AIAE » E-LEARNING » INTERVJU 1
Aplikacije umetne inteligence, strojno učenje, interakcija med človekom in strojem
Naslednji izseki intervjuja, ki ga je opravil Pierre Lison, zajemajo različne teme, kot so glavne aplikacije umetne inteligence v naši družbi, strojno učenje in njegov odnos do umetne inteligence in velikih podatkov, globoko učenje, interakcija človek-stroj in njeni cilji ter trendi in izzivi na področju interakcije človek-stroj.
prepis
Moje ime je Kelly Zone. Sem višja raziskovalka v Norveškem računalniškem centru, ki je raziskovalni inštitut, ki se ukvarja z umetno inteligenco, statističnim modeliranjem in na splošno z računalništvom. Moje raziskovalno področje je umetna inteligenca in zlasti vse, kar je povezano z jezikom, tako imenovane jezikovne tehnologije ali obdelava naravnega jezika.
Quiz question 1/8
Intervjuvanec Pierre Lison je višji
Quiz question 1/1
You have completed the Quiz!
prepis
Najlepša hvala. Katere so glavne tehnologije umetne inteligence in glavne aplikacije umetne inteligence do zdaj? UI se že uporablja v našem vsakdanjem življenju. Če pomislite na iskalnike, Google ali računalniški vid, ki se uporablja za prepoznavanje predmetov, ali kodne vrstice na mobilnem telefonu ali prepoznavanje govora, vse, kar je povezano s kompleksnimi problemi, za reševanje katerih je potrebna določena stopnja inteligence. Kaj pa prepoznavanje predmetov in prepoznavanje glasu? Se lahko nanaša na prepoznavanje obrazov in govora? Da. Vse, kar je povezano s prepoznavanjem predmetov na slikah ali video tokovih, je del tega velikega področja, imenovanega računalniški vid. Tako lahko prepoznate predmete, pri čemer v tem primeru nekako določite predmete, ki jih želite prepoznati. Na primer želite prepoznati kavče ali različne vrste pohištva ali legokocke ali karkoli drugega, da opredelite kategorije, ki jih želite prepoznati. Običajno imate sistem, ki usposobi model za prepoznavanje teh vrst predmetov. Pri prepoznavanju obrazov je enako, le da namesto fizičnih predmetov uporabljate človeške obraze. In spet potrebujete sistem, ki usposablja model, ki prepoznava različne vrste oseb glede na njihov obraz. In za prepoznavanje govora je v bistvu enako, le da seveda ne gre za vizualni vnos, temveč za zvočni vnos. Vendar je ideja enaka, da v zvočnem zapisu, v zvočnih podatkih, prepoznate nekatere vzorce, ki določajo različne vrste zvokov, in če zvoke sestavite skupaj, bodo sestavljali besede, stavke, nato pa lahko prepoznate, kaj se govori, in to prepišete. Ali nam lahko poveste, kateri so današnji novi trendi? Umetna inteligenca je že zdaj veliko področje, ki raste precej hitro. Nekateri od največjih trendov pa so seveda vezani na široko dostopnost velikih količin podatkov za usposabljanje. Eden od pomembnih trendov je resnično izboljšati tehnologije, da bo lahko obdelovala res velike količine podatkov, pravzaprav vse, kar lahko najdete na spletu. To velja tako za jezikovno tehnologijo kot za besedilo in računalniški vid, saj je na spletu milijarde slik. Zato je ta izboljšana tehnologija eden od pomembnih trendov. Po drugi strani je pomemben trend, ki se mi zdi zelo zanimiv, dejstvo, da vse več raziskovalcev preučuje etična vprašanja v ozadju tehnologije. Deloma zato, ker na primer uporabljamo pravzaprav vse, kar je mogoče najti na spletu, ne da bi ljudi, katerih slike prikazujemo, prosili za soglasje za njihovo uporabo za te velike modele, pa tudi zato, ker se zavedamo, da umetna inteligenca resnično vpliva na naše vsakdanje življenje. In potem bi morali razmisliti o tem, ali lahko na primer UI pride do pristranskosti, izražanja stereotipov ali sovraštva, včasih tudi zato, ker je usposobljena na podatkih, ki jih najdemo povsod na spletu. Vemo, da je splet včasih čuden kraj. Zato je treba razmišljati o tem, kako se uči UI, kaj se model nauči, ko prečesava splet za podatke, in kako lahko zagotovimo, da izpolni naša pričakovanja? In seveda predpisi, ko gre npr. za nediskriminacijo.
Quiz question 1/8
Po mnenju strokovnjaka se aplikacije umetne inteligence že široko uporabljajo v naši družbi in vsakdanjem življenju.
Quiz question 1/8
Brskalniki, Google, računalniški vid, prepoznavanje glasu/govora, prepoznavanje predmetov/obrazov in jezikovne tehnologije, so primeri tehnologij ter aplikacij umetne inteligence.
Quiz question 1/8
Prepoznavanje predmetov na slikah in video zaslonih ni del velikega področja, imenovanega računalniški vid.
Quiz question 1/8
Pri računalniškem vidu gre za usposabljanje modela za prepoznavanje vzorcev, kot so fizični predmeti, človeški glas in obrazi, vizualni, zvočni ali video vhodni podatki
Quiz question 1/8
Po mnenju strokovnjaka se umetna inteligenca razvija počasi
Quiz question 1/8
Analitika velikih količin podatkov je eden od nastajajočih tehnoloških trendov, ki omogoča obdelavo zelo velike količine podatkov
Quiz question 1/8
Raziskovalcem se etična vprašanja v zvezi s tehnologijami umetne inteligence ne zdijo tako pomembna
Quiz question 1/8
Strokovnjak meni, da umetna inteligenca nima vpliva na naš vsakdan in družbo
Quiz question 1/1
You have completed the Quiz!
prepis
Zdaj bomo govorili o strojnem učenju. Ali nam lahko poveste, kaj je strojno učenje in kako deluje? Strojno učenje je veja umetne inteligence, ki je postala znana kot prevladujoča veja umetne inteligence. V resnici gre za gradnjo modelov za določeno nalogo, pri čemer stvari niso vnaprej programirane, temveč se jih stroji naučijo iz podatkov. Namesto da bi zapisali, določili podrobna pravila o tem, kaj naj sistem stori v vsaki situaciji, zagotovite nekaj podatkov, podatkov za učenje, saj poskušate doseči, da se sistem uči iz teh podatkov. In sistem bo nato samodejno prepoznal nekatere vzorce, ki so uporabni za določeno nalogo, in jih samodejno nato uporabil na novih podatkih, ko se jih bo naučil. Ali nam lahko poveste, kako je strojno učenje povezano z umetno inteligenco in tudi z velikimi količinami podatkov? Da. Ko gre za povezavo z umetno inteligenco, je strojno učenje torej res postalo prevladujoč način reševanja zapletenih nalog umetne inteligence. Strojno učenje to naredi na velikih učnih nizih in tako je povezano z velikimi podatki v smislu, da ustvarja modele za različne naloge z uporabo velikih podatkovnih nizov. Zato je tudi res neposredno povezano z velikimi podatki.
Quiz question 1/8
Strojno učenje je:
Quiz question 1/8
Strojno učenje se nanaša na: (2 pravilna odgovora)
Quiz question 1/8
Strojno učenje: (2 pravilna odgovora)
Quiz question 1/1
You have completed the Quiz!
prepis
In kakšna je razlika med strojnim in globokim učenjem? Globoko učenje je posebna vrsta tehnologije za strojno učenje. Ni edina, vendar je postala zelo priljubljena za nekatere vrste problemov. Bistvo globokega učenja je v tem, da se naučimo tako imenovane nevronske mreže z veliko obdelovalnimi plastmi. Torej imate precej zapleten matematični model, ki je sestavljen iz majhnih računalniških vozlišč, ki sprejemajo informacije in jih nato posredujejo naprej drugim nevronom ali drugim računalniškim vozliščem, ki imajo določene matematične lastnosti. In čeprav so ta majhna vozlišča sama po sebi precej preprosta, se lahko sistemi naučijo opravljati zapletene naloge, če jih združite in povežete v velika omrežja z milijoni takšnih vozlišč, podobno kot v možganih, kjer so nevroni povezani drug z drugim. Na primer globoke nevronske mreže. Globoko učenje je bilo uporabljeno za strojno prevajanje. Tako pri samodejnem prevajanju, kot je na primer prevajalnik Google Translate, vemo, da je to zapletena naloga, pri strojnem prevajanju je namreč treba razumeti kontekst stavka. Razumeti morate jezikovne lastnosti tako vhodnega kot ciljnega jezika. Razumeti morate, kako se besede med seboj kombinirajo, tako da če dve besedi združite, nastane konstrukcija, ki se prevaja drugače. To so torej res zapletene naloge in vemo, da je bilo za uporabo tradicionalnega strojnega učenja Latif do leta 2010 znano, da daje rezultate, ki so bili v večini primerov v redu, vendar z resnimi napakami in težavami pri razumevanju kontekstualnih dejavnikov, na primer, medtem ko so te globoke učne mreže bolje pokazale, da lahko najdejo prevod visoke kakovosti. Kot rečeno, to še zdaleč ni rešen problem in s strojnim prevajanjem je še vedno veliko težav, vendar se je pokazalo, da so nevronske mreže bolje razumele, kako prevajati. In kakšna je razlika med strojnim učenjem, globokim učenjem in tradicionalnim programiranjem? Strojno učenje je pravzaprav krovni izraz za vse na področju umetne inteligence, kar se uči na podlagi podatkov. Torej je res precej obsežno. Vključuje globoko učenje, pa tudi druge tehnike, od katerih nekatere segajo v sedemdeseta leta prejšnjega stoletja. Globoko učenje je sicer res posebna vrsta tehnologije, ki temelji na nevronskih mrežah in deluje v številnih primerih, vendar obstaja veliko drugih tehnik, ki dobro delujejo in imajo druge lastnosti, ki so zanimive. Morda lahko povem nekaj glavnih pomanjkljivosti nevronskih mrež. Torej najprej zahteva velike količine podatkov in za nekatere probleme imate velike količine podatkovne baze, kar še zdaleč ne velja za vse, če jih prevajate. Na primer, pri strojnem prevajanju za jezik, za katerega nimate veliko virov, bo težko uporabiti globoko učenje. Druga težava je, da so to popolne črne škatle. To pomeni, da ne razumete, česa se je sistem naučil, in včasih je to v redu. Ni treba vedno razumeti vsega. Toda če, recimo, gradite sistem za odločanje o tem, ali naj neki osebi odobrite posojilo, lahko imate sistem, ki lahko temelji na plači osebe in kraju, kjer živi, in na tem, ali je poročena ali ne, in tako naprej, in tako naprej. Različni demografski dejavniki lahko vplivajo na odločitev. Tako imate sistem, ki lahko poda dobro napoved o tem, ali je oseba upravičena do posojila ali ne. Vendar pa sistem ne more pojasniti razlogov za njegovo odločitev. To bo zelo problematično, saj potrebujete sistem, ki ne daje le odgovora, ampak tudi pojasnjuje, zakaj je prišel do tega določenega odgovora. In to je pomembna pomanjkljivost nevronskih mrež. In zato imajo lahko včasih sistemi strojnega učenja v nekem pogledu nekoliko slabšo učinkovitost, vendar so sposobni razložiti korake, postopke obdelave, ki stojijo za njihovo odločitvijo, včasih veliko bolje. Zato ni enega samega načina za ocenjevanje teh modelov. Za različnimi vrstami tehnologij stojijo različne vrste prednosti in slabosti. Tradicionalno programiranje pa je preprosto to, da vnaprej programiraš vsa pravila, brez pomoči modela.
Quiz question 1/8
Globoko učenje je edina tehnologija strojnega učenja.
Cilj globokega učenja je usposobiti nevronske mreže s številnimi procesnimi plastmi.
Sistemi se lahko naučijo, kako opravljati zapletene naloge, zahvaljujoč številnim vozliščem, združenim in povezanim v veliko omrežje takšnih vozlišč.
Globoko učenje se uporablja pri strojnem prevajanju, ki je avtomatizirano.
Pri strojnem prevajanju, kot je Googlov prevajalnik, vam ni potrebno razumeti konteksta stavkov, jezikovnih lastnosti obeh jezikov ali tega, kako se lahko besede med seboj kombinirajo.
Strojno prevajanje z globokim nevronskim sistemom deluje bolje in je kakovostnejše od običajnega strojnega prevajanja, vendar ga je potrebno še precej izboljšati.
Strojno učenje je zelo splošen izraz na področju umetne inteligence, ki predstavlja učenje na podlagi podatkov.
Strojno učenje ne vključuje globokega učenja.
Globoko učenje je zelo specifična tehnologija, ki temelji na nevronskih mrežah.
Tradicionalno programiranje temelji na vnaprej programiranih pravilih in ne na usposabljanju modelov.
Quiz question 1/1
You have completed the Quiz!
prepis
Omenili ste že strojno prevajanje. Ali lahko navedete enega ali več primerov priljubljene uporabe strojnega učenja? Da. Torej iskanje s strojnim učenjem, na primer v iskalniku Google, iskalniki, računalniški vid, prepoznavanje govora. Tam se v osnovi uporablja za kakršno koli klasifikacijo ali napovedovanje. In večina podjetij ima dandanes neke vrste sistem. Tam avtomatizirajo nekatere svoje odločitve ali napovedi. V robotiki je to vedno najprej tudi področje, na katerem imate veliko modelov strojnega učenja, ki robotom pomagajo pri odločanju, kaj naj naredijo in kako naj to naredijo. V industriji se tako zelo pogosto uporabljata strojno učenje in globoko učenje. Pred tem so bili, saj veste, statistični modeli in modeli strojnega učenja za razvoj tega. Omenili ste že nekaj prednosti in priložnosti strojnega učenja za družbo. Ali lahko omenite še kakšno? Ena od glavnih prednosti je verjetno avtomatizacija. Gre za avtomatizacijo opravil, ki so lahko ponavljajoča se. Pa tudi vse tisto, kar počnete z avtonomnimi, polavtonomnimi avtomobili. To je tudi še en primer, kjer je velik del vožnje ponavljajoč se, rutinski. V bistvu gre za iskanje vzorcev. In računalniki so precej dobri pri prepoznavanju vzorcev in to počnejo sistematično. 24 ur na dan, 7 dni v tednu, medtem ko so človeški vozniki slabši pri spremljanju dogajanja na cesti ure in ure. To je še en primer, ko je lahko avtomatizacija procesa, ki je v večini primerov bolj ali manj rutinski in ponavljajoč se, zelo koristna. Seveda je to dober primer, saj se večina dogajanja na cesti ponavlja. Včasih pa se na cesti zgodi kaj nepričakovanega, kar je zapletena situacija. In strojno učenje temelji na zgodovinskih podatkih. Uči se na podlagi tega, kar je bilo videno v preteklosti, in poskuša to posplošiti. Toda sposobnost posploševanja je veliko šibkejša od tiste, ki jo imamo ljudje. Zato lahko hitro razumemo novo nastalo situacijo, medtem ko je to za računalnik veliko težje.
1/3: Kje se danes uporablja strojno učenje?
Please try to answer the question first and then click "next" to see ours.1/3: Kje se danes uporablja strojno učenje?
V strojnem prevajanju, iskalnikih, kot je Google Search, računalniškem vidu, prepoznavanju govora, samodejnem sprejemanju odločitev, klasifikacijah in napovedih, robotiki in avtonomnih avtomobilih.2/3: Kakšna je glavna prednost strojnega učenja za družbo?
Please try to answer the question first and then click "next" to see ours.2/3: Kakšna je glavna prednost strojnega učenja za družbo?
Avtomatizacija ponavljajočih se in monotonih opravil ter procesov.3/3: Na čem temelji strojno učenje?
Please try to answer the question first and then click "next" to see ours.3/3: Na čem temelji strojno učenje?
Temelji na zgodovinskih podatkih v nadzorovanem strojnem učenju, učenju na podlagi preteklih izkušenj in posploševanju.Quiz question 1/1
You have completed the Quiz!
prepis
Zdaj bomo prešli na interakcijo med človekom in strojem. Kakšni so po vašem mnenju cilji interakcije človek-stroj? Cilj interakcije človek-stroj je preprosto ustvariti dobre vmesnike med človekom, ki želi opraviti določeno nalogo, in strojem, ki to nalogo podpira. Grafični uporabniški vmesnik je zelo preprost primer tega. Seveda pa je del tega tudi vse, kar je povezano z interakcijo in tehnologijo. Tako sem se na primer ukvarjala z govorečimi roboti in to je še ena vrsta interakcije, ki se precej razlikuje od okna na zaslonu, vendar je prav tako vmesnik v smislu, da v tem primeru uporabljate govorjeni jezik za dajanje navodil in prejemanje povratnih informacij o tem, kaj se dogaja pri izvajanju naloge. In vprašanje je vedno, kako lahko zagotovimo tekočo komunikacijo, pri kateri oseba razume, kaj se dogaja, in zlahka sporoči, kaj je treba storiti. In kako je mogoče naprave nadzorovati? To je res odvisno od tehnologije. Mislim, za računalniško okno je to precej enostavno, če razumete vmesnik, da majhen križec pomeni, da zapirate okno. Za zahtevnejša orodja pa je to seveda nekoliko težje, saj je treba najti nekaj, kar je dovolj intuitivno in hkrati dovolj zmogljivo, da omogoča vrsto možnosti za določeno napravo, ki jo imate. Za robota, na primer, je nabor možnih stvari, ki jih lahko robot reče in naredi v svetu precej velik. Zato potrebujete neke vrste preglednost, kar je eno od temeljnih načel interakcije med človekom in robotom. To pomeni, da mora sistem čim bolj jasno sporočati, kaj je razumel, česa ni razumel, kje je pri izvajanju naloge, da ima uporabnik čim večji nadzor, saj brez informacij ni nadzora.
1/3: Kaj je glavni cilj interakcije med človekom in strojem?
Please try to answer the question first and then click "next" to see ours.1/3: Kaj je glavni cilj interakcije med človekom in strojem?
Ustvarjanje dobrih vmesnikov med človekom, ki želi opraviti določeno nalogo, in strojem, ki lahko to nalogo opravi.2/3: Kateri so primeri interakcije med človekom in strojem?
Please try to answer the question first and then click "next" to see ours.2/3: Kateri so primeri interakcije med človekom in strojem?
Grafični uporabniški vmesnik, govoreči roboti, interakcija s tehnologijami.3/3: Kakšne kakovosti morajo biti orodja/oprema/sistemi/stroji?
Please try to answer the question first and then click "next" to see ours.3/3: Kakšne kakovosti morajo biti orodja/oprema/sistemi/stroji?
Biti morajo dovolj intuitivni in pregledni.Quiz question 1/1
You have completed the Quiz!
prepis
Kakšen bo razvoj interakcije med človenkom in strojem in kakšni so novi trendi? Eden od pomembnih trendov je, da je šlo pri zgodnji interakciji med človekom in strojem v resnici za prilagajanje človeka omejitvam vmesnika, s katerim je imel opravka. V sedemdesetih letih prejšnjega stoletja ste imeli zelo dodelane stroje s številnimi gumbi in bistvo je bilo, da se je moral človek naučiti, kako upravljati vmesnik, sam vmesnik pa se ni prilagajal. Danes pa je trend, da se vmesnik, stroj, skuša čim bolj prilagoditi človeškemu uporabniku in govoriti njegov jezik. In kar me kot raziskovalca na področju jezikovne tehnologije zanima, je, da bi imeli stroje, ki govorijo jezik in so sposobni komunicirati v komunikacijskem mediju, ki je za nas ljudi najbolj intuitiven, to je naravni govorjeni jezik, saj smo večino svojega življenja preživeli tako, da smo se pogovarjali in poslušali drug drugega v govorjenem jeziku. Ta je najmočnejši, saj lahko ideje in misli ter pravzaprav kar koli izrazimo povsem brez napora na način, ki bi bil nemogoč s togim vmesnikom, kjer bi morali klikati na gumbe. Seveda pa je tudi težko, saj je naravni jezik dvoumen, nejasen, včasih protisloven in negotov. Vedno je treba veliko razlagati, da bi se razumeli. Toda vse to je zanimivo, saj imeti stroj, ki razume govorjeni jezik, pomeni, da je to stroj, za katerega ne potrebujete nobenega usposabljanja. Znate govoriti svoj materni jezik in to je zelo uporabno in uporabniku prijazno. In v nekaterih primerih, če pomislite, npr. med vožnjo avtomobila ali kuhanjem, ko so vaše roke sredi priprave hrane, je to tudi edini način za konkretno interakcijo s strojem. Od uporabnika v avtonomnem avtomobilu ne morete pričakovati, da bo ves čas gledal v zaslon in se dotikal gumbov. Zato je v številnih primerih prihodnost interakcije človek-stroj v resnici v tem, da imamo sisteme, ki lahko z nami komunicirajo na način, ki nam je znan, bodisi prek jezika bodisi prek nekega vizualnega jezika, ki je lahko razumljiv. In kot zadnje vprašanje ste že omenili nekatere priložnosti in izzive. Ali lahko naštejete več pozitivnih učinkov in tudi izzivov, ki jih ima interakcija človek-stroj za družbo? No, vedno je tu misel, ki se nanaša zlasti na jezikovno tehnologijo. Obstaja izziv neenakega dostopa in neenakih virov, ki presega interakcijo človek-stroj. Toda pomemben problem za večino današnjih jezikovnih tehnologij je na primer ta, da jeziki nimajo enake stopnje podpore, pri čemer je velika razlika, če ste govorec ameriške angleščine ali če ste govorec nekaterih oddaljenih afriških jezikov. Kjer prevajalnik Google ne deluje, nimate možnosti, da bi tehnologijo kakor koli uporabili. Včasih nimate na voljo niti tipkovnice na mobilnem telefonu, da bi se lahko izrazili v svojem maternem jeziku. In to je v prihodnosti pomemben izziv. Da o dostopu do tehnologije seveda ne govorimo. Mislim, če za začetek nimaš telefona, imaš še manjši dostop. Toda vse to, kako zagotoviti, da bo ta tehnologija dejansko zagotavljala in se uporabljala kot sredstvo za izenačevanje, namesto da bi v svetu obstajale neenakosti, je pomemben izziv.
Quiz question 1/8
Eden od pomembnih novih trendov na področju strojnega učenja so stroji, ki se lahko
Quiz question 1/1
You have completed the Quiz!