W sierpniu 2019 roku dołączyłem do projektu Jutrionauci. Jest on tworzony przez Gazetę Wyborczą i Sebastiana Kulczyka. W ramach Jutronautów będziemy dyskutować m.in. o przyszłości rozwoju technologii, wyzwaniach i zagrożeniach z tym związanych, sztucznej inteligencji, IoT, cyborgizacji człowieka oraz o robotyzacji i postępie medycyny.

W pierwszej części kursu poznaliśmy historię sztucznej inteligencji oraz problemy stojące przed tą dziedziną. Przedstawiliśmy różne metody sztucznej inteligencji skupiając się na jednej z nich, tj. sztucznych sieciach neuronowych (SSN). Teraz przyjdziemy do wielowarstwowych sieci neuronowych oraz do uczenia neuronu i prostej sieci. Tradycyjnie będę starał się wyjaśnić ideę bez użycia zaawansowanego aparatu matematycznego, albowiem ułatwi to przyswojenie materiału dla początkujących czytelników.

Podstawą wielu algorytmów wykorzystywanych w sztucznej inteligencji jest algebra liniowa. Dlatego bardzo ważne jest poznanie przynajmniej podstaw tej dziedziny matematyki. Najpierw przyjrzyjmy się kilku podstawowym strukturom matematycznym, czyli skalarom, wektorom, macierzom i tensorom. W kolejnych częściach poradnika przejdziemy do operacji matematycznych z wykorzystaniem opisywanych struktur.

W ostatnim czasie dużo słyszy się o uczeniu maszynowym, głębokim uczeniu, sztucznej inteligencji i inteligencji obliczeniowej. Pojęcia te są odmieniane przez wszystkie przypadki i często nie wiadomo, co autor miał na myśli. W tym krótkim wpisie postaram się wyjaśnić znaczenie owych pojęć, jednak na wstępie zaznaczam, że istnieje powszechny problem z finalnymi formalnymi definicjami.

Sztuczna Inteligencja (Artificial intelligence, AI) jest częścią tzw. Inteligencji Obliczeniowej, która dąży do rozwiązania zagadnień efektywnie niealgorytmizowalnych przy pomocy obliczeń.

Czy człowiek może skonstruować myślącą maszynę, na swój obraz i podobieństwo? Już w starożytnej Grecji starano się odpowiedzieć na to pytanie. Powstawały mity, np. o Talosie (Τάλως) – olbrzymie z brązu, strzegącym Krety. Innym przykładem jest mit o stworzeniu kobiety ulepionej z gliny, czyli Pandory. Na prawdziwy przełom trzeba było jednak poczekać do XX w. Dzięki wynalezieniu komputera, idea przeniesienia szekspirowskiego „kruchego domu duszy” do maszyny, i tym samym natchnięcia martwej materii inteligencją, zaczęła być bardziej realna. Granicę między przeszłością a teraźniejszością rozwoju koncepcji myślącej maszyny wyznaczają dwaj uczeni - Alan Turing i John von Neumann. Pierwszy z nich jest autorem tekstów „Computing machinery and intelligence” oraz „Can a Machine Think” z 1950 r., z których pochodzi koncepcja testu Turinga. Drugi stworzył architekturę dzisiejszych komputerów.