Už na začátku 20.
století se mezi lidmi objevovali první představy, že náš svět ovládnou roboti.
Sestrojení mechaničtí tvorové, které budou na různé povely pracovat, vymýšlet
věci a budou se chovat jako lidé. Mechanické roboty kolem sebe máme již řádku
let, ty co se učí a přemýšlí, se začínají objevovat až v poslední době.
V tomto článku se
budeme věnovat neuronovým sítím, které se čím dál častěji budou objevovat v našich
chytrých telefonech, tabletech či počítačích, a především strojovému učení. Co
to jsou neuronové sítě? Jedná se o jeden z výpočetních modelů používaných
v umělé inteligenci. Jejím vzorem je chování, které odpovídá biologickým
strukturám. Skládá se z umělých neuronů, který je vystaven podle neuronu
biologického. Neurony jsou vzájemně propojeny a navzájem si předávají signály a
transformují je pomocí určitých přenosových funkcí. Neuronové sítě se často
používají pro rozpoznávání obrázků nebo zvuků, předvídání vývoje
časových řad (např. burzovních indexů), někdy dokonce k filtrování spamu.
Časté využití mají také v lékařství.
Neuronové sítě úzce souvisí právě se strojovým učením,
které jsou v této době pro vývojové firmy č. 1. Strojové učení k programování
a různým problémům přistupuje úplně jinak než klasické programy. Místo pěvně
daných postupů a předpisů, techonologii vysvětlíte pouze základní věci a
předložíte obrovský soubor studijních dat. Program pro strojové učení pak data studuje
- prochází, hodnotí, rozřazuje, přiděluje jim podle dalších vazeb různé
parametry a vytváří jejich model, který pak může aplikovat. A stejně jako u
člověka, i v tomto případě platí, že čím více zkušeností má, tím má i
lepší znalosti, tím pádem vyrobí lepší model. Negativum strojového učení je, že
než vyrobí dostatečně dobrý model, musí se naučit spousty věcí a ze začátku
nemusí dosahovat kvalitě klasickému programu. Pokud se mu ale něco podaří, může
až mnohonásobně tradiční programy překonat. Příkladem mohou být jazykové
překladače, které již prvky umělé inteligence využívají.
Téma
strojového učení a umělé inteligence je velice zajímavé, ale pro mnohé často
složité a neuchopitelné. Google může pomoci. Společnost Google zprovoznila
webové stránky https://aiexperiments.withgoogle.com/,
kde si všichni mohou prohlédnout, jak takové strojové učení a umělá inteligence
pracují. Nyní vám jednotlivé experimenty v krátkosti představím.
Jedním z příkladů je
hra Quick Draw, které v posledních
dnech obletěla uživatele sociálních sítí. Jedná se o hru, kdy se neuronové sítě
snaží rozpoznat, co právě kreslíte. Čím častěji hru hrajete, tím více se síť
naučí.
Další experiment přináší slovník v nové podobě. Telefonem, tabletem či laptopem si vyfotíte danou věc, např. boty a aplikace vám, dá překlad vyfoceného obrázku.
Tento experiment
využívá strojového učení k organizaci ptačích zvuků. Počítač, neměl žádné
informace o ptácích – jejich jména apod.. Ale počítač za použití techniky zvané
t-SNE vytvořil mapu, kdy jsou podobné zvuky umístěny k sobě.
U jiného experimentu si
zapnete fotoaparát a vy můžete prozkoumat, co neuronové sítě vidí. Ve videu
níže si můžete prohlédnout jednotlivé vrstvy neuronové sítě, a jak fungují.
Další experiment
představí, co se děje během strojového učení. Umožňuje kodéry vidět a
prozkoumat jejich rozsáhlá data. Cílem je, aby každý kodér mohl použít tyto
vizualizační techniky a prohlédnout tak jejich data.
Tento experiment je
opět interaktivní. Umožní vám vytvářet hudbu přes strojového učení. Neuronová
síť byla vyškolena na mnoha příkladech melodií, o hudebních konceptech, notách a
časování. Zahrajete několik not a jen čekáte, jak vám neuronová síť odpoví. V nejbližší
době bude experiment uveden na web a vy si ho budete moci sami vyzkoušet.
Následující experiment
také souvisí s hudbou. Strojové učení vám v tomto případě umožní
dělat hudbu s počítačem pouhým pořízením fotografie. Využívá rozpoznávání
obrazu, označí to, co vidí, a pak podle obrázku ukáže text písně.
Poslední experiment,
který Google představuje je organizování tisíce každodenních zvuků. Počítače
opět nedostali žádné popisy nebo značky - pouze zvuky a za použití techniky t-SNE,
počítač umísťuje podobné zvuky blíže k sobě. Pro prozkoumávání můžete používat
mapy, kde jsou uspořádány vedle sebe podobné zvuky a dokonce dělat beaty pomocí
bicích sekvencí.
Zdroje:
http://www.zive.cz/clanky/umela-inteligence-googlu-zacala-snit/sc-3-a-178725/
https://techcrunch.com/2016/11/15/googles-ai-experiments-help-you-understand-neural-networks-by-playing-with-them/
https://techcrunch.com/2016/11/15/googles-ai-experiments-help-you-understand-neural-networks-by-playing-with-them/
Pavlína Hajzlerová
No comments:
Post a Comment