Роботы, которые воспринимают мир через камеры, теперь полагаются на большие визуально-языковые модели для интерпретации того, что они видят, и принятия решений о дальнейших действиях. Эти модели обрабатывают изображения и текст вместе, поэтому любые слова, попадающие в кадр камеры, становятся частью входных данных. Стоп-сигнал, название улицы, наклейка на стене. Чрезмерное обдумывание как причина атаки Исследователи из Мичиганского технологического университета показали, что это чтение…