Вычислительные методы в разработке искусственного интеллекта — Иван Оселедец

Автор German Usachev
Вычислительные методы в разработке искусственного интеллекта — Иван Оселедец

искусственный интеллект, что ты сейчас такая.

Саша хайповая тема о нём говорят все начинаю томат банкиров простых людей, что он сейчас захватит мир думала на самом деле кто понимает, что — это такое все на самом деле имеет что-то своё под этим есть конкретное в общем-то научная основа про которая как раз хотел бы сказать, а потом уже сфокусироваться именно на вычислительных методов. Какая не имеет отношения к искусству кто, что вообще под этим понимается вообще. А если говорить про нашу страну вычислительные методы у нас развивались очень долго замечательно космические полеты атомный проект решить уравнение в частных производных и разностные схемы и другие методы.

У нас очень хорошо развиты очень много людей занимались теории искусственного интеллекта, но с какой стороны скорее.

Ника более философской. Что такое искусственный интеллект как и у него типа вот если в какой-нибудь конференция согнут в. России скажешь про искусственный интеллект где-то полчаса уйдёт на обсуждение что-то, что вы обсуждаете вкус не является на западе ситуация проще artificial intelligence в общем-то под этим в основном понимают машины обучение и даже более конкретно — это Deep Learning глубинное обучение которое где-то 12 года — это такое очень популярная тема на самом деле история довольно простая, что все эти методы они были придуманы не 5 лет назад и даже не существует больше, но где-то 5 лет назад произошла такая революция глубоком обучении после которого алгоритмы основана нём стали получать производительность успешность лучше чем. Это умеет делать человек, но — это отдельная на самом деле рассуждение почему так произошло в кратце появилось новое железо появились большие объемы данных и казалось, что тело горит ну которые не очень хорошо работали на 1000 примеров очень хорошо работает на 50 1000 хамелеонов примеров и простые поставили ставить рекорды и возникла совершенно уникальная ситуация в научном мире, что огромное количество научных групп они работают в узкой области обычно ситуация в науке состоит в том, что каждое научная группа накапает свой кусочек огорода и друг с другом, но сравнивается на него сейчас здесь оказалось, что фактически в одной теме как если совсем группа. Как отличить кошку от собаки начиналось всё с этого совершенно с простой вещи стала работать сотни сейчас уже гораздо больше 1000 групп с хорошим большой финансированием и оказалось, что во-первых можно выстроить вычислитель инфраструктуру. Так, что — это всё работа. След уже возникли новые алгоритмы. Но их можно довольно долго перечислять, что который существенно повысили качества в первую очередь в задачах распознавания изображений потом в обработке естественного языка в задачи обработки аудио сейчас — это всё переносится уже достаточно успешно на обработка медицинских изображений там тем не менее есть ещё открытые проблемы и задачи, но всё — это всё. Это буквально статьи недавние и присутствует прям очень быстрое распространение знаний. То есть статья которая вышла. Не знаю в октябре может быть уже классической все пользуются только такого удачной мере так было достаточно редко, но плюс к этому добавляется огромный интерес со стороны глобальных корпораций и большой консервирование открытости среды открытых исходных кодов на тот же самый Google и Facebook и. Они открыли программные коды своих вычислительных пакетов направленных на машинное обучение глубокое обучение все пользуются все развивают скорость развития большое. Очень большая, но тем не вернёмся опять к обычно под этим понимается вещи либо — это эффективный алгоритм для вычисления чего-то да либо. Чуть более узко — это вычислить алгоритм для расчёта вот нашего физического мира физический мир наш описывается уравнениями которые люди долго проводили какими-то зависимостями естественно любое математической модели является упрощением самого этого мира после — это строится числе схема строится эффективный метод, тогда и на самом деле одно из наиболее интересных вещей для меня вечно группы направлений является. Как скрестить вот эти два мира то есть модели физических явлений и вот эти методы которые настолько успешна в обработке изображений. Так на самом деле моделирование сложных физических систем — это является. В каком смысле. Ну, что ли искусством да то есть построить хорошую модель нужен специальный человеку. Как физик теоретический. Физика или как их математике модельеры то есть модельеры не от одежды от людей которые строят математические модели и после этого строится численный метод по стандартам каким-то подходу альтернативой на самом деле могут быть. Вот такие подходы которые пытаются строить модели типа черный ящик. Ну то есть машина вообще не, что нам нужно обучающая выборка то есть мы знаем точный результат например картинка. Да у нас есть объект признаков картинка например цвета и класс точный ответ там кот собака или если более что-то например. МРТ и нужно определить. Да там так вот внимания или нет понимания этом рад не так вот здесь практически всё сводится к тому, что нужно подготовить такое обучающую выборку — это так называемый обучение с учителем супервайс. Леоненко один из четырех основных подходов машинного обучения и после этого строится достаточно общего вида нейронная сеть которая обучает и оказывать, что если выборка достаточно большая параметры рабочего дня быстро недостаточно хорошо то — это можно сделать всё быстро замечать, но может быть очень быстро на достаточно точно. Если же мы классические численные методы то там тоже можно применить точно такой же подход — это вот то, что называется локальным Fruit то есть мы берём какую-нибудь сложную систему относительно например уравнение. Шрёдингера двумерное уравнение. Шрёдингера которое описывает квантовой системы и.

0 комментариев
0

Читайте также