Pokračujeme v díle těch,
kteří byli první.

Aktuální vydání

Číslo 1/2017 vyšlo tiskem 18. 1. 2017. V elektronické verzi na webu od 17. 2. 2017. 

Téma: Elektrotechnologie; Materiály pro elektrotechniku; Nástroje a pomůcky; Značení

Hlavní článek
Analýza dat fotovoltaického systému během zatmění Slunce
Rizikovost zapojení biometrických identifikačních systémů

Číslo 6/2016 vyšlo tiskem 5. 12. 2016. V elektronické verzi na webu od 5. 1. 2017.

Osvětlení interiérů
Seminář Interiéry 2016 – páté výročí
Součinnost bytového interiéru a osvětlení 

Normy, předpisy a doporučení
Nové normy pro osvětlení pozemních komunikací

Aktuality

Fakulta elektrotechnická ČVUT v Praze představí zájemcům o studium moderní techniku i její historii Fakulta elektrotechnická ČVUT v Praze pořádá v pátek 20. ledna od 8.30 hodin první…

Loňská výroba Temelína by stačila k pokrytí téměř roční spotřeby českých domácností Přesně 12,1 terawatthodin elektřiny (TWh) loni vyrobila Jaderná elektrárna Temelín. Je to…

Osmý ročník Robosoutěže Fakulty elektrotechnické ČVUT v Praze ovládli studenti Gymnázia Zlín V pátek 16. prosince se v Zengerově posluchárně Fakulty elektrotechnické ČVUT na Karlově…

Společnost ABF převzala značku projektu SVĚTLO V ARCHITEKTUŘE Specializovanou výstavu svítidel, designu a příslušenství s názvem SVĚTLO V ARCHITEKTUŘE…

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-