Pokračujeme v díle těch,
kteří byli první.

Aktuální vydání

Číslo 10/2018 vyšlo tiskem 26. 9. 2018. V elektronické verzi na webu ihned. 

Téma: Elektroenergetika; OZE; Baterie a akumulátory; E-mobilita

Hlavní článek
Smart Cities (4. část – 1. díl)

Číslo 5/2018 vyšlo tiskem 17. 9. 2018. V elektronické verzi na webu ihned.

Osvětlení interiérů
Výběr svítidla podle konceptu interiéru
Unikátní kniha o interiérech právě v prodeji
Pozvánka na seminář Interiéry 2018 – výjimečná akce již posedmé

Aktuality
Pan profesor Jiří Habel odešel – vzpomínky zůstanou

Aktuality

ČOI začala kontrolovat dobíjecí stanice pro elektromobily Automobily s elektrickým pohonem jsou v České republice stále populárnější. Výrobci…

„Světelný buben“ může změnit automobilový průmysl, architekturu i počítačové hry Tým vedený docentem Vlastimilem Havranem z katedry počítačové grafiky a interakce Fakulty…

FOR ARCH představil novinky ve stavebnictví a konfrontoval Programové prohlášení vlády Proběhl mezinárodní stavební veletrh FOR ARCH 2018, kdy se na ploše zhruba 40 000 metrů…

VUT na strojírenském veletrhu představí kolaborativního robota i továrnu budoucnosti Celkem osmnáct exponátů ze tří různých fakult představí letos Vysoké učení technické 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-