Umelá inteligencia (nielen) pre podnikanie, časť 5: Hlboké učenie a umelé neurónové siete

Autor článku

Autor článku

Martin Spano je slovenský počítačový vedec, spisovateľ, futurista a popularizátor informatiky, programovania a umelej inteligencie. Prednáša na technologických konferenciách a zapája sa aktívne do verejnej diskusie o umelej inteligencii. V sérii svojich blogových článkov nás uvedie do sveta umelej inteligencie a jej potenciálu vo svete podnikania a účtovníctva.

V roku 2012 sa dvojica študentov z Univerzity v Toronte spolu so svojim vedúcim zúčastnila významnej informatickej súťaže. Bola to súťaž v rozpoznávaní obrázkov, to znamená, že softvérové riešenia súťažiacich mali povedať, čo sa na obrázku nachádza. Rozoznávanie objektov na obrázkoch je pre ľudí triviálna záležitosť. Pre počítač to však bol donedávna prakticky neriešiteľný problém. Počítač totiž vidí na obrázku len zhluk pixelov bez toho, aby im rozumel. V roku 2012 použili spomínaní študenti na riešenie tohto problému tzv. viacvrstvové (hlboké) neurónové siete. Tento inovatívny prístup úplne rozdrvil konkurenciu. Všetkých troch okamžite zamestnal Google, vzniklo hlboké učenie (angl. deep learning) a začal sa bezprecedentný rozmach umelej inteligencie. Dnes si vysvetlíme, ako hlboké učenie veľmi zjednodušene funguje.

Predstavme si malú čarovnú skrinku

Na jej ľavej strane je namontovaná kamera, na jej pravej strane reproduktor. Do vnútra nevidíme. Keď kamerou namierime na ľubovoľný objekt, reproduktor na pravej strane zahlási, čo za objekt to je. Čary? Nie, hlboké učenie. Pozrime sa dovnútra. Uvidíme tam tzv. neurónovú sieť. Je to abstrakcia toho, čo sa nachádza v našom mozgu, veď koniec koncov, načo vymýšľať to, čo príroda za nás už dávno vymyslela. Umelú neurónovú sieť tvoria umelé neuróny a prepojenia medzi nimi. Tieto neuróny sú zoradené do vrstiev. Obraz z kamery prijíma prvá, tzv. vstupná vrstva, za ňou sa nachádza väčšie množstvo tzv. vnútorných vrstiev, a všetko to zakončuje výstupná vrstva. Úlohou každej vrstvy je zvyšovať úroveň abstrakcie. Vstupná vrstva načíta pixel po pixeli z kamery. Ďalšie vrstvy z toho abstrahujú hrany, ďalšie tvary, ďalšie jednotlivé obrazce, až nakoniec výstupná vrstva zahlási “pes”, prípadne niečo iné, čo sa na obrázku podľa neurónovej siete nachádza. Ako sa dovtípite, najprv sme mali tzv. plytké neurónové siete, kedy bolo vnútorných vrstiev málo, v súčasnosti je ich veľa, a preto sa takéto umelé siete nazývajú hlboké a metóda, ktorou sa učia, sa volá hlboké učenie.

Vďaka hlbokému učeniu majú prekladače oveľa lepšie preklady medzi jazykmi, virtuálne asistentky rozumejú našej reči a rozprávajú rečou, ktorá neznie ako reproduktor Stephena Hawkinga. A je toho omnoho, omnoho viac.

Takto nejako by sme teda mohli vytvoriť aj Wall-E-ho, nie? Tak jednoduché to zasa nie je. Na začiatok spomeniem aspoň jeden fakt. Mozog dospelého človeka tvorí približne 86 miliárd neurónov, pričom 30 miliárd sa nám podarí zabiť v dospievaní (nesúvisí to s alkoholom 🙂 ). A poháňa ich 20W, čo je asi výkon žiarovky. Najväčšia umelá neurónová sieť na svete má približne 1 milión neurónov a poháňa ju malá elektráreň. Takže pre tých, čo sa boja povstania robotov parafrázujem slová, ktoré povedal jeden z najvýznamnejších výskumníkov umelej inteligencie v súčasnosti, Andrew Ng, že báť sa vyspelej umelej inteligencie je ako obávať sa preľudnenia na Marse – ešte sme ani nepristáli. 


Súvisiace témy k článku:
Komentáre k článku:
KROS
2 Shares
Copy link