WEBVTT 00:00.450 --> 00:05.700 Cześć, witamy w Statoil i rozmawiamy zainicjowaliśmy mapę. 00:05.850 --> 00:12.090 A teraz czas na ekscytujące rzeczy, które tworzymy, i robimy to z klasą oczywiście. 00:12.090 --> 00:18.660 Przekonasz się, że klasa jest bardzo praktyczna, aby stworzyć pewne rzeczy, które mają wiele właściwości, ponieważ jak 00:18.660 --> 00:25.300 widzisz, nie tylko znajduję pewne zmienne z mojego samochodu, ale także pewne funkcje, które oczywiście są funkcją, 00:25.300 --> 00:30.270 która sprawi, że samochód ruszy do lewo na prawo lub idź prosto. 00:30.720 --> 00:35.970 Mamy więc kilka zmiennych, które są ważne, aby opisać środowisko, które 00:35.970 --> 00:42.590 mamy na przykład kąt, który jest kątem między osią x a osią kierunku samochodu. 00:42.630 --> 00:50.040 Następnie mamy rotację, która jest jego ostatnią rotacją, która pamięta albo 0 stopni 20 stopni, albo 00:50.040 --> 00:51.550 minus 20 stopni. 00:51.570 --> 00:57.690 Następnie mamy prędkość, współrzędną x wektora prędkości i współrzędną y wektora 00:57.690 --> 00:58.320 prędkości. 00:58.470 --> 01:05.740 A następnie wektor współrzędnych prędkości x i prędkość Y, następnie mamy czujniki i sygnały. 01:05.830 --> 01:12.280 I to jest bardzo ważne, że wywołanie, które tworzymy, będzie miało trzy czujniki czujnik jeden czujnik 01:12.310 --> 01:18.240 drugi i czujnik trzy czujniki jeden wykryje, czy jest jakiś sens przed samochodem. 01:18.420 --> 01:25.070 Następnie czujnik 2 jest czujnikiem, który wykrywa, czy jest jakiś sens po lewej stronie samochodu, a czujniki 3 01:25.080 --> 01:29.640 to czujnik, który wykrywa, czy jest jakiś sens po prawej stronie samochodu. 01:29.950 --> 01:37.080 A następnie z tych trzech czujników otrzymujemy sygnały, że sygnały odbierane przez każdy z czujników. 01:37.290 --> 01:43.320 Tak więc sygnał jeden jest sygnałem odebranym przez czujnik jeden sygnał to sygnał odbierany przez czujnik 2 i 01:43.330 --> 01:46.370 sygnał 3 jest sygnałem pojedynczym odbieranym przez czujniki 3. 01:46.380 --> 01:47.700 A więc jak to działa. 01:47.770 --> 01:54.310 Sygnał 1 to gęstość wysyłania wokół czujnika jednego sygnału, do którego gęstość centrum wokół czujnika, 01:54.820 --> 02:00.560 aby zasygnalizować trzy, to gęstość wysyłanej wokół czułości i jak obliczamy gęstość piasku. 02:00.670 --> 02:01.690 To bardzo proste. 02:01.700 --> 02:06.110 Robimy duże kwadraty wokół każdego z czujników. 02:06.130 --> 02:12.490 Są to faktycznie kwadraty o wartości 200 na 200 i dla każdego z kwadratów dzielimy liczbę na 02:12.490 --> 02:17.840 kwadraty przez całkowitą liczbę komórek w kwadracie wynoszącą 22, a 20 równą 400. 02:18.070 --> 02:22.530 I to daje nam gęstość piasku, ponieważ te odpowiadają centrum. 02:22.630 --> 02:27.790 Robimy to dla każdego czujnika i daje nam gęstość piasku wokół każdego czujnika. 02:27.790 --> 02:29.550 To są sygnały. 02:29.650 --> 02:35.450 W porządku, więc teraz mamy wszystko, by wykryć czujnik, a potem mamy funkcję ruchu. 02:35.450 --> 02:40.660 Oczywiście funkcja ruchu pozwala rdzewieć iść w lewo, idąc prosto lub idąc 02:40.660 --> 02:41.530 w prawo. 02:41.920 --> 02:43.360 Przejdźmy więc szybko. 02:43.360 --> 02:50.410 Mamy tutaj aktualizację położenia samochodu z jego ostatnią pozycją, którą jest tu samo przejazd 02:50.740 --> 02:52.400 i wektor prędkości. 02:52.540 --> 02:58.720 Tak więc dzięki wektorowi prędkości pozycja będzie aktualizowana w kierunku wektora prędkości. 02:58.930 --> 03:05.320 Następnie dostajemy rotację, którą otrzymamy w dalszej części kodu tutaj. 03:05.320 --> 03:08.040 Obrót jest równy akcji względem akcji rotacji. 03:08.040 --> 03:11.400 On wybierze akcję, a następnie wejdzie w rotację. 03:11.410 --> 03:15.580 Tak więc ta samoobrona jest tutaj równa rotacji. 03:15.610 --> 03:21.130 W tej rotacji wiemy, w jaki sposób musimy obrócić samochód, który jedzie w lewo 03:21.130 --> 03:22.360 lub w prawo. 03:22.420 --> 03:28.510 Następnie aktualizujemy kąt, który sobie przypominam, to kąt między osią x a osią 03:28.510 --> 03:29.560 kierunku samochodu. 03:29.620 --> 03:35.350 A potem, gdy samochód się ruszył, musimy zaktualizować czujniki i sygnał, ponieważ oczywiście, kiedy 03:35.350 --> 03:41.380 samochód właśnie się obrócił, a czujniki również się obróciły i dlatego musimy je obracać za 03:41.380 --> 03:45.500 pomocą funkcji obrotu i do której dodajemy nowa pozycja. 03:45.790 --> 03:48.950 I dlaczego mamy ten wektor 30 0. 03:49.090 --> 03:54.070 Cóż, to dlatego, że 30 to odległość między samochodem a czujnikiem. 03:54.130 --> 03:59.080 Wiesz, jest odległość między samochodem i tym, co samochód wykrywa. 03:59.230 --> 04:04.210 A potem, gdy czujniki zostaną zaktualizowane, to czas zaktualizować sygnały. 04:04.270 --> 04:07.110 Tak więc robimy dokładnie to, co wyjaśniłem wam, sygnały komputerowe. 04:07.240 --> 04:13.780 Podajemy współrzędne x naszego czujnika, a następnie weźmiemy wszystkie komórki od Manstona do plusa 10, a następnie robimy 04:13.780 --> 04:19.070 to samo dla współrzędnej y przyjmującej wszystkie komórki od Madisona do plus 10. 04:19.090 --> 04:27.040 Tak więc otrzymujemy kwadrat o wielkości 20 na 20 pikseli otaczających czujnik, a wewnątrz kwadratu - 04:27.130 --> 04:28.280 niektóre starsze. 04:28.300 --> 04:35.170 Więc w zasadzie z niektórymi komórkami, ponieważ komórki zawierają 0 lub 1, a ponieważ w 20 na 20 kwadratach jest 04:35.170 --> 04:38.060 20 razy 20 równa się 400 komórek. 04:38.200 --> 04:45.520 Cóż, dzielimy go przez 400, aby uzyskać gęstość tych w kwadracie i to w ten sposób otrzymujemy sygnał 04:45.730 --> 04:52.090 gęstości centrów wokół czujnika i robimy to samo dla drugiego czujnika, a trzeci czujnik, aby uzyskać 04:52.360 --> 04:54.870 drugi sygnał i trzeci sygnał. 04:55.060 --> 04:55.340 DOBRZE. 04:55.360 --> 05:00.220 Więc to jest wziąć czujnik, a te trzy linie kodu są tutaj bardzo ważne. 05:00.220 --> 05:05.710 Kolejna rzecz, jaką chcemy, chcemy dostać do naszego samochodu, gdy dociera do jednej z krawędzi 05:05.710 --> 05:06.290 mapy. 05:06.290 --> 05:11.830 Wiesz, że nie chcemy, żeby samochód wjechał w niektóre mury i dlatego chcemy go ukarać, aby 05:11.830 --> 05:16.380 go ukarać, gdy zbliża się zbyt blisko Wall i dlatego właśnie to robimy. 05:16.630 --> 05:24.970 Jeśli pierwszy czujnik jest większy niż dłuższy minus 10, który jest większy niż tutaj, ponieważ dłuższy jest ten dystans tutaj, więc 05:24.970 --> 05:27.580 tutaj jest już minus minus 10. 05:27.580 --> 05:33.550 Więc jeśli czujnik działa dłużej niż dłużej Manison dotyczy wszystkich punktów tutaj. 05:33.550 --> 05:40.930 Oznacza to, że jeśli samochód zbliża się do prawej krawędzi mapy lub czujnik czujnika działa mniej niż 05:40.950 --> 05:48.250 10, to tutaj, gdy samochód zbliża się do lewej krawędzi mapy lub gdy czujnik Y jest 05:48.250 --> 05:55.870 większy niż większy minus 10 to jest górna krawędź mapy i lub jeśli samocenzura Y jest mniejsza niż 05:55.870 --> 05:58.670 10, to jest dolna krawędź mapy. 05:58.720 --> 06:06.370 Jeśli więc czujnik osiągnie jedną z tych czterech krawędzi Cóż, umieścimy sygnał czujnika, 06:06.490 --> 06:08.760 gdy sygnał wysłany. 06:08.800 --> 06:10.290 Ustawimy go na taki. 06:10.540 --> 06:11.610 I co to znaczy. 06:11.650 --> 06:15.390 Oznacza to, że pełny dźwięk przypomina pełną gęstość piasku. 06:15.580 --> 06:17.270 To jest najgorsze i można dostać. 06:17.330 --> 06:19.540 Jest tyle sensu, że zatrzyma twój samochód. 06:19.660 --> 06:24.480 Tak więc sygnał będzie jeden, a zatem samochód otrzyma strasznie złą nagrodę. 06:24.490 --> 06:24.830 W porządku. 06:24.820 --> 06:30.190 A potem robimy to samo dla sygnału i sygnalizuje trzy z czujnika dwa wystąpienia trzy. 06:30.410 --> 06:30.790 W porządku. 06:30.800 --> 06:36.470 A potem tworzymy klasę gry, więc jest to w zasadzie klasa do stworzenia gry, ponieważ do 06:36.470 --> 06:40.720 tej pory stworzyliśmy tylko samochód, a teraz oczywiście musimy stworzyć mapę. 06:40.820 --> 06:42.310 Musimy stworzyć samą grę. 06:42.410 --> 06:47.750 Więc nie będziemy grać w grę, to nasza sztuczna inteligencja, która będzie grała w grę, a gra polega 06:47.750 --> 06:52.240 na unikaniu przeszkód i na przemieszczaniu się z lotniska do centrum i na odwrót. 06:52.520 --> 06:59.610 W tej klasie gry musimy stworzyć obiekty takie jak samochód, a następnie zdefiniować funkcję 06:59.630 --> 07:00.540 aktualizacji. 07:00.590 --> 07:05.330 To jest najważniejsze, a teraz skupimy się na tym właśnie teraz, ponieważ 07:05.330 --> 07:12.250 jest to funkcja aktualizacji, która wybierze działanie, które samochód musi wykonać i za każdym razem, aby osiągnąć swój cel. 07:12.350 --> 07:16.880 A ta akcja jest dokładnie wynikiem naszej sieci neuronowej. 07:16.880 --> 07:20.860 Nowa wola będzie działała w sercu naszej sztucznej inteligencji. 07:20.930 --> 07:27.550 A więc ta akcja jest zwracana przez mózg samochodu, który pozostaje przedmiotem naszej ludzkiej klasy, która będzie 07:27.560 --> 07:29.780 robiła w naszym pliku AI. 07:29.930 --> 07:36.500 I ten obiekt ma metodę, która nazywa się aktualizacją i przyjmuje jako dane wejściowe ostatnie słowo i 07:36.500 --> 07:37.590 ostatni sygnał. 07:37.610 --> 07:43.250 Tak więc ostatnie słowo jest oczywiście ostatnim słowem uzyskanym przez samochód, a ostatni sygnał jest 07:43.250 --> 07:50.480 oczywiście ostatnim sygnałem z trzech czujników, które sygnalizują jeden z czujnika jeden sygnał drugi z czujnika do sygnału trzy z 07:50.480 --> 07:51.240 czujnika 3. 07:51.440 --> 07:56.870 Ale potem dodaję dwa inne wejścia, które są orientacją samochodu pod względem celu. 07:56.900 --> 08:01.540 Jeśli na przykład samochód zmierza w kierunku celu, orientacja będzie równa zeru. 08:01.730 --> 08:06.730 Jeśli przesunie się nieco w prawo, orientacja będzie bliska 45 stopni. 08:06.920 --> 08:11.820 A jeśli pójdzie nieco w lewo, orientacja będzie bliska minus 45 stopni. 08:11.900 --> 08:15.380 To jest siła wejściowa naszych stanów wejściowych. 08:15.410 --> 08:18.950 A potem pojawia się lekcja, która ma orientację minus. 08:19.010 --> 08:25.250 Tak więc zwykle dane wejściowe sieci neuronowej są niezależne. Nie ma wielobiegunowości, ale nie ma znaczenia, czy tak 08:25.250 --> 08:29.360 jest, ponieważ sieć neuronowa po prostu naprawi to za pomocą wag. 08:29.480 --> 08:35.450 Ale nadal zauważam, że dodanie tej orientacji minusowej dobrze pozwala samochodowi na szkolenie 08:35.450 --> 08:37.840 samochodu w celu stabilizacji przyspieszenia. 08:37.940 --> 08:43.460 Wiesz, że robimy to w ten sposób, że sztuczna inteligencja nie zawsze eksploruje w tym samym kierunku, dodając 08:43.460 --> 08:44.390 tę orientację ujemną. 08:44.390 --> 08:48.680 Upewniamy się, że eksploruje on w prawo lub w lewo. 08:48.920 --> 08:55.780 Tak więc te trzy sygnały Plus orientacja i orientacja ujemna to pięć wejść naszego 08:55.810 --> 09:03.020 zakodowanego wektora, które wejdą do sieci, którą nasz wektor wejściowy przejdzie do sieci i po 09:03.050 --> 09:09.560 przejściu do sieci Cóż sieć zwróci wyniki, które to akcja do grania. 09:09.650 --> 09:15.290 I za każdym razem, dane wyjściowe są zwracane przez tę funkcję aktualizacji, która zawiera samą 09:15.290 --> 09:20.450 sieć i dane wyjściowe sieci, i dlatego właśnie musimy wprowadzić ostatni sygnał, który 09:20.450 --> 09:26.110 jest stanem wejściowym, a także ostatnie słowo, ponieważ akcja do odtwarzania również zależy od ostatniego słowa. 09:26.950 --> 09:33.700 W porządku, a następnie aktualizujemy główny wynik słów, które aktualizujemy rotacja, używamy funkcji ruchu, 09:33.700 --> 09:37.500 aby obrócić samochód zgodnie z wybraną akcją. 09:37.510 --> 09:44.230 Odbieramy odległość samochodu od drogi i otrzymamy pozycje czujników piłkę po jednej kulce dwa w odpowiedzi 09:44.230 --> 09:48.490 Riekera na piłki, które będą reprezentować czujniki na mapie. 09:48.530 --> 09:49.880 Zobaczysz to bardzo szybko. 09:50.550 --> 09:56.230 I tutaj ta część jest bardzo ważna, ponieważ tam właśnie karamy samochód, jeśli 09:56.230 --> 10:04.060 ma to jakiś sens, ponieważ jak widać, oznacza to, że jeśli samochód jest w jakimś sensie, zostanie spowolniony. 10:04.150 --> 10:06.550 Właśnie tam zmniejszamy prędkość. 10:06.590 --> 10:10.020 Wiesz, że jego prędkość wynosi zwykle 6, jak widać tutaj. 10:10.150 --> 10:14.410 A jeśli dojdzie do pewnego sensu, będzie to spowolnienie do 1. 10:14.430 --> 10:17.810 Zobaczysz, jak samochód zostanie spowolniony, gdy w pewnym sensie to nastąpi. 10:18.030 --> 10:19.090 Jest spowolniony. 10:19.210 --> 10:23.610 A poza tym dostaje złą nagrodę dostaje minus, którego chcemy. 10:23.920 --> 10:26.140 I to jest najgorsza nagroda, jaką możesz dostać. 10:26.140 --> 10:32.100 Najlepsza nagroda to jedna z najgorszych, jakie mamy, to minus jeden, a nagroda to od minus 1 do plus 1. 10:32.530 --> 10:33.450 A poza tym. 10:33.570 --> 10:35.770 A samochód nie jest na jakimś piasku. 10:35.980 --> 10:41.000 Cóż, zachowuje swoją zwykłą szybkość prędkości seksu, a następnie dodajemy coś innego. 10:41.080 --> 10:45.710 Jeśli zbliży się do celu, otrzyma nieco pozytywną nagrodę. 10:45.910 --> 10:53.410 A jeśli odsunie się od celu, otrzyma nieznacznie ujemną nagrodę minus 0. 2. 10:53.590 --> 10:54.830 A potem ostatni. 10:54.830 --> 10:57.280 Warunki, które są związane z nagrodą. 10:57.470 --> 11:02.840 Cóż, jeśli samochód zbliża się zbyt blisko krawędzi, jak mówiliśmy wcześniej. 11:02.910 --> 11:04.990 Pamiętaj, kiedy rozmawialiśmy o czujniku paliwa. 11:05.220 --> 11:11.840 Jeśli samochód zbliży się do lewej krawędzi mapy, otrzyma minus jedno słowo, jeśli zbliży się do 11:11.840 --> 11:15.440 prawego brzegu mapy, a otrzyma nagrodę minus jeden. 11:15.710 --> 11:20.220 A jeśli znajdzie się zbyt blisko dolnej krawędzi mapy, dostaniesz minus lub minus jeden. 11:20.360 --> 11:25.230 A jeśli znajdzie się zbyt blisko lewego górnego rogu mapy, otrzyma nagrody minus jeden. 11:25.230 --> 11:27.620 To straszna kara. 11:27.620 --> 11:31.910 I zobaczysz, jak jest pełna i szybka, aby nie spieszyć się z czymś innym. 11:31.940 --> 11:36.600 W porządku, a następnie to, aby zaktualizować go, gdy cel zostanie osiągnięty. 11:36.620 --> 11:41.390 Więc wiesz, kiedy samochód dociera na lotnisko, które jest pierwszym, gdzie znajduje się lewy górny róg 11:41.390 --> 11:41.920 mapy. 11:41.930 --> 11:45.990 Podczas gdy cel zmienia się w prawy dolny róg mapy, która jest w centrum. 11:46.250 --> 11:51.080 Dokładnie to robimy, aktualizujemy współrzędną x Crow i białe współrzędne 11:51.140 --> 11:55.870 połączenia, a następnie aktualizujemy odległość od samochodu do samochodu. 11:55.880 --> 11:56.260 W porządku. 11:56.270 --> 11:58.320 A to mniej ważne. 11:58.340 --> 12:04.130 To tylko klasa, która doda nam narzędzia do malowania, które znamy, aby móc namalować niektóre drogi lub przeszkody na 12:04.130 --> 12:10.790 mapie, które są bardziej związane z K. V. Mogę rzucić okiem, jeśli chcę, przedstawię skondensowaną 12:10.790 --> 12:16.370 wersję tego kodu, a ja dam ci znać, jeśli chcesz dowiedzieć się więcej o tym, jak to 12:16.370 --> 12:17.570 zrobić z skivvy. 12:17.570 --> 12:22.730 Ale my idziemy dalej od sztucznej inteligencji, więc nie zamierzam zagłębiać się w szczegóły. 12:22.910 --> 12:30.110 I tak samo jest w przypadku ostatniej sekcji kodu z klasą samochodów, która jest tak samo, jak przyciski interfejsu czystego 12:30.110 --> 12:31.320 zapisywania i ładowania. 12:31.520 --> 12:32.810 Więc to właśnie tutaj robimy. 12:32.820 --> 12:34.900 Wyczyść płótno bezpieczne. 12:34.940 --> 12:40.220 I to jest dla nas bardzo ważne, abyśmy mogli uratować dzień, w którym wiem, 12:40.700 --> 12:46.520 aby zapisać mózg, aby móc go później wykorzystać, przejmując funkcję ładowania, która jest kolejnym narzędziem, które dodajemy 12:46.520 --> 12:52.010 na mapie, aby załadować mózg samochodu, który to załadować pamięć samochodu, jak poruszać się po mapie. 12:52.250 --> 12:57.830 I wreszcie mamy ostatnią z ostatniej sekcji kodu, która uruchamia całą rzecz, 12:57.830 --> 13:00.660 która uruchamia mapę i samą AI. 13:00.980 --> 13:03.340 I właśnie to właśnie teraz zrobimy. 13:03.590 --> 13:07.020 Rzućmy okiem na wszystko, co zrobiliśmy w tym kodzie. 13:07.040 --> 13:10.520 Więc teraz sztuczna inteligencja nie jest zaimplementowana. 13:10.520 --> 13:13.910 Tak więc kod będzie miał bardzo losowy ruch. 13:13.940 --> 13:17.810 Będzie to wyglądało jak owad, ale nie martw się, naprawimy to. 13:17.810 --> 13:24.860 Zwykle szkolimy go, aby poruszał się jak prawdziwy samochód i trenował go, aby nawigować po niektórych drogach 13:24.920 --> 13:26.380 i omijać przeszkody. 13:26.660 --> 13:27.710 Zróbmy to. 13:27.710 --> 13:32.240 Zamierzam wybrać wszystko i wykonać. 13:32.510 --> 13:33.900 A oto mapa. 13:33.950 --> 13:35.270 A tu jest samochód. 13:35.690 --> 13:36.070 W porządku. 13:36.080 --> 13:41.600 Oto mała rzecz, która wygląda jak owad w naszym samochodzie. 13:41.630 --> 13:45.960 Tak jak ci powiedziałem, działania są całkowicie przypadkowe. 13:46.220 --> 13:53.890 Za każdym razem samochód wybiera losowo akcję, czy iść prosto w lewo, czy w prawo. 13:53.930 --> 13:59.260 Dlatego właśnie robi pewne nonsensowne ruchy i dlatego wygląda jak owad. 13:59.450 --> 14:01.460 Naprawimy to oczywiście. 14:01.730 --> 14:09.500 I oczywiście od momentu aktywacji sztucznej inteligencji, to nie jest cel, którym jest lotnisko lub centrum 14:09.500 --> 14:12.930 miasta w prawym dolnym rogu mapy. 14:13.760 --> 14:21.850 Naprawimy to wszystko, wykonując sztuczną inteligencję, która zaimplementuje sztuczną inteligencję w tym samochodzie lub tym owadzie, 14:21.860 --> 14:26.480 dzięki czemu zobaczysz trzy kulki, żółtą, czerwoną i białą. 14:26.630 --> 14:28.190 To nasze trzy czujniki. 14:28.220 --> 14:30.020 Więc to wykryjemy. 14:30.020 --> 14:32.580 Jest w tym trochę zapachu. 14:32.810 --> 14:35.720 I mówiąc o zapachu Cóż, rzućmy trochę. 14:35.720 --> 14:45.510 Aby to zrobić, wystarczy kliknąć lewym przyciskiem myszy i w pewnym sensie nadal uczę się od lewej. 14:45.510 --> 14:50.240 Więc teraz dodam trochę piasku, możemy dodać trochę więcej. 14:50.250 --> 14:57.360 Więc za każdym razem w szaleństwie, jak widać, umieszczając je w środkowej tablicy, to wysyłamy tablicę, 14:57.360 --> 15:00.100 która ma 00 współrzędnych pochodzenia. 15:00.180 --> 15:01.990 A tutaj jest ich wiele. 15:02.080 --> 15:04.720 A jak widzisz, dobrze jest zobaczyć samochód. 15:04.770 --> 15:07.240 Właśnie ruszyliśmy w dół i zwolniliśmy. 15:07.620 --> 15:12.230 Tak więc, jak widać, teraz jest bardzo wolna, ponieważ wchodzi w piasek. 15:12.510 --> 15:14.820 A teraz próbuje uciec. 15:16.310 --> 15:23.030 A więc wiesz, co zrobimy, to narysujemy kilka dróg i narysujemy kilka dróg z lotniska do 15:23.030 --> 15:28.490 centrum, a my wyszkolimy samochód, aby pozostał na drodze i aby uniknąć przeszkód. 15:28.490 --> 15:28.830 W porządku. 15:28.850 --> 15:35.690 I jak widać jasny przycisk, aby wyczyścić piasek, znajduje się przycisk zapisu, aby uratować 15:35.690 --> 15:37.230 mózg samochodu. 15:37.310 --> 15:43.640 I rzeczywiście istnieje ta podstawowa krzywa, którą mówiliśmy o bezpieczeństwie, które zapisuje twój model 15:43.640 --> 15:50.270 w mózgu samochodu, a następnie możesz wiedzieć, kiedy wychodzisz z zimna lub wyłączyć komputer i chcesz 15:50.270 --> 15:51.680 do niego wrócić. 15:51.920 --> 15:59.290 Możesz użyć przycisku obciążenia, aby załadować swój tryb, który ma załadować mózg, a to dostanie 15:59.360 --> 16:01.760 pociągi AI twojego samochodu. 16:01.820 --> 16:06.030 W porządku, więc teraz nie mogę się doczekać rozpoczęcia sztucznej inteligencji. 16:06.080 --> 16:07.450 To będzie dużo zabawy. 16:07.490 --> 16:13.910 Zrobimy naszą sieć neuronową i ukaramy samochód, gdy tylko nie zrobi tego, czego chcemy. 16:14.120 --> 16:16.290 Zróbmy to z następnego samouczka. 16:16.400 --> 16:18.140 A do tego czasu ciesz się.