English

Umělá inteligence - AI a machine learning

Deep learning, neuronové sítě, umělá inteligence a strojové učení. Tato označení se běžně používají pro pokročilé analýzy rozsáhlých dat, které v posledních letech berou svět útokem. Technicky jde o složitější datové modely, které dokážou například rozpoznat co je na obrázku, porozumět lidské řeči či diagnostikovat vadný motor.

 

Výhody hlubokého učení - machine learning kraluje

Oproti jednodušším statistickým modelům umí  hluboká neuronová síť rozpoznat člověka nebo jiný objekt, což se hodí v obchodních aplikacích i ve státní správě. Hodnota rozpoznání zloděje, vadné součástky nebo obrázku může být nevyčíslitelná, pokud pomocí těchto technik zamezíte ztrátám či znásobíte zisky. Rychlejší obsluha zákazníka a občana, včasná oprava výrobní linky, nebo detekce pachatele v praxi zachraňují velké peníze a zpříjemňují náš život. Není proto od věci uvědomit si, kde by i vám mohlo hluboké učení pomoci. Potřebujete počítat výrobky na pásu jen pomocí kamery? Potřebujte rozpoznat překážky na cestě robota? Vítejte v jednadvacátém století,ve světě, kde vyhrávají ti nejchytřejší.

Co to je neuronová síť? Základ artificial intelligence (AI)

Neuronová síť, nástroj umělé inteligence, je složitější než běžné statistické modely, protože má více vrstev. Ačkoli se s prvními pokusy začalo již někdy v 60. letech, jejich komerční rozšíření přišlo až kolem roku 2010 s obecně dostupným výkonným hardwarem.
Při troše zjednodušení lze říci, že  neuronová síť je software, který má schopnost se učit obdobně jako je tomu u lidského mozku.
Neuron - Obrázek
Ukažme si to na příkladu. Máme k dispozici obrázky slonů a automobilů. Modelu řekneme: toto jsou automobily a toto jsou sloni. Jednotlivé vrstvy neuronové sítě rozpoznají nejprve jen čáry, pak chobot, a nakonec celého slona. U každé další fotografie bude pak model sám schopen poznat, zda se jedná o slona nebo automobil. Stejné je to i se zvukem či jinými komplexními daty.
Fáze „učení“ modelu je oproti jednodušším modelům poměrně hardwarově i časově náročná. 
Stejně jako je tomu u lidí, jsou některé sítě („mozky“) vhodnější pro  zpracování obrázků, jiné pro zpracování zvuku a další pro zpracování strukturovaných dat. Je proto výhodné sestavovat specializované sítě, které zaručí úspěch při řešení konkrétního úkolu. 
Neuronová síť  - Neural network

K čemu slouží hluboká neuronová síť a umělá inteligence (AI)?

Výhodou takovéhoto způsobu analýzy dat je, že se model může naučit téměř čemukoliv . Podmínkou jsou pouze dostatečně rozsáhlá data, ze kterých se má model učit. V současnosti se tento přístup nejčastěji používá k analýzám na základě video či audio dat.
Využití neuronových sítí je obvyklé v těchto oblastech:

Rozpoznávání předmětů a lidí (tváře, oči, rysy obličeje)

Diagnostika přístrojů podle zvuku

Porozumění textu a zpracování řeči (NLP)

Medicínská diagnostika (CAD)

Výroba a údržba přístrojů (predictive maintenance)

Složitější marketingové prediktivní modely

Doporučení v nabídce (Amazon, Spotify nebo Netflix)

Personalizace (RTB a personalizovaný e-mail)

Zabezpečení dat (antivirus a jeho databáze)

Vyhledávaní na webu (Google Search Engine)

Finanční obchodování (opakovatelná předpověď transakce akcií a jejich vývoj)

Detekce podvodů (PayPal u zjišťování „praní špinavých peněz“)

Inteligentní auta (Tesla)

Státní sektor (rozpoznávání státních poznávacích značek, osob apod.)

 

Zpět na hlavní menu
Kontakt:

Data Mind s.r.o.

E-mail: info@datamind.cz
Sídlo: Pobřežní 18 / 16, Praha 8 - Karlín, 186 00
IČO: 28953789

face.png, 26 kB Mgr. Jan Matoušek

Telefon: +420 720 705 639
E-mail: jan.matousek@datamind.cz


linkedin.com
Napište nám vzkaz:
captcha