AI, uczenie maszynowe - #22
W odcinku rozmawiamy o sztucznej inteligencji (AI), uczeniu maszynowym, sztucznych sieciach neuronowych. Link do tematu na forum: https://www.elektroda.pl/rtvforum/topic3980394.html
Tam jest nastawienie na rozdanie zadań po sieci, przeliczenie ich, moment synchronizacji, zwrócenie wyników, więc bardzo to się wpasowuje właśnie w obliczenie warstwy neuronów. No i jak już tą pierwszą warstwę przeliczę, mam wyniki, muszę je podać na następną warstwę. Więc widać, jest to złożone obliczeniowo. Problem przeliczenia przejścia sygnałów przez sieć. Tak. Zresztą zazwyczaj się używa nie bez powodu GPU. Właśnie dzięki temu, że na GPU te obliczenia będą szły troszeczkę szybciej. Kwestia złożoności obliczeniowej, no to nie tylko w samych sieciach jest problemem, bo nawet jeżeli czasami skupimy się na jakichś prostszych modelach, To zdarzają się takie, gdzie obliczenia na zwykłym CPU zaczyna się być problemem i one idą na przykład w przysłowiową nieskończoność, że my zostawiamy komputer na dwie godziny, wracamy za dwie godziny, a to się dalej liczy.
Pokazano wszystkie 1 dopasowanie. Transkrypcja generowana automatycznie i niesprawdzana ręcznie — może zawierać błędy.
Andrzej Mujnik przedstawia gościa Kingę Głąbińską, prowadzącą blog analityczny umysł.pl, i omawia temat sztucznej inteligencji i uczenia maszynowego.
Kinga Głąbińska omawia różnice między uczeniem maszynowym a tradycyjnym programowaniem opartym na if-then, przykładowym problemie spamu.
Kinga Głąbińska omawia architekturę sztucznych sieci neuronowych, w tym strukturę warstwową, funkcje aktywacji i problem kosztu obliczeniowego.
Kinga Głąbińska omawia problem kosztu obliczeniowego w sztucznych sieciach neuronowych i wprowadza kwestię ekologii.
Kinga Głąbińska wyjaśnia proces przetwarzania danych wejściowych i strukturę sieci neuronowej, w tym warstwy neuronowe i proces uczenia.
Kinga Głąbińska omawia proces uczenia w sztucznych sieciach neuronowych, w tym koncept minimum lokalnego i globalnego.
Kinga Głąbińska omawia dygresję na temat struktur biologicznych i wprowadza kwestię jakości danych wejściowych.
Kinga Głąbińska omawia przykład pułapki sztucznej inteligencji, w tym problem klasyfikacji wilków i husków.
Kinga Głąbińska omawia ataki na sztuczne inteligencje i wprowadza drzewa decyzyjne jako alternatywny mechanizm uczenia maszynowego.
Kinga Głąbińska porównuje drzewa decyzyjne i sieci neuronowe, w tym ich zalety i wady, oraz wprowadza Akinator.com jako przykład.
Kinga Głąbińska omawia logikę rozmytą w sztucznej inteligencji, w tym jej zastosowanie w klasztorfikacji obiektów.
Rozmowa kontynuuje temat uczenia maszynowego, analiza modelu ChatGPT i zagrożenia związane z AI, takie jak dezinformacja i oszustwa.
Rozmowa o niechęci do rozmów z czatem i społecznym nastawieniu do AI.
Promocja bloga i Instagrama oraz informacje o mentoringu i szkoleniach.
Przykłady zastosowań AI w firmie produkującej uszczelki i rozwijaniu modeli uczenia maszynowego.
Podziękowania za udział w rozmowie i zaproszenie do kolejnych odcinków.
Rozdziały i streszczenia generowane automatycznie. Pełna transkrypcja nie jest publikowana — wyszukaj frazę, aby zobaczyć dopasowane fragmenty.
Kliknij, aby znaleźć fragmenty, w których pada.