FESB AI - Web portal o inteligentnim tehnologijama
FESB AI je Web portal kolegija Umjetna inteligencija koji se na Fakultetu elektrotehnike, strojarstva i brodigradnje Sveučilišta u Splitu predaje na studijima:
Računarstva
Elektronike i računalnog inženjerstva
Kominikacijskih i informacijskih tehnologija i
Automatike i sustava.
Kolegij daje uvod u ne-bilošku ili α-inteligenciju i inteligentne tehnologije. Kolegij prati knjiga (sveučilišni udžbenik) Uvod u umjetnu inteligenciju koji možete čitati na ovom portalu u dijelu Knjiga ili u pdf formatu na našim stranicama ili na Scribd portalu.
Na ovim ćemo stranicama podizati i zanimljivosti vezane uz područje α-inteligencije.
Jedan od največih znanstvenika u području suvremene Informacijsko-omunikacijske tehnologije (ICT) ali i pionir umjetne inteligencije svakako je Claud Shannon(1916. - 2001.). On je jedan od sudionika slavne ljetne škole na Dartmouth Collegeu 1956.g. kada je i osmišljen naziv Artificial Intelligence (AI). Claud Shannon je tijekom svoje karijere dao doprinos u nekoliko područja inženjerstva, od kojih je svako od njih bio semialni doprinois koji je potaknu budući razvoj tog područja. Smomenimo samo tri od njih:
Digitalna elektronike - Tijekom rada na svom magistarskom radu na MIT-u 1938.g. Claud Shannon je izmislio logička vrata. U to vrijeme elektromagnetski releji su korišteni za prespajanje komunikacijskih linija i upravljanje kompleksnih sustava, ali nije postojala konzistentna teorija o njihovom načinu rada. O relejima se sam o razmišljalo da li su pod naponom ili nisu. Shammon je u svom magistarskom radu prvi put upotreijebio Boolovu algebru i teoriju skupova kao matematičku osnovu za opis relejnih sustava pomaknuvši se u apstraktni opis logičnih sustava. Uveo je i analizu i sintezu logičkih sustava i prvi opisao I, ILI i NE logiče sklopove.
Teorija komunikacija - Cloud Shannon je otac teorije komunikacija. 1948.g. objavio je jedan od najznačajnijih članaka u povijesti inženjerstva. U članaku s nazivom Matematička teorija komunikacija (C.Shannon, The Mathematical Theory of Communication, Bell System Technical Journal, Vol. 27, pp. 379–423, 623–656 - https://people.math.harvard.edu/~ctm/home/text/others/shannon/entropy/entropy.pdf) prvi put je uveo način mjerenja informacijskog sadržaja signala i proračun maksimalne brzine kojom se informacije mogu slati bilo kojim komunikacijskim kanalom. Ova je teorija matematični temelj i današnje moderne komunikacije, uključujući i bežiućni Internet na našim pametnim telefonima.
Umjetna inteligencija - 1950.g. Shannon je u časopisu Scientific American objavio članak o tome kako računalo može igrati šah (C.Shannon, A Chess-Playing Machine, Scientific American Magazine Vol. 182 No. 2 (February 1950), p. 48 - https://www.paradise.caltech.edu/ist4/lectures/shannonchess1950.pdf). U radu je detaljno opisao kako napisati program, koju strukturu podataka koristiti, koliko bi bitova za to trebalo i kako razbiti program u dijelove, koje on po prvi put naziva podprogrami (subprograms). To se sve događa u doba kada je u cijelom svijetu postojalo samo 10 računala koja su isključivo korištena za numeričke proračune. U uvodnom dijelu rada Shannon razmišlja o tome kako bi se sve računala mogla koristiti, od projektiranja relejnih krugova, elektronskih filtera za komunikacij do prevođenja jezika i logičkog zaključivanja, zadaci koje računala danas rade. Šanon je u radu spomenuo da ljudi obično smatraju da je za igranje šaha potrebno razmišljanje (thinking), pa bi programiranje igranja šaha bio izvrstan pokus može li i računalo razmišljati. U radu je i sugerirao da bi se program mogao unaprijediti analizom postojećih partija šaha, podešavajući koeficijente kod evaluacije pojedinih šahovskih poteza. Svoju teoriju igranja šaha nije realizirao, zbog nemogućnosti pristupa računalu, ali je 5 godina poslije 1955.g. drugi veliki znanstvenik iz područja umjetne inteligencije Arthur Samuelkoji je radio u IBM-u i imao dostup računalima, primjenio ideje Shannona i napisao prvi stvarni program za igranje šaha, točno prateći Shannonove ideje. 1959.g. Samuel objavljuje rad koji prvi put u naslovu spomionje pojam strojno učenje (Machine Learning) (A.Samuel, Some Studies in Machine Learning Using the Game of Checkers, IBM Journal of Research and Development. 3 (3): 210–229 - https://people.csail.mit.edu/brooks/idocs/Samuel.pdf ).
Teorija informacija, digitalna elektronika, ne-numeričko programiranje, strojno učenje - svako od ovih područja je dovoljno da Cloud Shannon nađe svoje mijesto u povijesti tehnike, a ovako je sigurno on na samom vrhu. U slobodno vrijeme bavio se žongliranjem, vožnjom bicikla s jednim kolom i skupljanjem mehaničkih naprava koje je i sam radio. Jedna od njih je i računalo za računanje s rimskim brojevima THROBAC:
"Što je Generativna umjetna inteligencija i zašto je trebamo biti svjesni" naziv je zanimljivog članka koji uvodi u novo područje umjetne inteligencije koje se posebno razvilo posljednjih godina. (https://levelup.gitconnected.com/what-is-generative-ai-and-why-you-should-be-aware-of-it-1632b3bb896b). Članak pročitajte, a ovdje ćemo prenijeti što o Generativnoj umjetnoj inteligenciji kaže jedan od njenih najpopularnijih alata ChatGPT. Na pitanje: Što je Generativna umjetna inteligencija i zašto je trebamo biti svjesni? ChatGPT je odgovorio:
Generativna umjetna inteligencija (AI) je grana umjetne inteligencije koja se bavi stvaranjem originalnog sadržaja poput slika, glazbe, teksta ili čak videa. Umjesto da se temelji na unaprijed programiranim pravilima ili zadanim podacima, generativna AI koristi algoritme dubokog učenja i neuronske mreže kako bi naučila iz uzoraka i generirala nove, autentične rezultate.
Postoji nekoliko razloga zašto bismo trebali biti svjesni generativne AI. Evo nekoliko ključnih razloga:
Inovacija: Generativna AI omogućuje stvaranje novih ideja, kreativnih rješenja i originalnih sadržaja koji mogu potaknuti inovacije u raznim područjima poput umjetnosti, znanosti, tehnologije i dizajna. Može potaknuti nove načine razmišljanja i inspirirati nas da istražimo nepoznate mogućnosti.
Napredak tehnologije: Generativna AI je jedan od najznačajnijih napretka u području umjetne inteligencije. Njeno razumijevanje i primjena mogu pridonijeti daljnjem napretku tehnologije i otvoriti vrata novim mogućnostima. Može poboljšati postupke strojnog učenja, razumijevanje jezika, prepoznavanje slika i mnoge druge aspekte AI tehnologije.
Utjecaj na društvo: Generativna AI ima potencijal da značajno utječe na društvo u različitim područjima. Na primjer, može se koristiti u medicini za razvoj novih lijekova i liječenje bolesti, u umjetnosti za stvaranje novih oblika izražavanja, u poslovanju za optimizaciju procesa i povećanje učinkovitosti. Razumijevanje njenih mogućnosti i ograničenja pomaže nam prepoznati kako je najbolje iskoristiti njen potencijal i minimizirati negativne utjecaje.
Etička pitanja: Generativna AI postavlja važna etička pitanja. Mogućnost stvaranja lažnih slika, videozapisa i informacija može dovesti do problema s manipulacijom i zloupotrebom. Lažne vijesti, krivotvoreni identiteti i manipulacije medijskim sadržajima mogu izazvati štetu društvu i pojedincima. Stoga je važno razumjeti etičke aspekte generativne AI i razvijati standarde i smjernice za odgovornu upotrebu.
Kroz generativnu AI, otvaraju se nove mogućnosti za kreativnost, istraživanje i pronalazak novih rješenja. Može potaknuti napredak u područjima kao što su medicina, umjetnost, dizajn i mnogi drugi. Razumijevanje njenog potencijala pomaže nam iskoristiti te mogućnosti na najbolji mogući način.
Također, generativna AI ima utjecaj na društvo kroz svoju primjenu u različitim sektorima. Može se koristiti za razvoj novih lijekova, optimizaciju poslovnih procesa, stvaranje novih umjetničkih djela i još mnogo toga. Svjesnost o tim primjenama omogućuje nam da prepoznamo kako generativna AI može oblikovati našu budućnost i prilagodimo se tim promjenama.
Međutim, uz sve prednosti, generativna AI postavlja i važna etička pitanja. Mogućnost stvaranja lažnih informacija, slika ili videozapisa može dovesti do manipulacije, obmane i zloupotrebe. To može imati ozbiljne posljedice na društvo i pojedince. Zbog toga je potrebno biti svjestan takvih mogućnosti i razvijati smjernice i regulative koje će osigurati odgovornu upotrebu generativne AI.
Ukratko, generativna AI je tehnologija koja omogućuje stvaranje originalnih sadržaja, a važno je biti svjestan njezinog potencijala i utjecaja. To nam omogućuje iskoristiti inovacije, razumjeti njene primjene u društvu i razviti smjernice za odgovornu upotrebu.
Moram priznati da bi ovakav jasan i jezgrovit opis teško tko od nas napisao. Na opisu same sebe Generativna AI je dobro pokazala svoje mogućnosti.
Posebno je umjetnici koriste kao dodatni alat umjetničkog stvaranja. Na nedavno održanom Animafestu u Zagrebu prikazana su i dva animirana filma nastala koristeći različite alate Generativne AI:
Ponovimo još jedan put zadnju rečenicu ChatGPT-a o tehnologiji koja će značajno obilježiti ovu dekadu:
Ukratko, generativna AI je tehnologija koja omogućuje stvaranje originalnih sadržaja, a važno je biti svjestan njezinog potencijala i utjecaja. To nam omogućuje iskoristiti inovacije, razumjeti njene primjene u društvu i razviti smjernice za odgovornu upotrebu.
Zanimljiv članak o 20 AI alata za 2023.g. Kako su autori kazali, a Google preveo:
"2022. bila je godina kada nas je umjetna inteligencija sve iznenadila, posebno nakon što je Chat GPT postao dostupan javnosti. Paralelno s tim, mnogi drugi novi AI alati rođeni su ili su postali spremni za tržište.
2023. bit će godina kada će AI skočiti u nebo, revolucionirajući način na koji radimo, živimo i komuniciramo. AI će poremetiti tvrtke i pojedince automatizacijom, poboljšanim upravljanjem vremenom, smanjenjem troškova, inovacijama, boljim donošenjem odluka i poboljšanim korisničkim iskustvom kroz personalizaciju i više. Definitivno je vrijeme da naučite kako različiti alati temeljeni na umjetnoj inteligenciji rade i kako ih možete upotrijebiti za rješavanje različitih problema. U današnjem ću članku podijeliti 20 izvrsnih AI alata i njihovo područje upotrebe."
MIT je ponudio vrlo ozbiljni besplatni tečaj oi strojnom učenju: Machine Learning with Python: from Linear Models to Deep Learning koji traje 15 tjedana, a počinje 1.02.2023.g. pa se prijavite što prije na poveznici:
“Machine Learning with Python: From Linear Models to Deep Learning” is a course provided by MIT on the edX platform which you can audit for free. You can also upgrade for certification. There is just one little problem, its starts FEB 2023 but you can enroll now. Once the course start, you will get a notification and you can start learning. The course level is advanced. Prerequisites: • Proficiency in Python programming • Probability theory course • A college-level single and multi-variable calculus course • Vectors and matrices course Curriculum: • Linear classifier, perception algorithms, etc. • Linear regression • Stochastic gradient descent, over-fitting, generalization • Recommender problems, collaborative filtering • Non-linear classification, kernels • Deep learning, backpropagation • Unsupervised learning: clustering much more This is a very rigorous course and definitely worth the time. You will also have the complete three projects. • Automatic Review Analyzer • Digit Recognition with Neural Networks • Reinforcement Learning This course is taught by Regina Barzilay (Delta Electronics Professor in the Department of Electrical Engineering and Computer Science and a member of the Computer Science and Artificial Intelligence Laboratory at the Massachusetts Institute of Technology), Tommi Jaakkola (Thomas Siebel Professor in EECS and IDSS at MIT), and Karene Chu (Digital Learning Scientist and Research Scientist at Massachusetts Institute of Technology). If you are looking to advance your knowledge of machine learning models, this is a golden opportunity.
Tečaj je besplatan ako ga samo slušate. Plaća se jedino ukoliko želite potvrdu da ste ga prošli.
