Pokračujeme v díle těch,
kteří byli první.

Aktuální vydání

Číslo 6/2018 vyšlo tiskem 6. 6. 2018. V elektronické verzi na webu od 23. 6. 2018. 

Téma: Točivé elektrické stroje, pohony a výkonová elektronika; Elektromobilita

Hlavní článek
Energetická platforma pro systém Vehicle to Grid/Home
Smart Cities (2. část – 2. díl)

Číslo 3/2018 vyšlo tiskem 15. 6. 2018. V elektronické verzi na webu 16. 7. 2018.

Příslušenství osvětlovacích soustav
Večer s Foxtrotem na Českém nebi

Veřejné osvětlení
Nadčasové svítidlo pro veřejné osvětlení – Streetlight 11
Ovládání veřejného osvětlení

Aktuality

Nejlepší studenti 2018 nalezeni Do finálového kola 8. ročníku soutěže Nejlepší student, které se konalo 20. června 2018 v…

Výběrové řízení na dodavatele pro krytí ztrát pokračuje pátým aukčním kolem Páté aukční kolo výběrového řízení na dodavatele elektřiny pro krytí ztrát v přenosové…

Sympozium o fyzice plazmatu – trendy jaderné fúze i aplikace netermálního plazmatu v medicíně Fakulta elektrotechnická Českého vysokého učení technického v Praze pořádá ve spolupráci…

Novinky z oblasti elektrotechniky, energetiky a elektroniky predstavil veľtrh ELO SYS 2018 24. ročník medzinárodného veľtrhu ELO SYS sa konal v termíne 22. až 25. mája 2018 na…

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-