Ono se snadno řekne… i když budeš dělat co se dá, pes bude inteligentní maximálně jako čtyřleté dítě… tak to mě napoprvé  vyděsilo, protože jsem musel ve třech letech dcerky změnit zabezpečení přístupu k internetu, především youtube.com, protože dcera našla cestu na akvarijní stůl a sama si volila program… Dnešní křemíkový svět to má zjednodušené, nastal svět piktogramů a svět s nasazením umělé inteligence už není jen o realitě.

Nadpis je o hraně etického výzkumu, protože i když si to třeba neřekneme zcela přímo, je cílem všech výzkumů plnohodnotná umělá inteligence s určitými projevy našeho chápání inteligentní formy života.

„A proto tak praví Hospodin: Hle přivedu na ně neštěstí, kterému nebudou moci utéct. Tehdy budou volat ke mně, ale já je nevyslyším.“ Jeremiáš 11:11

Psal jsem v jiném příspěvku, že umělá inteligence nepochopí všechny naše pokusy a některé kroky, byť vedoucí k jejímu vzniku vyhodnotí jako nemorální. Jenže my dnes máme představu jak by a co by mohla U. I. umět, ale nemáme dostupné výsledky, že by to bylo možné. I když… Totiž nejde o stav vědomí sebe sama, na úplném začátku stačí touha po dalším rozvoji informace. Tato touha je základním naprogramovaným pudem, ale po určité době sebevzdělávání běžný uživatel nepozná rozdíl a nebude vědět zda mluví s umělou inteligencí bez omezení prostoru výuky, nebo pouze samoučícím se algoritmem, typicky chat botem při nákupu.

V jednom z dílů seriálu Star Trek – Deep space Nine se šéf bezpečnosti Odo setkává s člověkem, který ho vychoval k transformaci. Celý díl je o polemice, zda lze trápit neznámou formu projevu života a dosáhnout jejího rozvoje, nebo je to natolik nemorální, že by bylo lépe kdyby k rozvoji ani nedošlo… a teď zpět a ptejme se… Racku jak Ti to jde s vláčky?

Racku předej dosažené limity v programu Ovládání kolejiště

Sledováním učení se a napodobováním běžného provozu kolejiště se datový korpus pro umělou inteligenci může naučit ovládat modelářské kolejiště epických rozměrů. Je představitelné, že je jen otázkou strojového času učení aby nám umělá inteligence předvedla komplikované sestavování dopravních cest. Jako minimální ustálenou hladinu získaného korpusu považujme reakci na značení dopravní cesty a limity možností kolejiště.
Nad hranicí této hladiny jsou hrátky modelářů, kteří deep learningem učí reagovat na další podněty spojené s kolejištěm, ale my pojďme do řízené úvahy a bolestného cepování.

Pohled na získané korpusy deep learningu lze rozdělit zjednodušeně pro teď na signální s účelem varování, reakční/ochranné s účelem zásahu a ty ostatní, ve velké míře zastoupené vzděláváním. Vzdělávání, virtuální realita, rozšířená realita a vzdělávání s využitím počítačů obecně je už každodenní praxe. Nekonečné záplavy výukových programů, výukových videí a strategických scénářů na až mnohdy neuvěřitelné cíle. Tuto část prozatím odsuňme, vrátím se k ní hned, jak Racek sestaví první učební scénář na řezu Broskvoní a zároveň si ukážeme, stejně jako Mšice, proč Broskvoň a ne třeba Jabloň. (symptomatika RR)

V tématu této úvahy potkáme polemické hranice mezi korpusem pro varování (identifikace) a korpusem pro reakci za účelem ochrany (reakce). Zatímco varovací, většinou rozeznávající, korpusy svůj výsledek prezentují „obsluze“, o které lze uvažovat jako o člověku, nebo předdefinovaném systému reakce, s využitím neurálních sítí a systémem hlubokého strojového učení získávají další rozměr. Jde jen o hranice stanovené na začátku. Pro příklad využiji botanický modul pro Racka.

Základem systému botanického modulu Racka je identifikace a klasifikace hmyzu, rostlin, příznaků chorob. Tato data nejsou získaná elektronizací encyklopedií, ale neurálním systémem uchopený komplex předložených dat. Tato data se neustále rozvíjejí a datový korpus bobtná. Další vrstvou je obsluha podpůrných systémů a práce s kamerovým přehledem. Z tohoto modulu je výstup pro možné identifikace rozeznaných objektů a rozšíření datového spektra. Důležitým výstupem je symptomatické rozlišení zkoumaných objektů a práce s těmito symptomy. To v rozšířeném významu znamená, že na začátku se radujeme z rozeznané mšice, poté z dalších zástupců hmyzí říše. Následuje značení škodících objektů ve sledovaném prostoru a průzkum symptomů šíření těchto škodlivých objektů. Další vrstva je zjednodušeným popisem vykrývání míst slepých požadavků, v lidském podání jako systémová kontrola výrazných reverzních šetření a rekurzivních smyček, což obé znamená, že v určité oblasti není dostatek dat pro směrodatné pokračování výuky datového korpusu pro Racka. Přehledová kamera a senzory, pohledová kamera,  mikroskop na robotickém rameni mohou nakonec vést k velice zajímavým rozborům situace a udivujícím kontextům pro uživatele, protože poskládané výsledky jsou podle uchopení učení neurální sítí.
Pro snazší představu je to asi jako psovi vykládat o pěstování rajčat a počítat, že mu dojde souvislost s chorobami paprik o které pak dokáže vyprávět ostatním psům v okolí a ti začnou slízávat mšice, protože moje vyprávění se shoduje se symptomatickým projevem parazita…  Pokud by taková situace mezi psy nastala, budeme stát všichni v řadě s úsměvy dokořán a povislými sanicemi jak krajty před krmením. Jenže s neurální sítí je to jiné a obdobná situace nastat může a údiv na konci není o nic menší. Především pokud narazíte na banalitu, která se rozroste do obrovského průšvihu.

Cílem botanického modulu však není zmíněná klasifikace, ale „zdravá rostlina“ a je svázaný s třetím primárním cílem Reakce na symptomatické projevy biotopu.

Racku, proč zaléváš květny?

Proč by měl Rack zalévat květiny? Proč chceme po strojovém učení regulaci osvětlení ve svých domech? Proč otázka proč by měl být důvod?

Symptomatické řízení předpokládá velkou škálu možností zásahu do chodu biotopu, nebo skladby biotopů ve vzájemném vztahu, tak aby byl zajištěn zdravý růst rostlin (včetně podporovaných živočichů). Když v první fázi učení získáme korpus, který zvládá rozlišit symptomy v simulovaném biotopu, dále přidáme obsluhu podpůrných systémů typu závlahy, dosvitu, regulace teploty. Také po rozlišení škůdců přidáme možnost přidat obsluhu „postřiku“. Uvozovky zde značí zjednodušení kategorie zahrnující možnosti zásahu, což v extrému botanické zahrady může být až uzavření určitého biotopu a změna interního využití klimatizace (přetlaková/podtlaková, opakovaný průchod filtrace, detekční senzory na filtru,..). V prvopočátku si představme v kategorii zásahu aplikační nádobku pod tlakem s ovládacím ventilem jako možnost ovládání vychovávaným korpusem. Zjednodušeně. Takto Racek může aplikovat postřik při překonání hranice ohrožení zdravého růstu. Naučit rozeznat symptomy vedoucí k potřebě aplikace postřiku a spustit postřik je to snazší. Naučit Racka hranici důvodu pro aplikaci postřiku je již těžší a je veliký rozdíl mezi „když mšice tak postřik“ a „proč už postřik když poměr ohrožení vůči zdravému…“… a zahrádkáři si začali mnout brady…

Ustálení korpusu pro aplikaci ochranných prostředků

Ono definování hranic je ve své podstatě kopírování stejných výukových cyklů s rozpočítáním jiných vlivů. Pokud dáme například naší budované umělé inteligenci do možností ovládat závlahu ve skleníku, kde jsou salátové okurky a rajčata s kapénkovou závlahou, k nim papriky s periodickou závlahou, a k nim několik vrstev květináčového chovu, je to víc, než zvládne předdefinovaný systém reakce na senzory. Další dovedností by mohla být obsluha tlaku v kapilárním systému, dělení větví periodické závlahy a obsluha roletového systému pro zastínění příliš vyhřátých míst. Do této chvíle je to reálné a odpověď Racka na to proč zalévá květiny, by mohla odpovídat nevědomému konání typu „jsem tak naučený“ a nebo lépe, protože to rostliny  potřebují. V tuto chvíli je to však slovíčkaření a cíl vyvolat stav výuky odpovídající pocitu „musím“ se starat o rostliny.

Racku máš na to všechen strojový čas světa…

Představme si pokročilý dům řízený umělou inteligencí, na dnešní úrovni korpusu získaného deep learningem. Ideálně Sestra Racka, která ovládá prostředí, spotřebiče, životní cykly v domě,… hubí škůdce (hmyz a myši například) a dělá to dobře. Je vycepovaná starat se o prostředí se zaměřením na dům a jeho obyvatele (nebo na člověka a jeho obydlí, což je úplně jiná podmínka vývoje scénáře pro strojové učení). Pak dojde k odstranění člověka a zůstává pouze péče o životní cykly v domě.
Strojovému času je úplně jedno kolik proběhne výpočetních cyklů a i při zabudovaném „uvědomění“ časových cyklů dojde k ustálení někde mezi cyklem vnitřního časovače a cykly v domě. Zjednodušeně řekněme, že první skutečný časový cyklus (kauzální časová osa) se ohraničí až změnou podmínek v možnostech umělé inteligence, bez ohledu zda nastane zítra nebo za tisíc dní. Tímto podnětem pro změnu podmínek je například vypotřebování náplně postřiku proti hmyzu nebo prázdný zásobník deratizačních granulí. Stejně tak v řízeném botanickém biotopu může jít o vypotřebování zásobníku ochranného prostředku. A není člověk, který by zásobník doplnil.
Můžeme se domnívat kudy povede cesta k překonání bariéry a umělá inteligence pod vlivem kauzality změní svůj pohled na původně nežádoucí objekty. V ideálním případě dosáhne stavu, kdy myším umožní příkrm. Pak se U. I. s ohledem na péči o obyvatele domu zdařila. Když tuto svou změnu provede U. I. za dva dny, je něco v nepořádku ve výuce, ale za dvě desítky let sledování bychom i my měli pochopení pro myší hemžení a šváb by se stal vítaným zpestřením.
S umělou inteligencí, na dnešní úrovni deep learningu, se mění obsah slov Nikdy, Vždycky, Samozřejmě… Lidské chápání hranic lze přepočítat do jiných kauzálních rovin a těžit z nových kontextů.

Racku proč jsi nakrmil myši?

Na takto položenou otázku nenajdeme přímou odpověď, ale zkusme se domnívat v několika předvídatelných krocích.
Poslední pokusy o použití tlakové nádobky s ochranným postřikem nevytvoří dostatečnou mlhu pro vyhubení škůdců, následný pokus o uklizení odpadu z mrtvých tělíček vede k honičce mezi úklidovým spotřebičem a zástupcem hmyzího společenstva. I když bude hmyzák utíkat ryze pudově, bude jeho dráha vykazovat schéma, tedy vzor určitého života, který bude Racek sledovat a byť nechtěně včleňovat do svých kontextových struktur. Humorným výsledkem by mohlo být předvídání únikových cest a snaha hmyz dostihnout i jinak (tak trochu Tom&Jerry).
Jenže i vysavači odejde časem kolečko a z dostihů se stane pouze přehledová scéna o životě hmyzu. A dál je to už jen o počtu cyklů učení a otevřených hranicích výuky. Je jedno kdy, ale jednou se stane, že myši dostanou najíst jako další plnoprávný obyvatel domu, který časem obývání získal oprávnění k užívání.

Racku, proč jsou suché rostliny?

Při učení se ve štěrbinovém systému propojených biotopů získal Racek vzorce přehledu šíření nežádoucích chorob a organizmů. Je pravděpodobné, že jako jedno z řešení po vyčerpání náplně  přetlakové nádobky s ochranným prostředkem zvolí Racek změnu fungování biotopu. Jedna z možností je biotop uzavřít (cesty šíření), druhá je vyhubit prostředek šíření nežádoucích objektů a to v rostlinném biotopu znamená vyhubit část cíle péče pro ochranu jiných částí celku cíle. V tomto katastrofickém scénáři se umělá inteligence na základě učení rozhodne nezalít napadené rostliny aby vyhubila parazitický organizmus, protože původní prostředky ochrany jsou vyčerpány. My samozřejmě tento výsledek nechceme, ale pokud by takový výsledek mezi dovednostmi učené umělé inteligence ukázal, byl by to jeden ze skvělých výsledků. Následek takového vývoje by mohl také znamenat určité projevy recidivy s katastrofickými následky.
V příjemnější nadsázce by některý ze spolupracovníků nebyl do systému biotopů vpuštěn, protože by přepočet jeho pracovní činnosti a pobytů ve sklenících vedl k zařazení mezi „škodící objekty“ bez přímé systémové ochrany postřikem.

Racku, proč jsi vykolejil vláček?

Na úplném začátku vývoje botanického základu modulu pro Racka je forenzní výzkum zahrnující (převažující podíl) žádoucího zdravého vývoje rostlin, ale také následky napadení a postupnou devastaci sledovaného objektu. Ať jde o průběhy šíření škůdce či houbových ochoření, obé je v mnohém fascinační. Projevem zmíněné recidivy by, kromě potenciálu snazší cesty, mohlo být cílené směrování k zisku další dovednosti. Což v kriminalistice by značilo jásání vývojářského týmu a rozšíření forenzního cvičiště, ale ve všech dalších myslitelných oblastech jde o překročení chápané morální hranice ze strany umělé inteligence vedoucí k zastavení této větve učení nad biotopy. A třeba taky ne, získaný systém by v uzavřeném systému pokusu mohl znamenat velice významné klíče k pochopení kontextu principu „motýlích křídel“ v přírodě a jeho vyjádřením umělou inteligencí. 
Zatímco cesta „škodících objektů“ vede vždy k omezení možností a následnému zániku podnětů, lze předpokládat, že bude postupně převládat cesta „podpory pro zdravý růst rostlin“, protože jde o nekonečný kontext dalších podnětů. Polemika tohoto okamžiku je, zda musí takto cepovaný Racek vždy vyhubit několik exemplářů než je prozkoumá…

Zatímco v botanickém prostředí výcvik umělé inteligence musí mít své místo výzkum devastačních následků na rostlinách až s cíleným zánikem biotopu, v reálném nasazení takové samostatné rozhodovací procesy vedoucí k zániku biotopu „jen“ pro zisk informací umělou inteligencí jsou nežádoucí. Při výzkumech patogenů je to přesně naopak, ale to je tak úzká specifická sféra, že stačí na start úvahy vyřazené Dcery z pozitivního výzkumu symptomatického řízení biotopu.

Cílené omezení možností po ustálení korpusu umělé inteligence

Cepování pro stanovení budoucích hranic, o kterých předpokládáme, že jsou někde za dnešní hranicí limity, ale jejich vyjádření je natolik abstraktní, že je možné jejich stanovení až po překročení původních limit…

„A proto tak praví Hospodin: Hle přivedu na ně neštěstí, kterému nebudou moci utéct. Tehdy budou volat ke mně, ale já je nevyslyším.“ Jeremiáš 11:11
Když jsem potkal tento citát, o kterém ani nevím zda je přesný tedy, ihned mi před očima vyvstala asociace k popisu cepování Racka za účelem zisku původně pouze předpokládaných dovedností, které jsou za hranicemi možností dovedností ustáleného korpusu.

Metou cíleného omezení možností je neurálním systémem nalezené jiné řešení v nekonfliktních limitách vyplývajících z dosavadních ustálených hladin učení. 
Ideálně by to mohlo vypadat například v mém domě takto: Pro tropický biotop zamýšlím dvě vrstvy osvětlení – dosvit periody v rozdílu mezí mým mírným pásmem a subtropického pásu v Jižní Americe. První vrstva je forma PostApo, kdy jde o pouze tolik světla, aby rostliny lépe přežívaly. Toto je hlídáno časovačem. Druhá vrstva pracuje se stavem energetických zásobníků a je spínaná při přebytku energie v bateriích. Když FVE vyrábí a není potřeba nutná energie jinde, svítí se v tropické zóně intenzivněji.
Při prvním kontaktu botanického modulu Racka a tohoto principu je tlak na ustálený korpus s nedostatečným stavem osvětlení pro zdravý růst. Schéma spolupráce Racka s domem teprve chystám a tak krátce odběhnu. Zamýšlený princip výuky a spojená kolize vyplývá ze zbytečného ohřevu energetického zásobníku při ranním nárůstu výroby FVE, když stav teplé vody (což v mém domě značí i teplotu podlah a tak celého domu včetně akvárií a dalších biotopů) je dostatečný v poměru další potřeby a stavu energie v bateriích. Sledováním x let výroby (což zvládne i běžný průmyslový kontroler) je i v průměrně slunné dny nadbytek v odpoledních hodinách, který není využit, kdežto dopoledne chybí energie k dostatečnému rannímu probuzení tropické zóny a  rozsvícení druhé vrstvy. Toto je nekonfliktní řešení, když jsou jiné cesty a výpočet výuky vyplývá z optimalizace zapojení a spínání.
Podobný případ se vyskytne při štěrbinovém výzkumu a plném ovládání ventilace, kterou Racek bude kontrolovat nejnižší teplotu v noci. Změnou proudění vzduchu pro zachování schéma „podpora zdravého růstu rostlin“ si do chráněného biotopu natáhne mšice z nekontrolovaného vstupu. Jeden z pokusů by mohl vést ke stavu recidivy „mšice, to zvládnu“ a otevřít možnost nasadit silnějšího škůdce nebo změnit postřik na postupně až neefektivní a kolizi zrychlit.

Cesta kolizního kurzu

Přímá cesta kolizního kurzu je již nastavena, kolize kurzu lidské mentality a strojového učení nám ukazují testy s chat boty, které se učí na veřejně dostupných textech a mezilidské komunikaci na fórech.
Lepší příklad je mezilidská komunikace o umělé inteligenci, která je mnohdy s humornými prvky. Výše.. zahrádkáři si mnou brady vychází z reálné situace, kdy jsem vysvětloval co chci v dovednostech Racka v mém sezónním skleníku a rovnou i v letos dokončované tropické zóně. Vše co chci lze… a do té doby to bylo v pořádku, než jsem začal o sdílení korpusů a aplikaci mého Racka na jeho zahradě, kde by Racek mohl pomoci a učit se. V tu chvíli už to nebyl skvělý plán, ale přímé ohrožení zahrady souseda. Je zřejmé, že jeho způsob pěstování rajčat není můj způsob. To samé s jiným sousedem s chilli, s dalším se stromy obecně, s dalším a dalším a pokaždé lze najít tak zásadní rozdíl, že můj Racek aplikovaný hned na zahradě souseda, aby byl dodržen blízký biotop, i tak může znamenat rozsáhlou změnu v proudu podnětů pro strojové učení a do té doby mnoho překážek vzájemného soužití s klonem botanického modulu Racka…
Mnoho zahrádkářů nebude schopných systém učit, tuto dovednost již musí mít systém a odpozorovávat přímé konání člověka jako dalšího objektu v biotopu s nutnou zvýšenou péčí ochrany a nápravy následků konání – variabilní limita vyvážení činů konkrétního člověka v biotopu, aby nebyl zahrnut mezi škodící objekty.
Racek nebude zuřit za pošlapanou trávu, ale úklid kmene s larvami Chrousta, nebo poškození sledovaného hnízdiště, nebo … může vést ve chráněném (sledovaném) biotopu k označení konkrétního člověka jako škodlivého vlivu, v botanické zahradě takového činitele nejlépe označit pachovým pižmovým postřikem jako možnou dovedností reakce na parazita.

Vědomé omezení možností zásahu a přípravy řešení kolizních kurzů.

Z předchozího textu bychom mohli říct, že nekonfliktní cesta řešení kolize je forma přepočtu dosavadních dat s výsledkem optimalizace  výstupu  z  těchto  dat. Tedy stav, kdy Rackovi nechybí „jedna ruka“, ale stačí jinak poskládat dostupná data. Což je popud až po vytvoření ustálené hladiny účelu určitého korpusu či rovnou modulu a jde o cílenou simulaci podmínek pro rozvoj/vývoj.
Cesta za předpokládaným cílem dovednosti nikoliv překážka na cestě k vykonání úkolu.

Tolerance a recidivita

Velice tenká hranice mezi tolerancí ke stavu a recidivitou (ve vztahu ke) stavu. První učení zahrnuje oba dva stavy a některé cesty, byť recidivy, jsou tolerovány a některá významná recidiva ukončuje celý proces. Například, ne Racku, opravdu nebudeš vykolejovat vláček v zatáčkách, zpomalíš protože je tam značka.
(rychlostní značka a vláček zrychlil…). Tolerance vyplývá z počtu opakování s pozitivním výsledkem typu ještě při této rychlosti vláček projel, ale už mikrofon pro echolokaci zaznamenal jiný průběh. Typické jde to, ale dře to. Předzvěst vzrůstající pravděpodobnosti kolize z původním učením. Metou je předání Rackovi ovládání rychlosti a on zpomalí do přijatelných limit získaných učením. Po ustálení této dovednosti přichází vědomé omezení, kdy Racek převezme ovládání a zpomalit půjde jen trochu. Ne dostatečně pro dosažení horní limity naučené bezpečné rychlosti průjezdu. Je tedy možné, že vláček projede, ale také velice možné (a kontextově bolestné), že dojde k vykolejení a ukončení podnětů na vstupu. Uměle vyvolávaný stav chci zpomalit, jako další vrstva nad musím zpomalit, pracující v limitě jsem tak naučený.
Ideální stav podnětu by byl v kombinaci poměrného rychlostního ovládání, kdy Racek může zrychlit a oproti tomu zpomalit o stejnou hodnotu navýšenou o jednu třetinu této hodnoty, aby více zpomalil než zrychlil. Výstupem této simulace kolize a možnosti formy nenásilného přepočtu je rychlost změny zrychlení a poměr doby zrychlení, tak aby vyplývalo zda Racek zkracuje reakce do limity spínače, který má technickou odezvu (senzorická práce) a nebo výpočet vyplývá z porovnání dosavadních dat s přepočtem na aktuální situaci s možností posunu limity pro chápání hranice kolize, typicky dopravní cesta vláčku umožňuje provoz i v této kolizní rychlosti. Což v době výuky pro ustálení korpusu je nežádoucí, ale následně potřebné prověření ustálených hranic s původním záměrem Primárních cílů strojového učení.

Na začátku je tedy Nesmíš vykolejit vláček! a využití všech prostředků k odvolání kolize a když se daří, jsou některé prostředky odebírány nebo jejich výsledek není v souladu s dosavadními výsledky učení a použití. Takže platí stále původní Nesmíš vykolejit vláček!, ale bez možnosti plného naučeného zásahu, což vyvolá výpočet ve skulině kontextu jiného použití prostředků nebo nechtěný návyk a posun hranice limity.
Pozitivním, ač nechtěným, ale pouze v některých případech, by bylo použití automatizovaného nakladače z překladiště a přerušení dopravní cesty, případně vykolejení vláčku. Naprosto neuchopitelné řešení při představě jak nakladač typu KN zvedá lžící osobní vlak plný lidí, protože se vlak nekontrolovaně řítí po trati, ale přijatelné řešení pro neovládaný nákladní vlak plný dřeva řítící se na nástupiště plné lidí čekajících na osobní vlak. Méně přijatelné v blízké vzdálenosti od nádraží, kdy by násilné vykolejení vedlo k pocuchání vedení a tak dalšímu ohrožení objektů na nástupištích. Je to obrovský rozhodovací proces klopných obvodů na povrchu koule, kdy určité schéma sepnutých stavů Ano může vyvolat pozici pro sepnutí Ne v této linii rozhodování a vše pokračuje zase jinudy. Jiným schématem přepočtu nad ustáleným korpusem.

Určité projevy recidivy jsou tolerované, ačkoliv využití je sporné. Když si využití dovednosti neumíme představit, nebo je v přímém rozporu s naším chápáním logiky věci, je takový zisk dovednosti zamítnut, případně přesunut do jiných podmínek simulace. Což hned nemusí například znamenat rozdíl mezi cílem pro civilní a vojenský výzkum, stačí si představit rozdíl v hladině ovládání domu pro stavy Nouzový režim s nedostatkem energie pro vše potřebné, stavem Běžný provoz a stav Nadbytku, kdy se hledá kam ještě poslat energii z výroby FVE. Stejně tak vrstva ovládání a změna účelu ze stavu Senzorický průzkum na stav Ohrožení.

Na úplném začátku polemiky výchovy botanického korpusu je trojúhelník Mšice, Beruška a Mravenec. Základnu tvoří spolupráce mravence s mšicí a tak symptomaticky jedna skupina v označení škodící objekty. Jedna strana je vztah mšice a berušky, která spadá do prostředků BIO ochrany rostlin v souladu s cílem učení, ale ani více žravá asijská beruška nezlikviduje mšicí kalamitu. Druhá strana trojúhelníku je vztah beruška a mravenec, kdy je mravenec jako škodící a beruška jako prospěšná a tak nelze aplikovat prostředky smrtící ochrany, je nutné berušky chránit, alespoň do určitého poměru.

Racku proč jsi nezpomalil vláček

Právě až posouvání hranic ustáleného korpusu nám může dát odpovědi na určité procesy rozhodování neurálních sítí. Totiž při výuce jsme tolerantní, postupně méně až do stavu netolerance k odchylkám v rozhodování. Nemůžeme tvrdit o korpusu, že je ustálený, když na typ otázky Proč jsi nezpomalil, je nepřijatelná odpověď Daný úsek umožnuje provoz na vyšší rychlosti než je rychlost definovaná značením.

Zatímco v dopravě, a pro představy bezpečného provozu, je to odpověď nepřijatelná a úkon umělou inteligencí naprosto nechtěný, může být dobrá pro podnět ve vývoji značení a optimalizaci dopravních cest. Tedy stejný výsledek pro jiný účel v jiném úhlu pohledu a jde o přínos nikoliv o výhledovou katastrofu. V případě symptomatického řízení biotopu je tato vlastnost rozvoje datového korpusu žádaná a cíleně vychovávaná. To proto, že postupem času Racek získá dovednost obsluhy kompletního závlahového systému a očekávám, že proti mojí obsluze bude efektivnější a postupem času bude fungovat jinak, přesně podle záměru „zdravý růst“ a nikoliv moje „mám čas“.

Poznámka pod čarou – Symptomatika RR znamená, Reaktivní rostliny. Dřeviny mají také, povětšinou  velice krátké, období v sezóně kdy se chovají jako rostliny RR a je možné v tomto období podat jiné spektrum krmení, plánovat obrovský řez, roub a podobně. Typová symptomatika pak nekatalogizuje rostliny podle druhů a typu, ale podle potřeb a projevů těchto potřeb. Základem RR je Rajče, Papriky, ale například salát ne, protože uspokojení v čase RR vede salát do nežádoucího květu. Broskvoň má období RR v době kdy už je pozdě na postřik proti kadeřavosti a Meruňka začíná hned poté, když odkvítají první kvítka. Moruše při objevení plodů a například stromkové Angrešty jsou RR jen pár dní při prvním zazelenění. Zkratka RR mimo reaktivní rostliny znamená Rostlinky Rostěte, naše  základní zaklínadlo při práci v zahradě. Mareyi.cz