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

Lidé učí počítače myslet - a ne vždy dobře"

Miliony lidí svým chováním ovlivňují, jak se AI ve výsledku chová. Zda je to dobře, to těžko říct, ale je to pohonem digitální ekonomiky.
více »


Boltzmannův stroj pro kvantové strojové učení"

Kvantové počítače splní svůj příslib vysoké efektivity a sice omezené, nicméně nepřekonatelné rychlosti, pouze pokud pro ně budou existovat funkční algoritmy.
více »


Facebook vyvíjí zcela soběstačnou AI"

Seer – Jasnovidec, nová umělá inteligence vyvíjená Facebookem dokáže rozpoznávat fotografie s nebývalou přesností.
více »


Neuronová poezie. Básně algoritmy stále neumí"

Šlo by pokročilé zpracování přirozeného jazyka (NLP) použít pro reprodukci pokročilých psaných textů a poezie?
více »


Odkud přijdou další koronaviry? Strojové učení pomáhá identifikovat zdroje nákazy"

Výzkum Liverpoolské univerzity naznačuje, jak by se budoucí koronaviry mohly přenést ze zvířat na člověka a dále se šířit populací.
více »


Související články


Tagy

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

Komentáře