Задать вопрос

nirvimel

Ответы пользователя по тегу Искусственный интеллект

  • Что свидетельствует о том, что машина обучается, а не собирает новые данные и не сравнивает их с уже загруженными?

    @nirvimel
    Из чего состоит кот?
    - Из головы, туловища, лап и хвоста.
    Из чего состоит стул, на котором сидит кот?
    - Из сиденья, ножек и спинки.

    Из чего состоит изображение кота?
    - Из миллионов пикселов (точнее из миллионов цифровых значений, определяющих цвет каждого пиксела).
    Из чего состоит изображение стула?
    - Из миллионов пикселов, таких же, из которых состоит изображение кота, только по-другому расположенных.

    Как отличить изображение кота от изображения пустого стула?
    - (Вероятно) Надо сравнивать значение пикселов на разных изображениях.
    А конкретно какие пикселы с какими сравнивать? По какой формуле?
    - Я не знаю. Ни один человек не знает и не может знать такую формулу, которая бы от миллиона числовых аргументов (значений цветов пикселов) выдавала бы на выходе одно значение, простой ответ: изображен ли на этой картинке кот или стул.

    Но как тогда человеческий мозг решает эту задачу?
    - Человеческий мозг работает на нечеткой логике. Поэтому человеку может казаться, что в облаках и кляксах Роршаха скрываются образы знакомых предметов (ложноположительное срабатывание нейронной сети). Нейроны мозга изначально связаны между собой хаотично, и эта структура не способна выдать определенный ответ о принадлежности различных изображений к одной категории. Но в ходе обучения эта структура перестраивается таким образом, чтобы ответы на вопрос о принадлежности изображения определенной категории с каждым разом (шаг обучения) лучше соответствовали действительности. См. На чем основан принцип обучаемости нейронных сетей? . В процессе самого распознания не происходит никакого целенаправленного вспоминания или поиска информации в памяти (это занимало бы слишком много времени). Мозг взрослого человека выдает ответ "это (не) кошка" так же быстро, как и мозг новорожденного, различается лишь точность этих ответов и процент ошибок. Эта точность определяется только структурой связей между нейронами в сети, а никак не количеством различных кошек, которых человек может вспомнить сознательно. Доказательством этого может служить тот факт, что у людей, переживших потерю памяти, никак не меняется способность распознавать простые образы при том, что они не в состоянии вспомнить даже собственное имя.
    Ответ написан
    2 комментария
    2 комментария

  • Как определить скорость автомобиля который тебя обогнал?

    @nirvimel
    1. Выбрать из всего видео два кадра между которыми замеряется скорость, автомобиль на этих кадрах должен находиться как можно ближе (чтобы легче замерить расстояние до него), но между сами кадрами расстояние должно быть побольше (чтобы снизить погрешность измерения).
    2. Определить расстояние до автомобиля на каждом из двух кадров (без этого никак, увы). Для этого можно фотографировать похожий по габаритам автомобиль с того же ракурса, пока его положение на снимке в точности не совпадет с положением измеряемого автомобиля в кадре с регистратора, потом точно замерить расстояние до какой-нибудь точки (ближнего колеса, например).
    3. Определить угол под которым автомобиль находится к вашей оси движения и центру кадра регистратора (надеюсь, они совпадают) в каждом кадре. Для этого также как и в (2) можно двигать и фотографировать похожий по габаритам автомобиль.
    4. Зная расстояние и угол на двух различных кадрах, строится треугольник и находится его неизвестная сторона (если известны две других стороны и углы к ним).
    5. Зная частоту кадров, рассчитывается время между двумя кадрами (желательно чтобы было побольше, но не так, чтобы на втором кадре автомобиль был уже слишком далеко).
    6. Расстояние делится на время, получается скорость. Это скорость обгона, абсолютную скорость можно получить прибавив скорость собственную.
    Ответ написан
    Комментировать
    Комментировать

  • Суть машинного обучения сводится к классификации проанализированных данных?

    @nirvimel
    Типология задач машинного обучения - думаю эта статья лучше всего раскрывает суть машинного обучения в плане решаемых задач.
    Ответ написан
    Комментировать
    Комментировать

  • Лучший метод для реализации искуственной нейросети в сфере робототехники и распознования?

    @nirvimel
    Ни выбор языка программирования, ни конкретная реализация нейронной сети, никаким образом не определяются предметной областью, а только конкретной программной задачей, самые различные из которых могут возникать в любой предметной области. Возможно, что для написания прошивки для контроллера детской игрушки лучшим инструментом окажется ассемблер, в для микрокомпьютера в ядерном чемоданчике президента - haskell, например. А возможно и наоборот.
    Ответ написан
    Комментировать
    Комментировать

  • Как понимать термин "предметная область"?

    @nirvimel
    В других работах по распознаванию в качестве предметной области указано - нейронные сети, что по сути является лишь методом решения проблемы.

    Значит неверно указано. Метод решения не связан с предметной областью.
    Нейронные сети - технология, применяемая во многих (скоро уже во всех) предметных областях.

    «Разработка алгоритмов групповых решений в задачах распознавания образов». Столкнулся с тем, что нужно описать предметную область.

    Распишите там как важна эта задача в современном мире, как давно она стоит (с середины XX века можно начинать прослеживать историю). Весь математический аппарат для решения задачи распишите. Это и будет описанием предметной области.
    Ответ написан
    Комментировать
    Комментировать

  • Машинное обучения чайника?

    @nirvimel
    Машинное обучение охватывает довольно широкий круг задач, между собой разные области не то чтобы совсем не связаны, но нельзя сказать, что разбираться в одной из этих областей невозможно без полного понимания остальных.
    Если цель - овладение машинным обучением во всей совокупности его задач и областей, то придется заплатить за это 2-3-4 года своей жизни, как сказал brainick .
    Если же интересует конкретный класс прикладных задач, то можно достаточно глубоко погрузится в одну узкую область и стать специалистом в ней. Теоретические основы вполне реально изучить за время, за которое вы изучаете отдельный язык программирования. Но нет предела совершенствования практических навыков, как и нет предела совершенствования владения языком программирования.

    Общее представление о задачах машинного обучения даст возможность выбирать для себя круг задач и специализацию. На русском доступна специальная вики по машинному обучению https://www.machinelearning.ru/ - пока еще, бледная тень английской вики (может со временем разовьется).
    Для тех, кто не боится английского - большая подборка.
    Ответ написан
    2 комментария
    2 комментария

  • С чего начать (и как продолжить) изучать искусственный интеллект (Lisp/Clojure)?

    @nirvimel
    Искусственный интеллект - настолько широкая тема, что даже не является прикладной областью, а скорее набором различных технологий, применяемых в различных областях. Поэтому вам лучше для начала определиться с прикладной областью в которой вы собираетесь применять ИИ. Это позволит ответить на остальные ваши вопросы.

    P.S. Даже само определение ИИ может различаться в различных областях.
    Ответ написан
    Комментировать
    Комментировать