Neuronové sítě jsou nejpraktičtějším využitím umělé inteligence současnosti – proč?

Umělá inteligence | |

Neuronové sítě jsou nejpraktičtějším využitím umělé inteligence současnosti – proč?

Strojové učení patří mezi nejperspektivnější podobory AI, i proto, že už dnes nám poskytuje hmatatelné výsledky, obzvláště ve zdravotnické informatice, u algoritmů samořiditelných automobilů nebo chytré analytice.


Obrovské změny dokázaly neuronové sítě přinést třeba i počítačového vidění a rozpoznávání obrazu (jakožto hluboké neuronové sítě) a také učení přirozeného jazyka.

Výhodou je, že umělé neuronové sítě jsou navíc docela jednoduché: přinejmenším v porovnání s jinými novými AI technologiemi je zvládne podstatně vyšší počet softwarových inženýrů.

Důležité je také původní cíl neuronových síť, tedy řešit problémy tak, jak by to udělal lidský mozek, což je blíže spíše vytvoření obecné umělé inteligence. Od toho se však z části ustoupilo a většina v praxi nasazených aplikací je specializovaná: kromě počítačového vidění a učení přirozeného jazyka jde také třeba o filtrovací systémy sociálních sítí, samozřejmě videohry či prediktivní analýzu a také zdravotnické diagnózy. Zapomínat bychom neměli ani na chatboty.

Klasickými výukovými metodami neuronových sítí jsou tři paradigmata typická pro strojové učení: učení s učitelem, učení bez učitele a zpětnovazební učení. Obzvláště zpětnovazebné učení dosahuje skvělých výsledků, využívajíc klasických Markovových řetězců.

Oblíbeným jazykem pro programování neuronových sítí je Python. Ten je zároveň nekorunovaným králem hlubokého učení obecně; je nejpoužívanější a nejpopulárnější, i díky svojí přehlednosti a relativní jednoduchosti.

Vývoj v oblasti navíc postupuje mílovými kroky a neustále vznikající nové vědecké studie z prestižních technických univerzit poukazují na to, že pokud bychom si měli něco představit pod „AI pomáhající člověku“, tak si máme vybavit právě neuronové sítě (a jejich konvoluční variantu) a hluboké učení. A to jednoduše proto, že už v praxi funguje a vytváří nová řešení.


Úvodní foto: © Andrea Danti - Fotolia.com


Články z rubriky

VPGC Forum 2020: Strategie kybernetické bezpečnosti v době AI a 5G"

Jaké přínosy a hrozby očekávat od nastupujících AI a 5G technologií a jak jejich dopadům přizpůsobit kyberbezpečnostní strategii? Proč investovat do pokročilé kybernetické bezpečnosti, když „nevydělává...
více »


Gartner: Na AI se do tří let bude spoléhat 40 % technologií na ochranu osobních údajů"

Umělá inteligence se již v blízké budoucnosti stane vítaným pomocníkem v oblasti dodržování zásad ochrany osobních údajů. Aplikace s AI totiž snižují administrativní zátěž a manuální pracovní vytížení.
více »


Gartner: Přes dvě třetiny rutinní práce manažerů do roku 2024 zvládne AI"

Umělá inteligence, virtuální asistenti a chatboti si rychle nacházejí cestu na pracoviště. Nové technologie vedle usnadnění práce manažerům představují významnou příležitost i pro osoby se zdravotním...
více »


Blockchain proti fake news"

Blockchain by mohl fungovat jako nová metoda boje proti dezinformacím, a to pomocí sledování metadat spojovaných s obsahem publikovaným na internetu.
více »


Jak efektivněji nabíjet samořiditelné elektrovozy? Řešením může být hluboké učení"

Budoucnost přepravy spočívá v autonomních vozidel poháněných bateriemi, přinejmenším to tak zatím vypadá.
více »


Související články


Tagy

umělá inteligence strojové učení hluboké učení algoritmus zpětnovazebné učení metody počítačové vidění AI neuronové sítě

Komentáře