464396d431
|
||
|---|---|---|
| .. | ||
| README.md | ||
| assignment.md | ||
README.md
Zdjęcie autorstwa Dmitry Soshnikov
Z biegiem czasu zasoby obliczeniowe stały się tańsze, a dostęp do większej ilości danych umożliwił podejściom opartym na sieciach neuronowych osiąganie znakomitych wyników w rywalizacji z ludźmi w wielu dziedzinach, takich jak rozpoznawanie obrazów czy rozumienie mowy. W ostatniej dekadzie termin Sztuczna Inteligencja był często używany jako synonim sieci neuronowych, ponieważ większość sukcesów AI, o których słyszymy, opiera się właśnie na nich.
Możemy zaobserwować, jak zmieniały się podejścia, na przykład w tworzeniu programu komputerowego grającego w szachy:
- Wczesne programy szachowe opierały się na wyszukiwaniu – program próbował oszacować możliwe ruchy przeciwnika na określoną liczbę kolejnych ruchów i wybierał optymalny ruch na podstawie najlepszej pozycji, którą można osiągnąć w kilku ruchach. Doprowadziło to do opracowania tzw. algorytmu wyszukiwania alpha-beta pruning.
- Strategie wyszukiwania dobrze sprawdzają się pod koniec gry, gdy przestrzeń wyszukiwania jest ograniczona przez niewielką liczbę możliwych ruchów. Jednak na początku gry przestrzeń wyszukiwania jest ogromna, a algorytm można ulepszyć, ucząc się na podstawie istniejących partii rozegranych przez ludzi. Kolejne eksperymenty wykorzystywały tzw. rozumowanie oparte na przypadkach, gdzie program szukał przypadków w bazie wiedzy bardzo podobnych do obecnej pozycji w grze.
- Nowoczesne programy, które pokonują ludzkich graczy, opierają się na sieciach neuronowych i uczeniu przez wzmacnianie, gdzie programy uczą się grać wyłącznie poprzez wielokrotne rozgrywanie partii przeciwko sobie i uczenie się na własnych błędach – podobnie jak ludzie uczą się grać w szachy. Jednak program komputerowy może rozegrać znacznie więcej partii w znacznie krótszym czasie, dzięki czemu uczy się szybciej.
✅ Zrób małe badanie na temat innych gier, w które grały systemy AI.
Podobnie możemy zaobserwować, jak zmieniało się podejście do tworzenia „programów rozmawiających” (które mogłyby przejść test Turinga):
- Wczesne programy tego typu, takie jak Eliza, opierały się na bardzo prostych regułach gramatycznych i przekształcaniu zdania wejściowego w pytanie.
- Nowoczesne asystenty, takie jak Cortana, Siri czy Google Assistant, to systemy hybrydowe, które wykorzystują sieci neuronowe do konwersji mowy na tekst i rozpoznawania naszych intencji, a następnie stosują pewne rozumowanie lub algorytmy do wykonania wymaganych działań.
- W przyszłości możemy spodziewać się pełnego modelu opartego na sieciach neuronowych, który samodzielnie będzie obsługiwał dialog. Ostatnie sieci neuronowe z rodziny GPT i Turing-NLG pokazują w tym zakresie duże sukcesy.
Zdjęcie autorstwa Dmitry Soshnikov, zdjęcie autorstwa Mariny Abrosimovej, Unsplash
Najnowsze badania nad sztuczną inteligencją
Ogromny wzrost badań nad sieciami neuronowymi rozpoczął się około 2010 roku, kiedy zaczęły być dostępne duże publiczne zbiory danych. Ogromna kolekcja obrazów o nazwie ImageNet, zawierająca około 14 milionów oznaczonych obrazów, dała początek ImageNet Large Scale Visual Recognition Challenge.
Zdjęcie autorstwa Dmitry Soshnikov
W 2012 roku konwolucyjne sieci neuronowe zostały po raz pierwszy zastosowane w klasyfikacji obrazów, co doprowadziło do znacznego spadku błędów klasyfikacji (z prawie 30% do 16,4%). W 2015 roku architektura ResNet opracowana przez Microsoft Research osiągnęła dokładność na poziomie ludzkim.
Od tego czasu sieci neuronowe wykazały bardzo wysoką skuteczność w wielu zadaniach:
| Rok | Osiągnięcie parytetu z człowiekiem |
|---|---|
| 2015 | Klasyfikacja obrazów |
| 2016 | Rozpoznawanie mowy konwersacyjnej |
| 2018 | Automatyczne tłumaczenie maszynowe (z chińskiego na angielski) |
| 2020 | Opisywanie obrazów |
W ostatnich latach byliśmy świadkami ogromnych sukcesów dużych modeli językowych, takich jak BERT i GPT-3. Stało się to głównie dzięki temu, że dostępnych jest wiele ogólnych danych tekstowych, które pozwalają trenować modele w celu uchwycenia struktury i znaczenia tekstów, wstępnie trenować je na ogólnych zbiorach tekstów, a następnie specjalizować te modele do bardziej specyficznych zadań. Więcej o przetwarzaniu języka naturalnego dowiemy się później w tym kursie.
🚀 Wyzwanie
Przeprowadź badanie w internecie, aby określić, gdzie Twoim zdaniem sztuczna inteligencja jest najskuteczniej wykorzystywana. Czy jest to aplikacja mapowa, usługa zamiany mowy na tekst, czy może gra wideo? Zbadaj, jak został zbudowany ten system.
Quiz po wykładzie
Przegląd i samodzielna nauka
Przejrzyj historię AI i ML, czytając tę lekcję. Wybierz element z notatki wizualnej na początku tej lekcji lub tej i zbadaj go bardziej szczegółowo, aby zrozumieć kontekst kulturowy, który wpłynął na jego rozwój.
Zadanie domowe: Game Jam
Zastrzeżenie:
Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI Co-op Translator. Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.