เราทุกคนเคยได้ยินเกี่ยวกับปัญญาประดิษฐ์และความสามารถของมัน: ข่าวเกี่ยวกับการพัฒนานวัตกรรม,
สั้น ๆ เกี่ยวกับ AI
ปัญญาประดิษฐ์เป็นเทคโนโลยีที่หลากหลายและอัลกอริธึมที่สามารถเลียนแบบฟังก์ชันการรับรู้บางอย่างที่มีอยู่ในมนุษย์ อย่างไรก็ตาม สิ่งสำคัญคือต้องเข้าใจว่าเทคโนโลยี AI นั้นยังห่างไกลจาก "สมองชั้นยอด" ที่มักเกี่ยวข้องด้วย ยังเป็นเพียงเทคโนโลยีที่ไม่มีสติ ไม่สามารถคิด และให้เหตุผลเหมือนคนได้
อย่างไรก็ตาม มีงานจำนวนหนึ่งที่มีลักษณะทางการรับรู้ใกล้เคียงกับการคิดของมนุษย์ สิ่งเหล่านี้คือปัญหาที่ปัญญาประดิษฐ์แก้ไขได้สำเร็จ และมักเรียกว่า “ปัญหา AI”
งานเหล่านี้รวมถึง:
- การมองเห็นของคอมพิวเตอร์และการจดจำวัตถุ: คุณสามารถแสดงอัลกอริธึมสตรีมรูปภาพหรือวิดีโอ ซึ่งโปรแกรมจะเลือกข้อมูลและทำการจำแนกประเภท
- การรู้จำการสังเคราะห์เสียงพูด: อัลกอริทึมแปลงสัญญาณเสียงพูดเป็นข้อมูลดิจิทัลซึ่งโปรแกรมจัดประเภทด้วย
- การทำงานกับกระแสข้อมูลต่างๆ รวมถึงข้อมูล "ภาษาธรรมชาติ": ใช้ได้เมื่อคุณมีฐานข้อมูลขนาดใหญ่
- การสนับสนุนการตัดสินใจ: อัลกอริทึมสร้างฟังก์ชันการตัดสินใจ
งานทั้งหมดเหล่านี้เป็นแนวทางหลักในการนำองค์ประกอบ AI ไปใช้ และทั้งหมดนี้ได้บูรณาการเข้ากับชีวิตประจำวันของเราตั้งแต่ผู้ช่วยอัตโนมัติบนเว็บไซต์ไปจนถึงกล้อง "อัจฉริยะ" บนท้องถนนในเมือง
AI ในระบบนิเวศ
AI มีความเกี่ยวข้องและมีประสิทธิภาพสำหรับหลายอุตสาหกรรม การพัฒนาการศึกษา และแม้แต่วัฒนธรรม แต่ยังมีอิทธิพลอย่างมากต่อการเปลี่ยนแปลงของขอบเขตสิ่งแวดล้อมอีกด้วย
อยู่ที่โรงงานแปรรูปขยะแล้วมีหุ่นยนต์ช่วยคัดแยกขยะ เทคโนโลยีนี้กำลังถูกนำมาใช้ในระบบสำหรับการติดตามและวิเคราะห์อากาศ แหล่งน้ำ และดิน และเราแต่ละคนสามารถพบกับ AI ที่ "เป็นมิตรกับสิ่งแวดล้อม" ได้ เช่น ที่จุดรวบรวมขยะรีไซเคิลอัตโนมัติ
โดยทั่วไปแล้ว เป็นไปไม่ได้ที่จะแยกแยะข้อมูลเฉพาะใดๆ ของ AI ได้โดยเฉพาะในด้านนิเวศวิทยา ด้วยความช่วยเหลือนี้ คุณสามารถลดต้นทุนได้อย่างมาก ซึ่งเป็นสิ่งสำคัญสำหรับทุกธุรกิจ ดังนั้น เมื่อคนจริงๆ ถูกแทนที่ด้วย "เครื่องจักร" ในระบบรวบรวมการรีไซเคิล กระบวนการทั้งหมดจะเป็นแบบอัตโนมัติ และค่าใช้จ่ายในการบำรุงรักษาอุปกรณ์ก็ลดลง
วิธีฝึก AI ให้รู้จักวัสดุรีไซเคิล
การจดจำรูปแบบเป็นหนึ่งในสิ่งที่ดีที่สุดงาน AI ทั่วไป วิธีแก้ปัญหาที่เหมาะสมที่สุดสำหรับปัญหานี้คือโครงข่ายประสาทเทียมแบบหมุนวนซึ่งเป็นแบบจำลองโปรแกรมคอมพิวเตอร์ที่ใกล้เคียงกับวิธีที่บุคคลจดจำวัตถุในความเป็นจริงมากที่สุด “ชั้น” ของโครงข่ายดังกล่าวจะคล้ายกับชั้นของเรตินา
โครงข่ายประสาทเทียมเป็นรูปแบบการทำงานที่เรียบง่ายสมองมนุษย์. องค์ประกอบพื้นฐานคือเซลล์ประสาท มีการเชื่อมต่อและความสัมพันธ์จำนวนมาก ซึ่งมักจัดกลุ่มเป็นชั้นต่างๆ การเชื่อมต่อของเซลล์ประสาทแต่ละครั้งได้รับการกำหนดอิทธิพลบางอย่าง - น้ำหนัก ข้อมูลอินพุตไปยังเครือข่ายจะถูกส่งไปยังเลเยอร์แรก จากนั้นจะกระจายไปยังเลเยอร์ถัดไปตามน้ำหนักปัจจุบันของความสัมพันธ์ ผลลัพธ์สุดท้ายสามารถรับได้จากเลเยอร์สุดท้ายของโครงข่ายประสาทเทียม
การฝึกอบรมโครงข่ายประสาทเทียมแบบหมุนประกอบด้วยการเลือกน้ำหนักของการเชื่อมต่อของเซลล์ประสาทเพื่อให้ได้ผลลัพธ์ที่ถูกต้องซึ่งเป็นผลมาจากการทำงานในชั้นสุดท้ายของเครือข่าย ในกรณีของการรับรู้วัสดุรีไซเคิล ปัญหาสองประการได้รับการแก้ไข: การแบ่งส่วน - การกำหนดพื้นที่ในภาพถ่ายพร้อมกับวัตถุและการจำแนกประเภท เข้าใจว่ามันเป็นวัตถุประเภทใด ดังนั้นในกรณีนี้ มีการใช้โครงข่ายประสาทเทียมที่ทำงานตามลำดับสองเครือข่าย: อันแรกรับรูปภาพเป็นอินพุตและเอาต์พุตรูปทรงของวัตถุที่พบ และอันที่สองประมวลผลโครงร่างที่พบตามลำดับและส่งกลับความเป็นเจ้าของของแต่ละรูปร่างไปยังคลาสที่แน่นอน ของวัตถุ
การส่งชุดตัวอย่าง (รูปภาพ) “ตามอินพุต”เรียกว่า “การเรียนรู้แบบมีผู้สอน” กระบวนการนี้ต้องใช้ภาพถ่ายจำนวนมากโดยมีการวงกลมและติดป้ายกำกับวัตถุที่จำเป็น เมื่อสอนเทคโนโลยีในเครื่องรีไซเคิล คุณจะต้องรวบรวมรูปภาพของวัตถุมากกว่า 50,000 รูป
โดยแสดงรูปภาพจำนวนมาก “ที่อินพุต” และด้วยการวัดคุณภาพของ "เอาต์พุต" ทำให้สามารถสร้างและเลือกเซลล์ประสาทเฉพาะในเครือข่ายได้ หากสมมติฐานในการเลือกเซลล์ประสาทถูกต้อง เครือข่ายจะได้รับการฝึกอบรม ข้อผิดพลาดจะค่อยๆ ลดลง ตามหลักการแล้ว จากการฝึกอบรม เครือข่ายควรจดจำรูปภาพที่โหลดเข้าไปอย่างถูกต้องและระบุรูปภาพที่คล้ายกันได้
ความแตกต่างของการรับรู้
ขวดพลาสติกยู่ยี่ กระป๋องอลูมิเนียมบิดเบี้ยว เศษกระดาษเปียก - AI จะเข้าใจได้อย่างไรว่าวัสดุรีไซเคิลชนิดใดที่สามารถรีไซเคิลได้ และแบ่งออกเป็นเศษส่วนเท่าใด
ในการสอนเทคโนโลยี AI สิ่งสำคัญคือต้องรวมไว้ด้วยปัจจัยด้านมนุษย์ เพราะจะเป็นคนโหลดขยะรีไซเคิล ซึ่งส่วนใหญ่จะไม่สนใจคุณภาพของขยะที่ถูกส่งไป ขอให้เราชี้แจงว่าคุณภาพในที่นี้หมายถึงวัสดุรีไซเคิลที่ผ่านการทำให้บริสุทธิ์ซึ่งเหมาะสำหรับการแปรรูป
เพื่อคำนึงถึงสถานการณ์ต่างๆ และเตรียมพร้อมเทคโนโลยี นักพัฒนาได้รวมวัตถุที่ “เสียหาย” เหล่านั้นไว้ในภาพตัวอย่างที่ดาวน์โหลด ดังนั้น AI จึงสามารถเรียนรู้ที่จะจดจำขวดพลาสติกชนิดเดียวกันในรูปแบบใดก็ได้ ตัวอย่างเช่น ขวดมีฝาปิดที่มีลักษณะเฉพาะหรือพื้นผิวบางอย่าง ซึ่งได้รับการแก้ไขด้วยเครือข่าย
เศษส่วนของวัตถุดิบที่จัดหาจะถูกกำหนดโดยรูปแบบ มาตรฐาน และพื้นผิวภายนอก และจากข้อมูลที่จัดเก็บไว้ของหมวดหมู่น้ำหนักเศษส่วน คุณสามารถคำนวณได้ เช่น เศษกระดาษเปียก
ในอนาคตจะมีการฝึกอบรมด้านเทคโนโลยีในกระบวนการงาน: เมื่อเขาเห็นวัตถุจริงที่ผู้คนเช่า เจ้าหน้าที่ดำเนินการประมวลผลข้อมูลใหม่ที่เข้ามา เลือกภาพที่จำเป็น และปรับเครือข่าย
AI กลายเป็นสากลเมื่อเวลาผ่านไปเครื่องมือที่ช่วยเพิ่มประสิทธิภาพด้านการผลิตและชีวิตของเราในด้านต่างๆ ในด้านนิเวศวิทยา นี่คือความสามารถในการตอบสนองต่อสถานการณ์บางอย่างได้ทันท่วงที ลดต้นทุน และลดข้อผิดพลาดที่อาจเกิดขึ้นอันเนื่องมาจากปัจจัยมนุษย์ในการทำงาน
อย่างไรก็ตาม เช่นเดียวกับเทคโนโลยีอื่นๆ ที่ AI ต้องการพัฒนาอย่างต่อเนื่อง. ดังนั้นในด้านการรวบรวมการรีไซเคิล จึงมีการฝึกอบรมเพิ่มเติมเกี่ยวกับอุปกรณ์อัจฉริยะเป็นประจำ เวลาจะบอกได้ว่า AI สามารถปรับปรุงกระบวนการทางนิเวศวิทยาและปรับปรุงสภาพแวดล้อมในระดับโลกได้มากเพียงใด แต่เป็นที่ชัดเจนแล้วว่าการใช้ปัญญาประดิษฐ์เป็นหนึ่งในขั้นตอนที่มีประสิทธิภาพสู่อนาคตสีเขียวของเรา
อ่านเพิ่มเติม:
บลาซาร์ซึ่งถูกค้นพบเมื่อ 20 ปีที่แล้วกลายเป็นวัตถุสุดโต่ง
TESS ค้นพบ "โลกใหม่": ดาวเคราะห์หินที่มีน้ำอยู่ในเขตเอื้ออาศัยได้
ดูผลของการปะทะกันในปี 1181 ของดาวสองดวง