В этой статье мы рассмотрим преимущества использования искусственного интеллекта (ИИ) в производственных системах машинного зрения: например, это позволяет увеличить время безотказной работы оборудования и сократить затраты на профилактическое обслуживание. В производственных условиях всегда ставились задачи по обеспечению безопасности рабочего персонала, повышению производительности труда и улучшению качества контроля. Сегодня на смену многим неэффективным и трудоемким технологиям, которые использовались для решения этих задач раньше, приходят технологии машинного зрения с ИИ, позволяющие повысить надежность, безопасность и производительность. При развертывании смарт-камер с ИИ можно существенно увеличить производительность за счет добавления функционала со стороны самих камер. Итак, что же такое – машинное зрение с ИИ.
Архив рубрики: Инновации
Структурное мышление и искусственный интеллект: в чем отличия способов принятия решений человеком и машиной
Фото: https://www.advancedsciencenews.com/. Начнем мы с понимания того, что вообще такое “структурное мышление” и почему люди им обладают. Поговорим о структурном мышлении. Существуют убедительные данные, что мы — люди — воспринимаем мир с помощью структуры. Ссылки на научные работы касательно структурного восприятия мира человеком, подкрепляющие утверждения этого раздела, можно найти в разделе “Литература” в конце статьи. Это значит, что мы делим все сложные абстрактные понятия на части, и воспринимаем все объекты и понятия как сложные составные сущности, состоящие из простых элементов (building blocks), которые взаимодействуют между собой (имеют relations). Пример: планета состоит из стран, страна — из городов, города — из улиц и т.д. Города — это составные части стран (building blocks), при этом города находятся внутри стран. “Внутри” — это вид взаимодействия между городом и страной (relation).
В чем причины замедления научно-технического прогресса: размышления о будущем
Это текст появился в процессе работы над лекциями по теории автоматического управления, когда я заметил, что мой уровень подготовки явно ниже, чем требуется для этих лекций, при том, что с математикой у меня всегда было хорошо. Более того, я когда-то сдал курс по этим лекциям на честную «тройку», но мне материал кажется очень сложным. Поразмышляв, я пришёл к выводу: проблема в том, что я не использовал этот математический аппарат в деле, а сразу перешел к моделированию на компьютере. Что, как мне кажется, совсем не положительно сказалось на моей сообразительности. И все из-за этих чертовых компьютеров. В одной из дискуссий системных инженеров я высказал гипотезу, что пока методы системной инженерии изменяются по 5 раз в год, реальная инженерия замедляется и тормозится. В ответ мне возразили, что Пушкин писал гусиным пером, и хорошо писал, посему, может, и современным писателям с компьютера перейти на перья?
Теория ограничений помогает раскрыть истинный потенциал инструментов искусственного интеллекта: подробности подхода
Искусственный интеллект (ИИ), как генетическое название компьютеризированных инструментов, способных учиться на прошлых данных для принятия независимых решений, становится ключевым модным словом для будущих технологий, которые изменят мир. Однако довольно много опасений вызывает потенциальная возможность ИИ не только улучшать нашу жизнь, но и наносить немалый ущерб. Я твердо верю, что Теория ограничений (ТОС) приносит рациональное суждение и склонность искать присущую простоту, раскрывая истинный потенциал кажущихся сложными и неопределенными ситуаций. Могут ли эти качества TOC значительно улучшить потенциал ИИ, чтобы повысить ценность управления организациями? Акцент TOC на определении правильного фокуса для достижения наилучшей производительности, что одновременно означает, на чем не следует фокусироваться, основан на признании ограниченности возможностей нашего разума.
Есть ли будущее у квантовых вычислений: большой пузырь и сомнительные результаты
Никита Гурьянов — физик из Оксфордского университета, занимающийся вычислительной квантовой физикой. В конце августа он ворвался на Financial Times со статьей, критикующий индустрию квантовых вычислений, сравнив «фанфары» вокруг этой технологии с раздувающимся финансовым пузырем. Он предупреждает, что люди, особенно в сфере высоких технологий, в последние годы стали чересчур оптимистично смотреть на перспективы квантовых вычислений. И что здесь сейчас куда больше дыма, чем огня. Как ни странно, квантовые вычисления — уже очень прибыльная индустрия. В последние годы в эту область вливаются миллиарды долларов. Кульминацией, пожалуй, стал дебют на публичном рынке компаний, занимающихся квантовыми вычислениями, таких как Rigetti и D-Wave, а также любимый рыночный феномен 2021 года — IPO через компании по приобретению специального назначения (так называемые СПАКи).
Может ли нейронная сеть самостоятельно обучаться: опыт и мнение профессионалов
Обучение с самоконтролем позволяет нейронной сети самостоятельно выяснить, что имеет значение. Этот процесс может быть тем, что делает наш собственный мозг таким успешным. Вот уже десять лет многие из самых впечатляющих систем искусственного интеллекта обучаются с использованием огромного количества размеченных данных. Изображение может быть помечено как «полосатый кот» или «тигр», например, чтобы «обучить» искусственную нейронную сеть правильно отличать полосатого кота от тигра. Стратегия оказалась одновременно впечатляюще успешной и прискорбно несовершенной. Такое «контролируемое» обучение требует, чтобы данные были скрупулезно помечены людьми, и нейронные сети часто выбирают более короткие пути, учась ассоциировать метки с минимальной, а иногда и поверхностной информацией. Например, нейронная сеть может использовать наличие травы для распознавания фотографии коровы, потому что коров обычно фотографируют в поле.
