45becd0072
|
||
|---|---|---|
| .. | ||
| README.md | ||
| assignment.md | ||
README.md
Слика од Дмитриј Сошњиков
Како је време пролазило, рачунарски ресурси су постали јефтинији, а доступност података се повећала, па су приступи засновани на неуронским мрежама почели да показују изузетне резултате у такмичењу са људима у многим областима, као што су рачунарски вид или разумевање говора. У последњој деценији, термин Вештачка интелигенција углавном се користи као синоним за неуронске мреже, јер већина успеха у области ВИ о којима чујемо почива на њима.
Можемо приметити како су се приступи мењали, на пример, у креирању програма за играње шаха:
- Рани шаховски програми били су засновани на претрази – програм је експлицитно покушавао да процени могуће потезе противника за одређени број наредних потеза и бирао оптималан потез на основу најбоље позиције која се може постићи у неколико потеза. То је довело до развоја такозваног алфа-бета сечења алгоритма претраге.
- Стратегије претраге добро функционишу при крају партије, када је простор претраге ограничен малим бројем могућих потеза. Међутим, на почетку партије, простор претраге је огроман, и алгоритам се може побољшати учењем из постојећих мечева између људских играча. Каснији експерименти користили су такозвано расуђивање засновано на случајевима, где је програм тражио случајеве у бази знања који су веома слични тренутној позицији у игри.
- Савремени програми који побеђују људске играче засновани су на неуронским мрежама и учењу путем појачања, где програми уче да играју искључиво играјући дуго сами против себе и учећи из сопствених грешака – слично као што људи уче да играју шах. Међутим, рачунарски програм може одиграти много више партија у много краћем времену, и тако учити много брже.
✅ Истражите мало о другим играма које је ВИ играла.
Слично томе, можемо видети како се приступ креирању „програма који говоре“ (који би могли положити Тјурингов тест) мењао:
- Рани програми ове врсте, као што је Елиза, били су засновани на веома једноставним граматичким правилима и преобликовању улазне реченице у питање.
- Модерни асистенти, као што су Cortana, Siri или Google Assistant, су хибридни системи који користе неуронске мреже за претварање говора у текст и препознавање наше намере, а затим примењују неко расуђивање или експлицитне алгоритме за извршавање потребних радњи.
- У будућности можемо очекивати потпуно неуронски модел који ће самостално управљати дијалогом. Недавне GPT и Turing-NLG породице неуронских мрежа показују велики успех у томе.
Слика Дмитрија Сошњикова, фотографија од Марине Абросимове, Unsplash
Недавна истраживања у области вештачке интелигенције
Огроман раст истраживања неуронских мрежа започео је око 2010. године, када су велики јавни скупови података постали доступни. Огромна колекција слика под називом ImageNet, која садржи око 14 милиона анотираних слика, дала је подстрек ImageNet Large Scale Visual Recognition Challenge.
Слика од Дмитрија Сошњикова
Године 2012, Конволуционе неуронске мреже су први пут коришћене за класификацију слика, што је довело до значајног смањења грешака у класификацији (са скоро 30% на 16,4%). Године 2015, ResNet архитектура из Microsoft Research-а постигла је тачност на нивоу људи.
Од тада, неуронске мреже су показале веома успешне резултате у многим задацима:
| Година | Постигнута паритетност са људима |
|---|---|
| 2015 | Класификација слика |
| 2016 | Препознавање говора у разговору |
| 2018 | Аутоматски машински превод (кинески на енглески) |
| 2020 | Генерисање описа слика |
Током последњих неколико година, били смо сведоци огромних успеха са великим језичким моделима, као што су BERT и GPT-3. Ово се углавном догодило захваљујући чињеници да постоји велика количина општих текстуалних података који омогућавају обуку модела за разумевање структуре и значења текстова, њихово претходно тренирање на општим текстуалним колекцијама, а затим специјализацију тих модела за специфичније задатке. Више ћемо научити о Обради природног језика касније у овом курсу.
🚀 Изазов
Истражите интернет како бисте утврдили где се, по вашем мишљењу, вештачка интелигенција најуспешније користи. Да ли је то у апликацији за мапирање, некој услузи за претварање говора у текст или у видео игри? Истражите како је систем изграђен.
Квиз након предавања
Преглед и самостално учење
Прегледајте историју вештачке интелигенције и машинског учења читајући ову лекцију. Узмите један елемент из скице на врху те лекције или ове и истражите га детаљније како бисте разумели културни контекст који је утицао на његов развој.
Задатак: Game Jam
Одрицање од одговорности:
Овај документ је преведен коришћењем услуге за превођење помоћу вештачке интелигенције Co-op Translator. Иако настојимо да обезбедимо тачност, молимо вас да имате у виду да аутоматски преводи могу садржати грешке или нетачности. Оригинални документ на његовом изворном језику треба сматрати меродавним извором. За критичне информације препоручује се професионални превод од стране људи. Не преузимамо одговорност за било каква погрешна тумачења или неспоразуме који могу настати услед коришћења овог превода.