Za nami kolejny webinar organizowany przez home.pl w ramach Akademii home.pl.
Tym razem nasz partner – EURID – przedstawił Państwu temat związany ze sztuczną inteligencją i uczeniem maszynowym. Prezentacja wzbudziła ogromne zainteresowanie, więc pojawiło się też sporo pytań. Odpowiedzi naszego eksperta poniżej.
Czy uczenia maszynowe można zastosować do przewidywania kolejnego treningu sportowego? Sportowiec wykonuje kilka treningów, dokonuje oceny poszczególnych jego elementów, wrzuca do maszyny i otrzymuje zoptymalizowany kolejny trening. Ten kolejny trening byłby po wykonaniu oceniony i wykonany, co pomogłoby predykować przez maszynę następny optymalny trening.
Można sobie wyobrazić przeprowadzenie zakrojonych na szeroką skalę badań i zgromadzenie takich specyficznych danych, które pomogą zbudować na ich podstawie szczególnie inteligentną aplikację. Natomiast póki co proste aplikacje do treningu są tez funkcjonalne i używane na masową skalę bez ML.
Czy translator Google osiągnął tzw. ludzki parytet? Pytam, bo te tłumaczenia z polskiego na angielski i odwrotnie są tego typu, że nie wiadomo czy śmiać się, czy raczej płakać.
Nie. Google Translator nie ma takiego parytetu, natomiast jakość przekładu zależy od języka oraz typu wypowiedzi (np. teksty prawne po polsku są całkiem dobrze tłumaczone, a reklamowe kiepsko).
Czy AI potrafią się uczyć na danych, w których nie podano przykładowego finalnego rozwiązania danego problemu? Tj. na podstawie danych maszyna znajdzie rozwiązanie? Widziałbym to w postaci zbioru możliwych rozwiązań.
Tak, AI uczy się, potrafi analizować dane i znajdzie rozwiązanie za pomocą danych, które posiada.
Czy użyto DL do symulacji rozwoju epidemii koronawirusa na danym obszarze danego społeczeństwa? Z jaką przewidywalnością?
Niestety tego nie wiemy w EURidzie.
Jakie są efekty zastosowania DL w zarabianiu na giełdzie? Czy jakaś firma ją stosuje?
DL jest powszechnie stosowane (jak i data science) do predykcji na podstawie danych historycznych. Jest to jednak tylko jedno z wielu narzędzi, które analitycy stosują grając na giełdzie (istnieje cała gama różnego typu oprogramowania, która służy do predykcji na giełdzie).
Czy da się prześledzić proces wnioskowania przez AI? Chodzi mi o głośne rozwiązania ludzików czerwonych polujących na niebieskich, gdzie AI wymyśliła rozwiązania wychodzące po standardowe rozwiązania ludzkie. Czyli, czy możemy dojść jak maszyna wpadła na te nieoczekiwane rozwiązania? Wówczas moglibyśmy przyspieszyć powstawanie takich rozwiązań naszych problemów.
Teoretycznie tak, ale ponieważ maszyna „rozumuje” w zupełnie inny sposób niż człowiek, to przełożenie jej trybu rozumowania na ludzki tryb rozumowania, właściwa interpretacja i adaptacja, byłaby wysoce nieefektywna. Większy sens ma wyciąganie wniosków z zachowania maszyny i ten sposób budowanie coraz efektywniejszych maszyn dla AI.
Czy były próby rozwiązania dylematu wagonika? Pędzący wagonik może przejechać 5 osób pędząc po swoim torze, ale zmieniając zwrotnicę ten wagonik zabije tylko jedną osobę. Jakie rozwiązanie wybrać?
Ten problem pojawia się oczywiście przy np. projektowaniu samochodów autonomicznych.
Na razie nie został inaczej rozwiązany niż przez zachowanie części autonomii (na różnych poziomach) w gestii człowieka. To pytanie pokazuje z jak kompleksowymi problemami i wyzwaniami mamy do czynienia
Zdecydowanie od skontaktowania się z informatykiem, który wybierze odpowiedni moduł AI, który można by wkomponować w aplikację do sortowania menu.
Kolejne kroki należy ustalić z osobą, która zna i rozumie temat – na indywidualnym przykładzie danych i oczekiwaniach.
