Głębokie uczenie, które polega na tworzeniu skomplikowanych architektur sieci neuronowych, jest obecnie najszybciej rozwijającym się obszarem sztucznej inteligencji. Inspiracją do stosowania takich rozwiązań była budowa ludzkiego mózgu. Dziś dzięki sieciom neuronowym maszyny potrafią uczyć się, rozpoznawać obiekty oraz reagować w sposób podobny, a nawet lepszy od ludzkiego. Systemy te znajdują zastosowanie w diagnostyce medycznej, rozpoznawaniu mowy czy przewidywaniu trendów na rynkach finansowych. W przyszłości mogą doprowadzić do stworzenia samosterujących się pojazdów czy inteligentnych robotów.
Kolejny krok w stronę realizacji tych zawansowanych technicznie projektów został dokonany dzięki rzeszowskim naukowcom. Zespół z Katedry Elektroniki i Telekomunikacji WSIiZ pod kierownictwem prof. Bogdana WILAMOWSKIEGO, w którego skład wchodzą dr inż. Janusz KORNIAK, dr inż. Janusz KOLBUSZ, dr inż. Paweł RÓŻYCKI opracował w tym obszarze nowe rozwiązania: – Bardzo trudno pisze się algorytmy dla systemów uczących się. Nam natomiast udało się stworzyć algorytm uczący dowolne architektury, to jedyny w tej chwili taki system na świecie. Opracowaliśmy również architektury, które są bardzo niewielkie, a mają ogromne moce obliczeniowe – wymienia dokonania prof. Bogdan WILAMOWSKI. – Stworzyliśmy również wiele nowych metod połączeń neuronów, dzięki czemu sieci mogą być nawet 100-krotnie mocniejsze.
SZTUCZNA INTELIGENCJA
Przez długi czas programiści tworzący sztuczną inteligencję wychodzili z założenia, że najpierw trzeba dany problem zrozumieć i dopiero potem gotowe rozwiązanie przełożyć na zrozumiały dla komputera język algorytmów. Programista musi przewidzieć wszelkie możliwe sytuacje i zaproponować dla nich rozwiązanie. Metoda ta jednak nie sprawdza się w przypadku problemów, które ze względu na swoją złożoność wymykają się prostym schematom.
– Nie jesteśmy w stanie w pełni zrozumieć giełdy: są liczne ruchy, ciągła zmiana. Człowiek może próbować ją analizować, ale ze względu na biologiczne ograniczenia nie jest w stanie ogarnąć wszystkich czynników na raz – podaje przykład prof. Bogdan WILAMOWSKI.
Nie oznacza to jednak, że nie da się stworzyć systemu, który będzie w stanie rozwiązywać tak złożone problemy.
– Odpowiedzią na to wyzwanie są systemy uczące się. Obecnie to właśnie one konkurują ze sobą na amerykańskiej giełdzie, a nie ludzie. Człowiek nie jest w stanie podjąć szybkiej decyzji po analizie tak wielu zmiennych – wyjaśnia prof. WILAMOWSKI. – Jeżeli ktoś gra na giełdzie i uważa, że może się wzbogacić, to albo ma jakieś wejścia u firm i nielegalnie zdobywa informacje, albo na pewno będzie tracił. Człowiek uzyskuje informacje o giełdzie z kilkuminutowym opóźnieniem, a sieci neuronowe podejmują decyzje w ciągu mikrosekund.
JAK DZIAŁAJĄ SYSTEMY UCZĄCE SIĘ?
Chociaż człowiek nie jest w stanie w pełni zrozumieć pewnych skomplikowanych zagadnień, to potrafi obserwować relacje przyczynowo-skutkowe i kompletować na tej podstawie dane. Informacje te – gromadzone przez np. 10 lat – przesyłane są do systemu: przyczyny jako dane wejściowe, natomiast skutki jako dane wyjściowe.
W systemach uczących maszyna nie otrzymuje gotowych wytycznych, które mówiłyby co powinna zrobić z przesłanymi danymi. Jej zadaniem jest analiza informacji i stworzenie siatki łączącej przyczyny z ich skutkami. Przy okazji koryguje też błędy na podstawie doświadczeń z przeszłości.
– Jako programiści wcale nie musimy znać się np. na pogodzie. Wystarczy, że stworzymy algorytmy uczące się i podamy dane meteorologiczne z ostatnich 50 lat: prędkość wiatru, temperatury, wysokość opadów, ciśnienie atmosferyczne oraz skutki tych czynników. System na tej podstawie stworzy model prognozujący pogodę i kiedy otrzyma nowe dane, wygeneruje poprawny wynik – mówi prof. WILAMOWSKI.
KROK W STRONĘ PRZYSZŁOŚCI
Rozwiązania opracowane przez rzeszowskich naukowców mogą mieć ogromny wpływ na naszą przyszłość i rozwój technologii. Ulepszone sieci neuronowe mogą pomóc w rozwiązaniu wielu problemów i dać odpowiedzi na liczne, skomplikowane pytania.
Właśnie dlatego badania naukowców WSIiZ spotkały się ze sporym zainteresowaniem zarówno w Polsce, jak i na świecie. Wyniki upowszechniane były w Australii, Irlandii czy Słowacji oraz publikowane w prestiżowych czasopismach naukowych.
Projekt w Polsce został dostrzeżony nie tylko przez MNiSW – które umieściło osiągnięcie wśród najważniejszych dokonań polskich naukowców w ostatnim roku – ale również przez Narodowe Centrum Nauki, z którego środków badania zostały sfinansowane. Kwota dofinansowania wyniosła 416 050 zł.
Opracował:
mgr Kamil OLECHOWSKI, Katedra Mediów, Dziennikarstwa i Komunikacji Społecznej WSIiZ
