По време на първите два дни на присъствено обучение, след цялото време прекарано пред екраните по домовете ни, ние ще започнем с първия за нашето училище Хакатон. През това време ние всички ще чуем интересни и обучителни презентации, подготвени от нашите съученици от 10ти и 9ти клас.
Първата лекция, изнесена от ученици, която ще чуем на 18ти, ще бъде изнесена от екипа на Кристина Болашикова, Афра Юсрефова и Светлана Бояджиева. Те ще въведат всички нас в невероятния свят на изкуствения интелект.
Момичетата ще представят авторска презентация, в която са описали всичко важно по темата. Те ще поставят основите , на които другите ще градят през периода между 18ти и 20ти февруари.
Ето и няколко думи за момичетата:
Кристина Болашикова, 10В клас
Проявявам интерес към технологиите главно заради многото възможности, които те предоставят за подобряването на качеството на живота на хората, опазването на околната среда и улесняването на научните открития. Интересувам се най-вече от графичен и уеб дизайн.
Светлана Бояджиева, 10В клас
Проявявам интерес към ИТ сферата. Бих желала да се занимавам с web development.
Афра Юсрефова, 10В клас
Заинтересована съм от технологии и биология. Обичам да жонглирам.
Ние всички сме благодарни и поздравяваме Кристина, Светлана и Афра за положения труд. Продължавайте все така!
Компютърните науки са в основата на изкуствения интелект, но най-вече машинното самообучение. Това е „обучението“, което машината извлича от своя опит в обработката на данни. Основната цел на машинното самообучение е да гарантира, че машината се учи от данните. С други думи, машинното обучение е приложение на изкуствения интелект (AI), което предоставя на компютърните системи възможност за автоматично учене и усъвършенстване от опит без изрично програмиране. Машинното обучение като наука се фокусира върху разработването на компютърни програми, които имат достъп до данни и ги използват, за да се учат сами. Това понякога е известно като евристично програмиране.
Машинното обучение може да се определи и като изучаване на компютърно базирани алгоритми, предназначени за автоматично подобряване на постиженията чрез придобито обучение. Машините са създадени с вградена способност да четат и разбират човешки език, за да разберат обкръжението и да правят възможно най-много точни прогнози. Те могат също така да извършват едновременни оценки на прогнозите в реално време и да се адаптират в съответствие с тяхната среда. Когато потребителят иска да търси тема, търсачката показва най-често търсените свързани „теми за търсене“. Търсачката разглежда минали кликвания от хора по света, за да разбере страниците, които са по-подходящи за тези търсения от другите. След това връчва на тези резултати списък с най-подходящите в началото. Трябва да се отбележи, че подобно упражнение е невъзможно да се изпълнява от хората в рамките на няколко секунди.
Машината се програмира как да обработва заявките за търсене и да генерира набор от инструкции, за да създаде очаквания резултат. Следователно машинното самообучение може да се разбира и като набор от процедури, които се справят с огромни количества данни интелигентно (използвайки алгоритми или набор от логически правила) за получаване на резултати.
Процесът на машинно обучение започва с анализ на наблюдения (данни) като примери, преки преживявания или инструкции и търси модели в данните. Въз основа на този анализ и кумулативните данни, които са му предоставени, той се научава да взема по-добри решения в бъдеще. Основната цел е да се позволи на машината да се учи автоматично без човешка намеса или помощ и да коригира съответно действията. Phase1 of Machine Learning
Phase 2 of Machine Learning
Още за машинното самообучение ще научите по време на AI for NATURE хакатона в гимназията.
Natural Language Generation (NLG) е поддисциплина на Изкуствения интелект, която разпознава човешкия език в текстова форма и го превръща във форма, която позволява на компютърната система да обработва данните ефективно и точно. Например, той се използва за вземане на реални данни и генериране на отчети за обобщени данни за пазара. Той може да се използва и за генериране на кратки изречения текст в интерактивни разговори (чат робот), които дори могат да бъдат прочетени от система за преобразуване на текст в реч.
Друго важно използване на NLG е класификацията на текста. Това се използва специално за контрол на спама. Няколко доставчици на електронна поща използват подобни NLG-базирани услуги, за да анализират съдържанието на имейлите, за да разберат дали пощата е истинска или фалшива.
NLG може да ни помогне да направим следното:
Търсене на данни, сравняване или обобщение на таблици
Анализиране на диаграми, показатели или карти
Разработване на периодични отчети за състоянието
Примери за технологии, които всеки един от нас може да използва в ежедневието си:
Speech recognition
Разпознаването на реч е технология, при която системите улавят естествените разговори с човек, анализират споменатите данни и преобразуват същите, когато е необходимо, в инструкции за изпълнение на дадените задачи. Използва се в интерактивни системи с гласов отговор и мобилни приложения. Например, почти всички смартфони имат вградената способност да преобразуват речта в текст. Технологията за разпознаване на речта се използва и в медицинския свят, отбраната, автоматизацията на дома, игрите и дори в общата роботика (Lifewire, 2019).
Има обаче моменти, когато разпознаването на речта не работи както трябва. Това се случва в моменти, когато различни хора произнасят една и съща дума по съвсем различен начин или изобщо акцентират, въпреки че системите стават все по-опитни в изучаването на такива разлики. Друг сценарий, при който софтуерът може да не сработи, е когато има много фонов шум. Освен ако не се използват качествени микрофони за шумопоглъщане.
Immersive Reader
Четеца е много полезно приложение, което да се използва заедно с приложенията Officed 365, за да се подобри четливостта на документите. Можете да промените и адаптирате документа, за да се съсредоточите върху вашите нужди и да подобрите четенето си. Това включва промяна на размера и стила на шрифта, промяна на цвета на фона на документа и промяна на разстоянието между думите и изреченията. Immersive Reader включва преобразуване на текст в реч за четене на глас на документите. Можете да персонализирате използвания глас и скоростта на възпроизвеждане. Можете също така да подчертаете текущата дума, за да акцентирате. Приложението също така предоставя помощ за четене на различни езици, като идентифицира съществителни, глаголи и прилагателни в изреченията и предоставя речникова поддръжка за дефиниции. Той е достъпен и полезен за всички възрасти и способности.
Една от основните цели на приложенията за ИИ, свързани със здравето, е да анализират връзките между резултатите от изследванията и лечението на пациентите. Програмите за изкуствен интелект са разработени и се прилагат за цялостни диагностични процеси, разработване на лечение, разработване на лекарства, персонализирани лекарства и наблюдение и грижи за пациентите (PwC, 2019).
Медицинският свят все повече използва ИИ и Интернет на медицинските неща (IoMT) за подпомагане на гражданите чрез приложения за здравето на потребителите, налични днес. Такива медицински приложения са чудесен източник на насърчение и подкрепа за хората да развиват и следват здравословен начин на живот. С проактивното управление на здравето, технологията е помага на човека да наблюдава собственото си здраве и цялостно благосъстояние.
Освен това, напредъкът в AI е увеличава степента на правилна диагностика и безпроблемно прилагане на възможности за лечение. Това е доведе до по-добро разбиране на проблемите на пациентите от лекарите и увеличи качеството на обратна връзка, насоките и консултирането по други потенциално свързани медицински проблеми.
Включването на базирани на ИИ технологии в медицинския свят подобри услугите, като се има предвид фактът, че здравният сектор генерира големи количества данни, които при обработка водят до навременни и подходящи решения, които лекарите могат да вземат. Тази технология е известна като прогнозен анализ и често се използва за подпомагане на вземането на клинични решения, основано на данни. AI използва разпознаване на модели, за да идентифицира рисковите модели при пациентите или тези, които имат предразположение към определени заболявания.
Спасяване на природата чрез използването на AI е предизвикателство пред което ще се изправим на 18 и 19 февруари 2021 в гимназията. Днешният свят се опитва да навлезе в света на изкуствения интелект итова вече е факт. Независимо дали става въпрос за нов Amazon Echo, автономни автомобили или може би новия робот Boston Dynamics Robot, който сега има невероятната способност да отваря врата (просто гледайте видеото в YouTube, ще разберете какво имаме предвид). Въпреки това, докато технологиите се готвят мащабно да завладеят света, не трябва да забравяме какво се случва с природата и да търсим баланса и с изкуствения интелект.
Ние не казваме, че технологиите, джаджите и роботите не са впечатляващи. Всъщност сме сигурни, че сме общност, която обича технологиите и мечтае да управлява автономна летяща кола, когато му дойде времето. Но това, което бихме искали да направим, е да изследваме как Artificial Intelligence и Machine Learning помагат на природата.
Отборите участващи в хакатона са предварително разпределени и е необходимо да се открият в единната система за гимназията управлявана в Teams. Предизвикателство е да не познаваш някого и да работиш с него два дни върху тази вдъхновяваща тема. Определянето на ролите, които ще изпълнява всеки участник ще се случи до 18 февруари, след което ще се състоят онлайн серия от обучения посветени на различни решения свърани с приложението на изкуствения интелект.
В края на обучителните серии ще има кратко време за разработване на концепция свързана с използване на изкуствения интелек за запазване на природата.
Ще приключим със защити на проекти в три панела, след което финалистите ще се състезават за най-добро решение използващо изкуствения интелект в полза на природата.
