Primero, ejecute simulaciones del robot y su entorno. En caso de falla, simplemente revierta el simulador a las condiciones iniciales.
Use ideas humanas para aprender de fallas catastróficas de simulación. Encuentre límites que no deben excederse, encuentre estrategias para lidiar de manera segura con una catástrofe cercana, y así sucesivamente.
También busque formas de hacer que las pruebas en el mundo real sean menos riesgosas. Por ejemplo, puede comenzar las pruebas del mundo real a una velocidad más lenta o con un entorno controlado, qué aspectos del entorno debe intentar controlar, y así sucesivamente.
- Cuando la gente dice que la teoría de la red neuronal artificial es incompleta, ¿qué quieren decir?
- ¿Qué lenguaje de programación debo saber si quiero desarrollar inteligencia artificial?
- ¿Cómo puedo crear IA?
- Cómo demostrar el aprendizaje automático
- ¿Existe un lenguaje diseñado para ser utilizado por la inteligencia humana y artificial?
Cuando el simulatuon pueda ejecutarse durante un tiempo razonablemente largo, con cantidades razonables de ruido y variación en todos los parámetros críticos en los que pueda pensar, sin alcanzar sus límites o invocar sus soluciones a prueba de fallas, intente en el mundo real, con Las simplificaciones que has encontrado.
Todas las definiciones de “razonable” en el párrafo anterior dependen de su tolerancia al riesgo. Mantenga a los humanos fuera de las pruebas del mundo real hasta que tenga una muy, muy alta confianza de que no estarán disponibles.
Sin la salud humana involucrada, “razonable” es principalmente una cuestión de economía y probabilidades: ¿cuántos ingresos o ahorros puede generar el robot cuando las cosas van bien, cuánto cuesta cuando las cosas van mal y cuáles son las probabilidades?