{"id":2363,"date":"2022-05-27T10:33:08","date_gmt":"2022-05-27T10:33:08","guid":{"rendered":"https:\/\/picockpit.com\/raspberry-pi\/?p=2363"},"modified":"2023-10-02T12:50:57","modified_gmt":"2023-10-02T12:50:57","slug":"ai-an-introduction-to-artificial-intelligence","status":"publish","type":"post","link":"https:\/\/picockpit.com\/raspberry-pi\/pl\/ai-an-introduction-to-artificial-intelligence\/","title":{"rendered":"Wprowadzenie do sztucznej inteligencji"},"content":{"rendered":"
\"Wprowadzenie<\/figure>\n\n\n\n

W dzisiejszych czasach sztuczna inteligencja jest wszechobecna w bran\u017cy IT. Ale jak ona dzia\u0142a? I jak samemu stworzy\u0107 sztuczn\u0105 inteligencj\u0119? <\/p>\n\n\n\n

W tym artykule wyja\u015bni\u0119 wszystko, co musisz wiedzie\u0107, aby rozpocz\u0105\u0107 prac\u0119 ze sztuczn\u0105 inteligencj\u0105.<\/p>\n\n\n\n\n\n

Historia AI<\/h2>\n\n\n\n

Ludzie my\u015bleli o o\u017cywianiu rzeczy od czas\u00f3w staro\u017cytnych. Ale szczeg\u00f3lnie wraz z wynalezieniem komputer\u00f3w idea my\u015bl\u0105cych maszyn zacz\u0119\u0142a nabiera\u0107 kszta\u0142tu.<\/p>\n\n\n\n

Najbardziej znanym jest wynaleziony w 1950 roku przez Alana Turinga test Turinga, kt\u00f3ry pozwala oceni\u0107, czy maszyna jest inteligentna, czy nie.<\/p>\n\n\n\n

Termin \"sztuczna inteligencja\" po raz pierwszy pojawi\u0142 si\u0119 w 1956 r. na konferencji w Dartmouth College.<\/p>\n\n\n\n

Wa\u017cnym wynalazkiem z 1967 r. by\u0142 algorytm najbli\u017cszego s\u0105siada, kt\u00f3ry jest istotny dla klasyfikacji obiekt\u00f3w i rozpoznawania wzorc\u00f3w.<\/p>\n\n\n\n

Pierwszy autonomiczny w\u00f3zek zosta\u0142 opracowany w 1979 roku. Nazywa\u0142 si\u0119 Stanford Cart i potrafi\u0142 wykrywa\u0107 i omija\u0107 \u015bciany.<\/p>\n\n\n\n

W 1985 r. wynaleziono sztuczn\u0105 inteligencj\u0119 NETtalk. Wykorzystywa\u0142a ona g\u0142\u0119bokie uczenie do uczenia si\u0119, jak m\u00f3wi\u0107.<\/p>\n\n\n

\n
\"Historia
Historia AI<\/figcaption><\/figure>\n<\/div>\n\n\n

W 1997 roku AI naprawd\u0119 zacz\u0119\u0142a si\u0119 rozwija\u0107. Superkomputer Deep Blue firmy IBM zdo\u0142a\u0142 pokona\u0107 \u00f3wczesnego mistrza \u015bwiata w szachach, Garry'ego Kasparowa.<\/p>\n\n\n\n

NASA opracowa\u0142a samojezdne \u0142aziki badawcze Spirit i Opportunity, kt\u00f3re w 2004 r. autonomicznie porusza\u0142y si\u0119 po powierzchni Marsa.<\/p>\n\n\n\n

W 2011 roku SI o imieniu Watson pokona\u0142a cz\u0142owieka w teleturnieju \"Jeopary!\".<\/p>\n\n\n\n

AlphaGo firmy Google pokona\u0142o profesjonalnego gracza w Go w 2016 roku. Go jest uwa\u017cane za znacznie bardziej z\u0142o\u017cone ni\u017c szachy, a moc obliczeniowa nie jest jedyn\u0105 rzecz\u0105 wymagan\u0105 do osi\u0105gni\u0119cia sukcesu.<\/p>\n\n\n\n

W 2019 roku SI pokona\u0142a nawet profesjonalnego gracza w grze Starcraft II.<\/p>\n\n\n\n

Dzi\u015b SI jest wsz\u0119dzie. Rozwi\u0105za\u0142a problem sk\u0142adania bia\u0142ek, a nawet nauczy\u0142a si\u0119 tworzy\u0107 sztuk\u0119 i pisa\u0107 kod.<\/p>\n\n\n\n

Wa\u017cne terminy<\/h2>\n\n\n\n

Poni\u017cej znajduje si\u0119 przegl\u0105d najwa\u017cniejszych termin\u00f3w zwi\u0105zanych z AI.<\/p>\n\n\n

\n
\"Wa\u017cne
Wa\u017cne terminy<\/figcaption><\/figure>\n<\/div>\n\n\n

Dziedzina AI jest bardzo rozleg\u0142a. Obejmuje takie zagadnienia, jak widzenie komputerowe, przetwarzanie j\u0119zyka naturalnego, robotyka i automatyka, by wymieni\u0107 tylko kilka z nich.<\/p>\n\n\n\n

Wa\u017cn\u0105 cz\u0119\u015bci\u0105 sztucznej inteligencji jest uczenie maszynowe. Jest to zbi\u00f3r metod i algorytm\u00f3w, kt\u00f3re pozwalaj\u0105 komputerowi uczy\u0107 si\u0119. Metody te mo\u017cna podzieli\u0107 na trzy klasy:<\/p>\n\n\n\n

Uczenie nadzorowane, uczenie nienadzorowane i uczenie przez wzmocnienie.<\/p>\n\n\n\n

W przypadku uczenia nadzorowanego SI wykorzystuje do treningu dane z etykietami. Inaczej jest w przypadku uczenia nienadzorowanego. Uczenie przez wzmocnienie to spos\u00f3b trenowania wirtualnego agenta. Agent otrzymuje nagrod\u0119 za ka\u017cdym razem, gdy zrobi to, co powinien zrobi\u0107. Zach\u0119ca to do po\u017c\u0105danego zachowania.<\/p>\n\n\n\n

Sieci neuronowe<\/h2>\n\n\n\n

Szczeg\u00f3ln\u0105 metod\u0105 uczenia nadzorowanego jest g\u0142\u0119bokie uczenie. G\u0142\u0119bokie uczenie to proces trenowania tzw. sieci neuronowej. Sie\u0107 ta sk\u0142ada si\u0119 z niezliczonej liczby w\u0119z\u0142\u00f3w (neuron\u00f3w). S\u0105 one po\u0142\u0105czone okre\u015blon\u0105 wag\u0105 i u\u0142o\u017cone w warstwy z tzw. biasem.<\/p>\n\n\n\n

Aby obliczy\u0107 warto\u015b\u0107 jednego neuronu na podstawie warto\u015bci poprzedniego neuronu, nale\u017cy pomno\u017cy\u0107 warto\u015b\u0107 poprzedniego neuronu przez wag\u0119 mi\u0119dzy neuronami i doda\u0107 wsp\u00f3\u0142czynnik koryguj\u0105cy.<\/p>\n\n\n

\n
\"Sie\u0107
Sie\u0107 neuronowa<\/figcaption><\/figure>\n<\/div>\n\n\n

Aby wytrenowa\u0107 sie\u0107, nale\u017cy zapisa\u0107 etykietowane dane treningowe w warstwie wej\u015bciowej. Sie\u0107 propaguje dane przez zmienn\u0105 liczb\u0119 warstw ukrytych, zale\u017cnie od wag i uprzedze\u0144.<\/p>\n\n\n\n

W ko\u0144cu dane trafiaj\u0105 do warstwy wyj\u015bciowej. Neuron wyj\u015bciowy o najwi\u0119kszej warto\u015bci stanowi prognoz\u0119 sieci. W zale\u017cno\u015bci od tego, czy przewidywania s\u0105 poprawne, SI dostosowuje wszystkie indywidualne wagi i b\u0142\u0119dy. W ten spos\u00f3b przewidywania staj\u0105 si\u0119 coraz dok\u0142adniejsze, co oznacza, \u017ce sie\u0107 si\u0119 uczy.<\/p>\n\n\n\n

Sprawd\u017a nasze Film z YouTube<\/a> aby zobaczy\u0107 przyk\u0142ad i wytrenowa\u0107 w\u0142asn\u0105 sztuczn\u0105 inteligencj\u0119.<\/p>\n\n\n\n

\n