ΕΚΠΑΙΔΕΥΣΗ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ-AI for Ocean

Στις μέρες μας, η τεχνητή νοημοσύνη παίζει σημαντικό ρόλο στις ζωές μας. Για παράδειγμα μέσω αυτής μπορούμε να αναζητήσουμε πληροφορίες, να δημιουργήσουμε εικόνες, ακόμα και να περάσουμε την ώρα μας. Όμως, πώς εκπαιδεύουμε την Τεχνητή Νοημοσύνη; Για παράδειγμα πώς μπορούμε να την  εκπαιδεύσουμε , ώστε να μας δείχνει τι είναι ψάρι και τι όχι;

Στο ΑΙ for Ocean μαθαίνουμε να εκπαιδεύουμε την Τεχνητή Νοημοσύνη. Παρακάτω ακολουθούν μερικές οδηγίες για το πώς να εκπαιδεύσετε το ΑΙ ώστε να ξεχωρίζει τα ψάρια από τα άλλα αντικείμενα, ή να ξεχωρίζει τι ανήκει στον ωκεανό και τι όχι, ακόμα και τα σχήματα ή τις ιδιότητες των ψαριών… Μα, να θυμάστε πως μερικές φορές η Τεχνητή Νοημοσύνη δεν έχει τα ίδια κριτήρια επιλογών με τον άνθρωπο, οπότε θα πρέπει να την βοηθήσεις να καταλάβει λέγοντας αυτό που πιστεύεις εσύ. Στο τέλος της εκπαίδευσης και αφού συμπληρώσεις το όνομά σου θα λάβεις έναν έπαινο, διότι έκανες την Τεχνητή νοημοσύνη λίγο πιο έξυπνη. Θα γίνεις ένας προγραμματιστής! Πάμε λοιπόν…

AI

 

Έναρξη του AI for Oceans

Θα ξεκινήσουμε το AI for Oceans για να κατανοήσουμε πώς λειτουργεί η μηχανική μάθηση.

Πρώτο βήμα είναι να εκπαιδεύσουμε την τεχνητή νοημοσύνη να αναγνωρίζει τα ψάρια.

Περνούν από την οθόνη διάφορα είδη ψαριών, απορρίμματα και άλλα αντικείμενα.

Κάθε φορά που εμφανίζεται ένα ψάρι κάνουμε κλικ στο «Fish». Αντίθετα όταν εμφανίζεται ένα άλλο αντικείμενο κάνουμε κλικ στο «Not fish«.

Όταν θα περάσουν από την οθόνη αρκετά ψάρια ή αντικείμενα κάνουμε κλικ στο Continue.

Στη συνέχεια θα διαπιστώσουμε αν η τεχνητή νοημοσύνη έμαθε να αναγνωρίζει τα ψάρια. Πατήστε στο Run

Στο προηγούμενο στάδιο εκπαιδεύσαμε την τεχνητή νοημοσύνη να αναγνωρίζει τα ψάρια και να απορρίπτει τα άλλα αντικείμενα.  Όμως, μέσα στη θάλασσα δεν ζουν μόνο ψάρια. Υπάρχουν κι άλλοι ζωντανοί οργανισμοί, όπως οι θαλάσσιες χελώνες, οι μέδουσες, τα καβούρια κλπ. για τα οποία δεν εκπαιδεύσαμε την ΤΝ να τα αναγνωρίζει.

Άρα, η εκπαίδευσή μας ήταν ελλιπής, αφού η ΤΝ θεωρεί αυτά τα είδη ως ξένα προς το θαλάσσιο περιβάλλον. Μπορείτε να το διαπιστώσετε αν συνεχίσετε στο 3ο βήμα του AI for Oceans.

Απαιτείται λοιπόν εκπαίδευση και για την αναγνώριση αυτών των ειδών. Αυτό θα γίνει με παρόμοιο τρόπο που ακολουθήσαμε στο πρώτο βήμα. Αφού πατήσουμε Continue, μεταφερόμαστε στο 4ο βήμα, όπου η εφαρμογή μας ρωτάει αν το εικονιζόμενο αντικείμενο ανήκει ή όχι στη θαλάσσια ζωή. Επιλέγουμε Yes ή No κάθε φορά.

Όταν έχουμε εκπαιδεύσει αρκετά την ΤΝ, πατάμε Continue.

Στη συνέχεια ελέγχουμε αν η εκπαίδευση πέτυχε πατώντας Run.

Στο επόμενο βήμα (5) θα συνεχίσουμε να εκπαιδεύουμε την ΤΝ. Αυτή την φορά στόχος είναι να της διδάξουμε να αναγνωρίζει τα ψάρια ανάλογα με το σχήμα ή το χρώμα τους.

Επιλέξτε σε ποιο από τα δύο θέλετε να ξεκινήσετε την εκπαίδευση (χρώμα ή σχήμα).

Αν επιλέξετε π.χ. ένα χρώμα κάθε φορά που θα εμφανίζεται ένα ψάρι αυτού του χρώματος, θα κάνετε κλικ στο Yes, διαφορετικά στο No.

Αφού εκπαιδεύσουμε αρκετά την εφαρμογή, πατάμε στο Continue  και στην επόμενη οθόνη θα επαληθεύσουμε αν μπορεί να αναγνωρίζει τα ψάρια του χρώματος ή σχήματος που επιλέξαμε. Κάνουμε κλικ στο Run.

Θα διδάξουμε τώρα την ΤΝ να αναγνωρίζει κάτι πιο «σύνθετο»: να εντοπίζει ψάρια ανάλογα με το ύφος τους. Ουσιαστικά, δηλαδή θα της μάθουμε να αναγνωρίζει μια νέα λέξη π.χ. χαρούμενος, άγριος, τρομαγμένος κλπ.

Στο βήμα 8 επιλέγουμε τη λέξη που επιθυμούμε π.χ. Wild (άγριος)

Στη συνέχεια θα πρέπει να επιλέξουμε ποια ψάρια από αυτά που εμφανίζονται έχουν ή δεν έχουν την ιδιότητα αυτή (π.χ. άγριο ύφος).

Όταν έχουμε εκπαιδεύσει την ΤΝ με ένα αρκετά μεγάλο δείγμα ψαριών, μπορούμε να πατήσουμε Run για να δούμε στην πράξη πώς μπορεί να τα αναγνωρίσει.

Καταλαβαίνουμε ότι πολλές φορές τα κριτήρια δεν είναι ξεκάθαρα κι έτσι αν τα στοιχεία που θα δοθούν στην ΤΝ δεν είναι σωστά, τότε και τα αποτελέσματα θα είναι πλασματικά. Έτσι π.χ. ένα ψάρι θα κριθεί ότι έχει άγριο ύφος μόνο αν το έχουμε ορίσει εμείς, διαφορετικά δεν θα αναγνωριστεί ως τέτοιο.

Εδώ ολοκληρώνεται η ενασχόληση με το AI for Oceans μέσω του οποίου κατανοήσαμε, έστω σε εισαγωγικό επίπεδο, τον τρόπο με τον οποίο λειτουργεί η μηχανική μάθηση.

Screenshot 2024-05-19 203634

 

 

 

 

Κάντε το πρώτο σχόλιο

Υποβολή απάντησης