.
Кайф, когда вечером едешь в тумане, сам разметку почти не видишь, но машина на удивление понимает.
Непонятно почему только эта система помогает на скорости только свыше 60 км/час. Вот адаптивный круиз делает тоже самое, но с 0 так же держит полосу, но еще и контролирует расстояние до впереди идущего автомобиля - может сам останавливаться и трогаться. Жаль, не умеет различать сигналы светофора и норовит проскочить за впереди идущим авто. Видел что в китайских авто уже научили и на светофор смотреть.
У меня в этом практики ноль, но, могу разобраться в прочем что и делаю.
Мне нужна некая простая база (рабочая) чтобы наглядно было, потом уже проще будет.
Рабочая база - это сесть и почитать про базы данных. Как устроены, что умеют. Без этого приведенные примеры тебе ничего не дадут.
Зная основы, тебе уже будет абсолютно все равно на чем реализовывать - вордпрессе, или Питоне.
Как это понять для групповых чатов ?
Нужно только 2 собеседника в 1 чате.
Ну и упрости уже сам
К примеру user1 написал user2, user 2 ответил user 1. - далее удаление у себя сообщение удалили к примеру 2 пользователя то оно удаляется автоматом из БД у обоих пользователей.
Видите не все так просто
Ты прежде чем браться за такое - немного почитай про реляционные базы данных для начала, если такое пишешь. На самм деле это очень просто, с таких примеров начинают изучать БД на самом деле.
Ну что, вот совсем было лень отформатировать ответ от ГПТ-чата? Ты можешь в промпт вставить - "дай ответ в формате документа README", тогда он ответит одним файлом, в котором уже будет необходимое форматирование.
Убили интересную тему, может и правильно, но там был интересны момент, которая мне продемонстрировала что оппоненты в принципе не понимают чем отличается нейросеть от обычных алгоритмов меребора.Было заявлено что Deep Blue, который в 1997 году выиграл в шахматы у Каспарова, тоже самое что современнные нейросети. При том что это чушь. DB - это как раз алгоритм перебора. За счет колоссальной по тем временам скорости - 200млн оп/с и загруженной огромной базы партий. Он мог на каждом ходу перебирать подходящие варианты и отсекать те, что не приводят к победе(алгоритм отсечения). Играть в шахматы он не умел
А теперь - что такое Leela/ AlphaZero? Это уже нейросеть на основе deep learning. В него не загружались готовые партии. По факту обучение происходило в игре с самим собой. Изначально он знает только правила. Используется алгоритмы Монте-карло и СNN. Что это значит - не происходит перебора всех позиций - оцениваются только перспективные на данный момент и уже для них строится вариант хода.
По факту неразумный транзистор делает тоже самое, что и человеческий мозг - анализирует только важную информацию.
Кстати, примерно такое же отличие между файнридером и современными OCR - они не сравнивают с образцами букв, а просчитывают вероятность того, что это какой-то символ.
Надеюсь, кому-нибудь это было полезно.
