We hebben allemaal gehoord over kunstmatige intelligentie en de mogelijkheden ervan: nieuws over innovatieve ontwikkelingen,
Kort over AI
Kunstmatige intelligentie is een reeks technologieën enalgoritmen die bepaalde cognitieve functies kunnen imiteren die inherent zijn aan mensen. Het is echter belangrijk om te begrijpen dat AI-technologie verre van het ‘superbrein’ is waarmee het vaak wordt geassocieerd. Het is nog steeds slechts een technologie die geen bewustzijn heeft, niet kan denken en redeneren als een persoon.
Er zijn echter een aantal taken die qua cognitieve kenmerken dicht bij het menselijk denken liggen. Dit zijn de problemen die met succes worden opgelost door kunstmatige intelligentie, en ze worden gewoonlijk ‘AI-problemen’ genoemd.
Deze taken omvatten:
- Computervisie en objectherkenning: u kunt het algoritme een foto- of videostream laten zien, waaruit het programma gegevens selecteert en een classificatie uitvoert.
- Spraaksyntheseherkenning: algoritmen zetten spraaksignalen om in digitale informatie, die het programma ook classificeert.
- Werken met een stroom van verschillende informatie, inclusief ‘natuurlijke taal’-gegevens: toepasbaar als u een grote database heeft.
- Beslissingsondersteuning: algoritmen genereren een beslissingsfunctie.
Al deze taken vormen de hoofdrichtingenimplementatie van AI-elementen. En ze worden allemaal al actief geïntegreerd in ons dagelijks leven: van geautomatiseerde assistenten op websites tot ‘slimme’ camera’s in de straten van de stad.
AI in ecologie
AI is relevant en effectief voor veel industrieën, de ontwikkeling van het onderwijs en zelfs de cultuur. Maar het heeft ook een aanzienlijke invloed op de transformatie van het milieu.
Al bij afvalverwerkingsbedrijvenEr zijn robots die helpen afval te sorteren. De technologie wordt geïmplementeerd in systemen voor het monitoren en analyseren van lucht, waterlichamen en bodems. En ieder van ons kan bijvoorbeeld kennis maken met ‘milieuvriendelijke’ AI bij automatische recyclinginzamelpunten.
Over het algemeen is het onmogelijk om specifieke kenmerken van AI te noemenspecifiek op het gebied van de ecologie. Met zijn hulp kunt u de kosten aanzienlijk verlagen, wat belangrijk is voor elk bedrijf. Wanneer dus een echte persoon wordt vervangen door een ‘machine’ in een recyclinginzamelsysteem, wordt het hele proces geautomatiseerd en worden de kosten voor het onderhoud van de apparaten verlaagd.
Hoe AI te trainen om recyclebare materialen te herkennen
Patroonherkenning is een van de meestgemeenschappelijke AI-taken. De meest geschikte oplossing voor dit probleem zijn convolutionele neurale netwerken - een computerprogrammamodel dat het dichtst in de buurt komt van hoe iemand objecten in werkelijkheid herkent. De “lagen” van zo’n netwerk zijn vergelijkbaar met de lagen van het netvlies.
Een neuraal netwerk is een vereenvoudigd werkingsmodelmenselijke brein. De basiselementen ervan – neuronen – hebben een groot aantal verbindingen en relaties, die meestal in lagen zijn gegroepeerd. Elke verbinding van neuronen krijgt een bepaalde invloedskracht toegewezen: gewicht. Invoergegevens voor het netwerk worden aan de eerste laag geleverd en vervolgens naar de volgende lagen gedistribueerd in overeenstemming met het huidige gewicht van de relaties. Het eindresultaat kan worden verkregen uit de laatste laag van het neurale netwerk.
Het trainen van een convolutioneel neuraal netwerk bestaat uit:het selecteren van het gewicht van neuronverbindingen om het juiste resultaat te verkrijgen als resultaat van zijn werk op de laatste laag van het netwerk. In het geval van het herkennen van recyclebare materialen worden twee problemen opgelost: segmentatie - het bepalen van het gebied op de foto met het object en classificatie, begrijpen wat voor soort object het is. Daarom worden in dit geval twee opeenvolgend werkende neurale netwerken gebruikt: de eerste ontvangt een beeld als invoer en geeft de contouren van de gevonden objecten weer, en de tweede verwerkt de gevonden contouren opeenvolgend en geeft het behoren van elke contour tot een bepaalde klasse terug. van objecten.
Een set voorbeelden (afbeeldingen) indienen “als invoer”‘gesuperviseerd leren’ genoemd. Dit proces vereist een groot aantal foto's waarin de benodigde objecten zijn omcirkeld en geëtiketteerd. Als je technologie onderwijst in een recyclingmachine, moet je meer dan 50.000 afbeeldingen van objecten verzamelen.
Door een groot aantal beelden “aan de ingang” te tonen enDoor de kwaliteit van hun ‘output’ te meten, is het mogelijk specifieke neuronen in het netwerk te bouwen en te selecteren. Als de hypothesen voor de selectie van neuronen correct blijken te zijn, wordt het netwerk getraind en wordt de fout geleidelijk geminimaliseerd. Idealiter zou het netwerk, als resultaat van training, nauwkeurig de afbeeldingen moeten herkennen die erin zijn geladen en vergelijkbare afbeeldingen moeten identificeren.
Nuances van herkenning
Verfrommeld plastic flessen, gedraaide aluminium blikjes, nat oud papier: hoe kan AI begrijpen welke recyclebare materialen gerecycled kunnen worden en in welke fracties het kan worden verdeeld?
Bij het onderwijzen van AI-technologie is het belangrijk om dit op te nemende menselijke factor, omdat het de mensen zullen zijn die de recyclebare materialen inladen, en die zich voor het grootste deel niets aantrekken van de kwaliteit van het afval dat wordt overhandigd. Laten we duidelijk maken dat kwaliteit hier betekent gezuiverde recyclebare materialen die geschikt zijn voor verwerking.
Om verschillende scenario's in gedachten te houden en voor te bereidentechnologie, nemen de ontwikkelaars onder de gedownloade voorbeeldafbeeldingen diezelfde “beschadigde” objecten op. AI kan dus dezelfde plastic flessen in welke vorm dan ook leren herkennen. Een fles heeft bijvoorbeeld een karakteristieke dop of een bepaalde textuur, die met een netwerk wordt vastgezet.
De fracties van aangeleverde grondstoffen worden bepaald door externe vormen, standaarden en texturen. En op basis van de opgeslagen gegevens van fractiegewichtscategorieën kunt u bijvoorbeeld nat oud papier berekenen.
In de toekomst wordt de technologie hierin getraindwerk: wanneer hij echte objecten ziet die door mensen worden verhuurd. Operators verwerken binnenkomende nieuwe data, selecteren de benodigde beelden en passen het netwerk aan.
AI wordt in de loop van de tijd universeeleen hulpmiddel dat helpt bij het optimaliseren van verschillende productiegebieden en ons leven. In de ecologie is dit het vermogen om tijdig op bepaalde omstandigheden te reageren, de kosten te verlagen en fouten te minimaliseren die kunnen worden gemaakt als gevolg van de menselijke factor in het werk.
Maar zoals elke technologie heeft AI dit nodigcontinue verbetering. Op het gebied van recyclinginzameling vindt er dus regelmatig aanvullende training van slimme apparaten plaats. De tijd zal leren in hoeverre AI ecologische processen en het milieu op wereldschaal kan verbeteren. Maar het is nu al duidelijk dat het gebruik van kunstmatige intelligentie een van de effectieve stappen is op weg naar onze groene toekomst.
Lees verder:
Blazar, dat 20 jaar geleden werd gevonden, bleek een extreem object te zijn
TESS ontdekte een "nieuwe aarde": een stenen planeet met water bevindt zich in de bewoonbare zone
Kijk naar de gevolgen van de botsing in 1181 van twee sterren