1.3 Oblasti umelej inteligencie

V tejto lekcii preskúmame niektoré oblasti umelej inteligencie. Hranice medzi nimi nie sú prísne a často môžu byť techniky používané na riešenie problémov jednej oblasti užitočné pri riešení problémov inej oblasti. Skutočná sila umelej inteligencie bude v skutočnosti v prepojení všetkých oblastí.

Počítačové videnie

Počítačové videnie je oblasť umelej inteligencie, ktorá sa zaoberá vývojom algoritmov a nástrojov, ktoré dávajú počítačom schopnosť porozumieť vizuálnemu svetu ako ľudia. Sú to napríklad úlohy rozpoznávania objektov na obrázkoch, pochopenia ich vzťahov, rozpoznávania farieb a textúr, potom rozpoznávania pohybov, akcií a ich charakteristík. Keďže sa táto oblasť primárne zaoberá analýzou obrázkov a videí, zoznámime sa aj s niektorými z najčastejších úloh v tejto oblasti.

Úloha klasifikácie obrázkov sa používa na určenie, aký typ objektu je na obrázku prítomný. Napríklad určenie, či je alebo nie je pes na obrázku, je úlohou klasifikácie obrázkov. Detekcia objektov je úloha lokalizovať objekty a odpovedať na otázku, kde presne sa objekty na obrázku nachádzajú. Taká je napríklad úloha zarámovať psa a mačku, ktorí sú na obrázku nižšie. Úloha segmentácie obrázkov sa používa na určenie presného tvaru objektov, ktoré sa zobrazujú na obrázku. Takže teraz je jemnejšie oddelenie obrysov psa a mačky na treťom obrázku príkladom segmentácie.

Tri základné úlohy počítačového videnia pri práci s obrázkami

Všetky tieto úlohy sú veľmi použiteľné v mnohých disciplínach, ako je autonómne riadenie, analýza lekárskych snímok alebo analýza satelitných snímok, a umožňujú nám jednoduchšie vyhľadávať a organizovať obrázky.

Na aké úlohy spadajú nasledujúce problémy:

Ak chcete zistiť, či je na obrázku chodec.

oddelenie obrysov semaforov, chodníkov a chodcov na obrázku,

Chcete vedieť, kde je znak na obrázku?

Pokiaľ ide o spracovanie videa, najbežnejšími úlohami sú sledovanie objektov, rozpoznávanie akcií a určovanie polohy.

Úloha sledovania objektov, ako už názov napovedá, vám umožňuje sledovať objekty vo videu v reálnom čase. Príkladom sledovania objektov je napríklad sledovanie susedného auta pri autonómnej jazde a sledovanie pohybov hráča počas zápasu.

Sledovanie objektov

(obrázok prevzatý z https://docs.ultralytics.com/modes/track/ )

Úloha rozpoznávania činov (angl. Rozpoznávanie akcií je schopnosť rozpoznať a pomenovať akciu, ktorá je prítomná vo videu, napríklad skok do vody alebo zatvorenie okna. Tieto úlohy nám pomáhajú lepšie porozumieť videoobsahu a efektívnejšie ho vyhľadávať.

Príklady rozpoznávania akcií vo videách

Odhad pózy je úloha, ktorá sa zaoberá rozpoznávaním postáv ľudí vo videách v reálnom čase a extrahovaním všetkých kľúčových bodov ich kostry. Jedná sa o najbežnejšie cievovky očí, nosa, úst, ramien, lakťov, pása, rúk, kolien a chodidiel. Tieto úlohy nám pomáhajú s interaktívnymi animáciami, modelovaním rozšírenej reality a množstvom ďalších aplikácií.

Úloha rozpoznávania polohy objektu: Obrázky zo súboru údajov Leeds Sports Pse

Akú úlohu musíme vyriešiť, aby:

analyzovať, či sedíme správne,

rozpoznať východ na dvor domáceho maznáčika,

Chcete mať prehľad o pohybe zákazníkov v predajni?

Neskôr sa dostaneme k súborom údajov používaným v úlohách počítačového videnia a konvolučných sietí, špeciálnom type neurónovej siete používanej pri úlohách spracovania obrazu a videa.

Spracovanie prirodzeného jazyka

Spracovanie prirodzeného jazyka (NLP ) je oblasť umelej inteligencie, ktorá sa zaoberá úlohami súvisiacimi s porozumením a generovaním prirodzeného jazyka. Ako vieme, existuje viac ako 7 000 jazykov a každý z nich má svoje vlastné zvláštnosti, pokiaľ ide o slovnú zásobu, gramatické pravidlá a významy. Niektoré bežné úlohy, ktoré sa vyskytujú pri spracovaní prirodzeného jazyka, budú popísané nižšie.

Rovnako ako v úlohách klasifikácie obrázkov, aj v úlohách klasifikácie  textu sa snažíme dospieť k záveru, či text patrí do kategórie alebo nie. Napríklad, je to novinový článok na tému športu, je napísaný v španielčine, je pozitívny, t. j. obsahuje nejaký pochvalný komentár, či je pravdivý alebo nepravdivý a podobne.

Klasifikácia textu

 

Rozpoznávanie pomenovaných entít je úloha súvisiaca s rozpoznávaním niektorých častí textu, ktoré sú relevantné pre jeho ďalšiu analýzu. Zvyčajne ide o mená ľudí, ktorí sa v ňom vyskytujú, dátumy, geolokačné mená alebo v niektorých odborných textoch, napríklad v oblasti medicíny, príznaky alebo názvy chorôb. Pod jedným názvom sa tieto časti textu nazývajú entity.

Príklad tagovania pomenovaných entít

Úlohou prekladateľského stroja je vyvinúť nástroje, ktoré nám umožnia preložiť obsah z jedného jazyka do obsahu iného jazyka. Zhodneme sa, že táto úloha je základom úspešnej komunikácie a dostupnosti informácií, ale aj to, že je komplikovaná, pretože každý jazyk a každá kultúra, ktorú jazyk reprezentuje, má svoje vlastné zvláštnosti, ako sú frázy, idiómy, slang alebo sarkazmus, ktoré sú veľmi náročné na preklad (ako preložiť neplodný mozog na pastvinu? ).

Systémy odpovedania na otázky sa zaoberajú otázkou, ako nájsť konkrétnu odpoveď na danú otázku. Sú zovšeobecnením klasických systémov vyhľadávania informácií a umožňujú nám ľahšie získať informácie, ktoré potrebujeme.

Sumarizácia všetkých dôležitých informácií z viacerých rôznych zdrojov je známa ako sumarizačná úloha . Rovnako ako v predchádzajúcej úlohe, aj zhrnutia, ktoré prichádzajú so sumarizačnými úlohami, by nám mali uľahčiť prechod väčšieho množstva obsahu alebo nám pripomenúť dôležité informácie a podrobnosti o obsahu, ktorý sme si prečítali.

Sumarizácia

Okrem úloh súvisiacich s textom a textovým obsahom sa spracovanie prirodzeného jazyka zaoberá aj analýzou reči. Existujú najmä dve úlohy: prevod reči na text a naopak, prevod textu na reč. Tieto dve skupiny úloh sú obzvlášť dôležité pre vývoj osobných asistentov, programov ako napr Siri , Cortana alebo Alexa , ktoré dokážu porozumieť hlasovým správam a podľa toho vykonať požadovanú úlohu, napríklad nastaviť budík alebo zavolať niekomu z telefónneho zoznamu.

Na aké úlohy spadajú nasledujúce problémy:

Extrahovanie názvu organizácie v texte,

Zistenie, kto je autorom knihy,

Aký je význam slova Netizen ?

Generatívna umelá inteligencia

Generatívna umelá inteligencia (AGI) je oblasť umelej inteligencie, ktorá sa zaoberá generovaním obsahu, ako sú obrázky, text, zvuk alebo video. Za posledných niekoľko rokov boli prelomy v tejto oblasti pôsobivé.

ChatGPT je program, ktorý urobil prelom v oblasti generovania textového obsahu. V súlade s pokynmi používateľa, takzvanými výzvami, dokáže vygenerovať vhodný textový obsah. Malo by sa pamätať na to, že takto generované texty nemusia byť absolútne presné, môžu obsahovať nesprávne údaje, vymyslené odkazy alebo urážlivý obsah. Preto by ste pred použitím mali skontrolovať všetko, čo program vygeneroval. Ak si vytvoríte účet na chat.openai.com , môžete si sami vyskúšať, ako  program ChatGPT funguje. Za programom ChatGPT stojí komunita OpenAI.

Program StableDiffusion  , na rozdiel od ChatGPT , ktorý generuje text, generuje obrázky na základe pokynov. Napríklad všetky obrázky uvedené nižšie boli vygenerované týmto programom. Je to open source a je možné ho stiahnuť z oficiálneho úložiska GitHub so sprievodným kódom. Samotný model môžete otestovať na https://stablediffusionweb.com/  . Majte na pamäti, že túto službu využíva veľké množstvo ľudí zadarmo a niekedy nie je k dispozícii. Samotný názov programu je populárnou technikou používanou v tejto oblasti.

Príklady obrázkov generovaných StableDiffusion

Pri generovaní obrázkov je často možné zvoliť aj požadovaný štýl nového obrázka. Táto technika je známa ako prenos štýlu - style transfer ). Príklad môžete vidieť na obrázku nižšie.

Okrem obrázkov a textu dokáže umelá inteligencia generovať aj zvukový obsah. Na tomto odkaze môžete otestovať program MusicGen  od spoločnosti Meta tak, že slovami popíšete, aký druh hudby chcete generovať, a prípadne ponecháte príklad na prenos štýlu. Potom si môžete vypočuť vlastný obsah. Môžete tiež skúsiť s programami, ktoré vykonávajú prenos štýlu pri generovaní hlasu (napodobňujú hlas inej osoby) alebo sami komponujú hudbu na základe toho, čo už "počuli" v údajoch. Jedným z takýchto projektov je purpurová. Odkaz https://magenta.github.io/listen-to-transformer/ vás naň zavedie .

Požiadajte ChatGPT, aby vytvoril kvíz s otázkami o umelej inteligencii, a potom zistite, na koľko otázok môžete odpovedať.

Skúste dať pokyny StableDiffusion alebo Dalle-mini, ktoré vygenerujú obrázok ako tento:

Program DALL-E od OpenAI tiež generuje obrázky na základe pokynov používateľa. Program dalle-mini je verejne dostupná verzia tohto programu. Je k dispozícii na https://huggingface.co/spaces/dalle-mini/dalle-mini .

Hranie hier

Jednou z prvých úloh, v ktorých bola umelá inteligencia vyskúšaná, je šachová hra. Víťazstvom nad veľmajstrom Garrym Kasparovom získala táto oblasť výskumu veľa sympatií a podpory zo strany umelej inteligencie. Hoci majú presný súbor pokynov a pravidiel, hry sa vyznačujú vlastnosťou kombinatorickej explózie - veľkým počtom možných možností akcií po určitom počte krokov. To ďalej znamená, že hry neumožňujú nájsť riešenia aplikáciou bežných programovacích techník v niektorých v primeranom čase. Okrem šachovej hry sa umelá inteligencia preslávila aj v hre go s programom AlphaGo, potom hraním videohier a stratégií Atari ako Dota, Starcraft a ďalších. Na konci kurzu sa dozviete viac o odbore nazývanom posilňovacie učenie, ktoré sa v tejto oblasti aktívne uplatňuje.

Kombinatorická explózia v šachovej hre

Skontrolujte, či hra, ktorú máte radi, nevyužíva umelú inteligenciu v niektorých svojich segmentoch.

Robotika

Umelá inteligencia často potrebuje zlepšiť správanie a schopnosti fyzických objektov, ako sú roboty, priemyselné stroje, autá, drony, domáce spotrebiče alebo zdravotnícke pomôcky. Informácie o svete sa k týmto objektom dostávajú prostredníctvom hlasových pokynov, kamerových záznamov alebo meraní zo senzorov a ich úlohou je ich spracovať a premeniť na rozhodnutia. Úlohou umelej inteligencie v tejto oblasti je zlepšiť schopnosti objektov a pomôcť im osvojiť si inteligentné správanie.