Magazín KPI

Časopis Katedry počítačov a informatiky FEI TUKE
kpi

Značka: umelá inteligencia

Učenie s posilňovaním s OpenAI Gym

Umelej inteligencii (AI — artifical inteligence) je medzi informatikmi každým rokom venovaná väčšia pozornosť. Samotný odbor síce zďaleka nie je niečím novým (pôvod má už v 50-tych rokoch minulého storočia), neustály nárast v operačnej sile a rýchlosti počítačov otvára nové možnosti pre rozvoj umelej inteligencie práve v posledných rokoch. Možno ste počuli o projekte AlphaGo od Deepmind Technologies, ktorý sa v roku 2017 stal najlepším hráčom 3000 rokov starej čínskej hry Go. v OpenAI dokázali vytvoriť hráča OpenAI 5 pre online počítačovú hru Dota 2, ktorý v apríli 2019 porazil majstra sveta v plnej hre 5 proti 5. Podobných príkladov je každým rokom viac a viac a majú spoločné to, že sa to všetko naučili sami od úplnej nuly. V tomto návode si ukážeme jeden zo základných algoritmov strojového učenia s posilňovaním — Q-learning v Pythone na niektorých jednoduchých prostrediach v Gym od OpenAI.

Využitie rozšírenej reality pre navigáciu v priestore

Aplikácia WizAR umožňuje používateľom komunikovať s okolitými elektronickými zariadeniami formou 3D gest vykonávaných pohybom telefónu, kde ovládané zariadenie je vybrané fyzickým poukázaním naň. Takýto spôsob komunikácie imituje používanie čarovnej paličky a snaží sa vytvoriť efekt kúzlenia. Predstavte si napríklad, že chcete vypnúť televízor. Pomocou WizAR môžete nasmerovať telefón na televízor a pohnúť im tak, ako keby ste kreslili vo vzduchu kružnicu. Vykonané gesto je následne spracované umelou inteligenciou, ktorá vyhodnotí povel, ktorý sa následne odošle na prijímajúce zariadenie. Prototyp aplikácie WizAR získal prvé miesto na Živých IT projektov.

Využitie digitalizovaného písma pre diagnostiku dysgrafie

Tento článok opisuje využitie digitalizovaných záznamov písma na diagnostikovanie dysgrafie. Dysgrafia je porucha písania, čiže neschopnosť správne napodobniť jednotlivé tvary písmen. Článok sa venuje analýze dysgrafického rukopisu pomocou vzoriek písma. Z digitalizovaných záznamov je možné extrahovať parametre, ktoré dokážu pomôcť pri diagnostikovaní dysgrafickej poruchy. Tieto parametre sa využijú na návrh predikčného modelu dysgrafického písma za pomoci využitia strojového učenia. Výstupom výskumu bol natrénovaný model, ktorý je schopný klasifikovať pôvod ručne písaného prejavu.

MyHealth — platforma pre predikciu chorôb v domácom prostredí

Aplikácia MyHealth predstavuje prototyp riešenia pre predikciu rôznych chorôb v domácom prostredí, ktorých diagnostika sa dá vykonať postupom schváleným lekármi. Vyšetrenie je založené na kombinácii výsledku merania a špecifického dotazníka pre konkrétnu chorobu. Merania sú realizované pomocou mobilného telefónu a k nemu pripojených zariadení. Získané údaje sú vyhodnotené pomocou strojového učenia pomocou ktorého sa určuje pravdepodobnosť danej choroby.