Pokračujeme v díle těch,
kteří byli první.

Aktuální vydání

Číslo 4/2019 vyšlo tiskem
17. 4. 2019. V elektronické verzi na webu 13. 5. 2019. 

Téma: Elektroinstalace; Inteligentní budovy; IoT; HVAC; Zabezpečovací technika

Hlavní článek
Smart Cities (9. část)

Číslo 2/2019 vyšlo tiskem 15. 3. 2019. V elektronické verzi na webu ihned.

Architekturní a scénické osvětlení
Architekturní osvětlení hradu Bečov nad Teplou
Světelný design v kostce (41)
Analýza světelného obrazu trochu více teoreticky

Denní světlo
Největší chyby v návrhu denního osvětlení budov

Aktuality

E.ON postavil novou rozvodnu v Boršicích za 100 milionů korun Společnost E.ON Distribuce dnes slavnostně otevřela novou rozvodnu v Boršicích u Blatnice…

Společnost Danfoss spustila nové webové stránky Společnost Danfoss spustila nové webové stránky, které jsou digitální, rychlé a snadné.

Veletrh FOR ARCH 2019 poradí jaké dotace lze čerpat Jubilejní 30. ročník veletrhu FOR ARCH přinese kromě novinek a trendů z oblasti…

Plovoucí jaderná elektrárna bude spuštěna v listopadu 2019 Zkušební provoz plovoucí jaderné elektrárny Akademik Lomonosov bude na Čukotce zahájen v…

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-