Pokračujeme v díle těch,
kteří byli první.

Aktuální vydání

Číslo 12/2019 vyšlo tiskem 4. 12. 2019. V elektronické verzi na webu 4. 1. 2020. 

Téma: Měřicí přístroje, metody měření a dálkové měření

Hlavní článek
Inovativní postupy při diagnostice částečných výbojů při AC a DC napětí

Číslo 5/2019 vyšlo tiskem 16. 9. 2019. V elektronické verzi na webu ihned.

Činnost odborných organizací
Mezinárodní konference SVĚTLO 2019 – 6. oznámení
Zúčastnili sme sa kongresu Medzinárodnej komisie pre osvetlenie CIE 2019 vo Washingtone
Odborný seminár SLOVALUX 2019

Veletrhy a výstavy
Inspirujte se boho stylem i designem Dálného východu na podzimním veletrhu FOR INTERIOR

Aktuality

Cenu ABB za výzkum získal projekt bezbateriového senzoru Grant ve výši 300 000 amerických dolarů získal Ambuj Varshney, který jej využije na…

Rating ČEPS na úrovni Aa3 se stabilním výhledem Ratingová agentura Moody´s aktualizovala ohodnocení akciové společnosti ČEPS na úroveň…

Finále celorepublikové soutěže Energetická olympiáda proběhne na FEL ČVUT v Praze Fakulta elektrotechnická ČVUT v Praze pořádá v pátek 15. listopadu od 8.30 hodin Den…

Chystaná digitalizace stavebnictví pomůže zkvalitnit budovy a ušetřit miliardy Od roku 2022 bude muset být u všech nadlimitních veřejných zakázek v českém stavebnictví…

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-