Pokračujeme v díle těch,
kteří byli první.

Aktuální vydání

Číslo 10/2017 vyšlo tiskem 4. 10. 2017. V elektronické verzi na webu od 4. 10. 2017. 

Téma: Elektroenergetika; OZE; Palivové články; Baterie a akumulátory

Hlavní článek
Skladování elektrické energie
Elektrochemická impedanční spektroskopie akumulátorů

Číslo 5/2017 vyšlo tiskem 18. 9. 2017. V elektronické verzi na webu bude 18. 9. 2017.

Svítidla a světelné přístroje
MAYBE STYLE představuje LED designová svítidla německého výrobce Lightnet
TREVOS – nová svítidla pro průmysl i kanceláře
Kolik typů LED panelů vyrábí MODUS?
Inteligentní LED svítidlo RENO PROFI

Osvětlení interiérů
Světlo v bytovém interiéru – otázky a odpovědi

Aktuality

Soutěž o nejlepší realizovaný projekt KNX instalace Spolek KNX národní skupina České republiky, z. s. vyhlásil soutěž o nejlepší projekt…

Slovensko bude partnerskou zemí MSV 2018 Příští rok se chystají oslavy několika kulatých výročí včetně 100 let od založení…

ABB na MSV 2017 v Brně vystavuje stavební kameny továrny budoucnosti Společnost ABB na Mezinárodním strojírenském veletrhu 2017 v hale G2/30 představuje…

Výroční SIGNAL festival provede diváky po nových trasách i svou historií Festival světla SIGNAL divákům předvede 20 instalací od umělců z České republiky i…

Více aktualit

Může se TensorFlow stát nástrojem revoluce systémů umělé inteligence?

02.12.2015 | Wired | www.wired.com

Google nedávno uvolnil svůj elegantní a mocný open source systém pro umělou inteligenci TensorFlow. Google používá tento software strojového učení pro své produkty, ať už jde o rozpoznávání řeči či fotografií na webu.

Nyní je systém k dispozici každému. Co to znamená pro budoucí systémy umělé inteligence? Přesto, že je TensorFlow jedinečným nástrojem, může urychlit vytváření systémů umělé inteligence, jejichž pochopení a komunikace s nimi bude velmi komplikovaná. Může odvádět naši pozornost na experimentování s matematickými triky, namísto na porozumění procesu lidského myšlení.

Systémy umělé inteligence

Cílem TensorFlow je vývoj systémů strojového učení, které vyžadují složité numerické výpočty, jako umělé neuronové sítě (ANNs). Problém těchto systémů tkví v jejich složitosti - jsou složeny z milionů čísel, které jsou příliš komplikované pro běžné použití.

Řekněme, že naučíme ANN, aby rozpoznávala kočky. Jakmile tedy detekuje obrázek kočky, který je pro ni nový, nedokáže nám vysvětlit, proč a jak to udělala. A pokud ANN nedokáže rozpoznat kočku na obrázku, je pro nás obtížné tento problém vyřešit. To má několik řešení - můžeme tuto chybu ignorovat, dodat ANN více dat, nebo upravit vyhledávací algoritmus. Jedná se ale o jednoduché pomůcky, protože tyto stále neřeší problém s kočkou. Aplikují se totiž na oblast umělých neuronových sítí. Bylo by mnohem jednodušší, kdybychom prostě řekli systému, že může kočky rozpoznat.

Systémy umělé inteligence se v budoucnu stanou ještě větší součástí našich životů, protože se na ně spoléháme čím dál více, když přijde na důležitá rozhodnutí. A když se systém umělé inteligence dopustí chyby (jak se tomu již stalo a neodvratně k tomu ještě dojde), musíme být schopni porozumět těmto chybám a komunikovat s těmito systémy, abychom chyby opravili.

Celý článek na Wired

Image Credit: Google

-jk-