Pierwsze kroki w świecie sztucznej inteligencji

[Cydek]

Dzień dobry.

Ostatnio naszła mnie wielka ochota, aby wejść (chociaż trochę) do świata sztucznej inteligencji. Pełen zapału odpaliłem komputer, włączyłem przeglądarkę i zacząłem szukać informacji na ten temat. Niestety jedyne co znalazłem to artykuły o tym czym jest ta sztuczna inteligencja i czy (o zgrozo  ) zagrozi kiedyś światu. Wiem, że na tym forum jest kilku specjalistów tej dziedzinie, więc przychodzę z pytaniem, czy znają oni jakieś artykuły, które wprowadzą mnie za rękę do wspomnianego wcześniej tematu. 

Pozdrawiam 

Maciek

Edytowano Luty 16, 2021 przez Cydek

[deshipu]

Termin "sztuczna inteligencja" w praktyce nie znaczy absolutnie nic. To jest termin marketingowy, a nie techniczny. Zatem trudno cokolwiek doradzać jak chcesz "wejść do jej świata".

Może napisz co chciałbyś zrobić, to wtedy możemy skierować. Co cię interesuje? Systemy eksperckie? Uczenie maszynowe? Algorytmy genetyczne? Statystyka? Przetwarzanie sygnałów? Optymalizacja? Sieci neuronowe? Teoria gier? Algorytmy probabilistyczne?

[Cydek]

A no to już dzięki za radę. Cenna informacja. Najbardziej interesują mnie sieci neuronowe i uczenie maszynowe. A i jeszcze dodatkowe pytanie. Czy potrzebuję do tego jeszcze jakiegoś drogiego sprzętu oprócz komputera i malinki z kamerą?

[deshipu]

Nie potrzebujesz nawet komputera. Wystarczy papier, ołówek, oraz — to bardzo ważne — kosz na śmieci. Powinieneś bez trudu znaleźć książki o sieciach neuronowych i ich trenowaniu. Ja zazwyczaj zaczynam od Wikipedii, a potem patrzę na linki. Spróbuj zbudować perceptron, spróbuj nauczyć go rozpoznawać pisane odręcznie cyfry — to takie standardowe pierwsze kroki. Potem możesz wziąć TensorFlow i spróbować pobawić się bardziej skomplikowanymi sieciami. Na pewno znajdziesz do tej biblioteki dużo tutoriali.

[KHX]

Tylko dodam, ze ogólnie, to najbardziej nadaje się Python i C++, ale póki co odpuść drugiego do ML. Jeszcze ciekawa jest libka numpy, ale ją uzywa się bardzo często wraz z Tensorflowem. Dobry kurs jest tutaj, no i ogólnie kanał ma ciekawą zawartość. https://www.youtube.com/watch?v=tPYj3fFJGjk

Jeśli interesuje Cię wizja komputerowa, to uzywa się w niej głównie wyzej wymienionych libek, oraz opencv. Ale najpierw warto poduczyć się ML, a właściwie to się uczyć i to duzo. Co prawda nie jestem ekspertem, ale coś tam grzebałem i do totalnych podstaw coś mogę poradzić.

 

Sprzęt przydaje się tylko do bardzo zaawansowanych obliczeń, ale to najbardziej karta graficzna, ale póki nie dojdziesz sam do tego, to nie szukaj o tym informacji, szkoda zaprzątać głowy.

Edytowano Luty 16, 2021 przez KHX

[Cydek]

O dzięki za odpowiedzi. Widzę, że wiele nauki przede mną, ale niczego się nie nauczę siedząc na czterech literach, więc zabieram się do nauki.

Pozdrawiam

Maciek

[Treker (Damian Szymański)]

@Cydek polecam lekturę poniższych artykułów. Nie musisz iść taką drogą, ale polecam je przeczytać - zobaczysz jak "sztuczna inteligencja" może wyglądać w praktyce:

• Praktyczny wstęp do AI z płytką Asus Tinker Edge T
• Sztuczna inteligencja na STM32? Przykład użycia X-CUBE-AI

[FlyingDutch]

21 godzin temu, Cydek napisał:

A no to już dzięki za radę. Cenna informacja. Najbardziej interesują mnie sieci neuronowe i uczenie maszynowe. A i jeszcze dodatkowe pytanie. Czy potrzebuję do tego jeszcze jakiegoś drogiego sprzętu oprócz komputera i malinki z kamerą?

Cześć,

jak masz odpowiednią kartę grafiki (GPU) to możesz mieć akcelerację dla np. "Tensor Flow" nawet na PC'cie. Jeśli chodzi o RPI i inne SBC to takie dodatki mogą być przydatne (aczkolwiek nie są niezbędne):

https://botland.com.pl/plytki-rozwojowe-si/17683-sipeed-maixcube-platforma-deweloperska-ai-all-in-one-k210.html

https://kamami.pl/google-coral/577444-modul-coral-m2-accelerator-ae-key.html

http://www.orangepi.org/Orange Pi AI Stick 2801/

https://kamami.pl/akcesoria-do-orange-pi/580927-orange-pi-ai-stick-lite-akcelerator-ai-z-usb.html

https://botland.com.pl/pozostale-moduly-do-raspberry-pi/16430-intel-neural-compute-stick-2-siec-neuronowa-usb-5032037127479.html

Wszystko to są akceleratory do sieci neuronowych i framework'ów uczenia głębokiego, tak więc z ich pomocą wnioskowanie sieci może być dużo szybsze.

Pozdrawiam

[Elvis]

Jeśli w komputerze działa przeglądarka to nic już więcej nie potrzeba, żeby zacząć przygodę z AI. Zamiast inwestować całkiem niemałe pieniądze w akcelerator, na początek wystarczy skorzystać z chmury, np. Google Colab: https://colab.research.google.com/notebooks/intro.ipynb

[wn2001]

@Cydek Dodam jeszcze od siebie (interesującą moim zdaniem) platformę: https://teachablemachine.withgoogle.com/ - w ciągu pięciu minut możesz zbudować np. klasyfikator rozpoznający obrazy  W ten sposób możesz zobaczyć, jak wygląda (oczywiście w uproszczeniu) machine learning - dostarczenie próbek, szkolenie modelu i jego testowanie  Najlepsze jest to, że taki model możesz pobrać np. do zaimportowania dla TensorFlowLite

[Cydek]

Wow! Nie spodziewałem się tylu odpowiedzi. Dziękuję wszystkim za rady i źródła i zabieram się do roboty.

[wn2001]

2 godziny temu, Cydek napisał:

Wow! Nie spodziewałem się tylu odpowiedzi. Dziękuję wszystkim za rady i źródła i zabieram się do roboty.

@Cydek Dodam jeszcze od siebie, że posiadam książkę "Uczenie maszynowe na RaspberryPi" i zdecydowanie mogę polecić. Trochę na początku można się pogubić, np. pierwszy raz czytając nagle autor próbuje rozpoznać różne rodzaje storczyków (teraz już wiem, że to klasyfikacja krokusów na bazie ich wymiarów to taki "Hello World" dla ML ) - oczywiście są pewne rzeczy, które należy sobie uzupełnić wiedzą z innych źródeł. Jest też klasyfikacja cyfr itd... - ale oczywiście to nie jest tak, że koniecznie musisz wykonywać je na RPi - na początku może to być najzwyklejszy PC z Pythonem, który działa praktycznie wszędzie

Polecam też blog PyImageSearch - bezpośrednio związany z wizją i przetwarzaniem obrazu, więc w ogromnej części artykuły tam zawarte zazębiają się z machine learning'iem - oczywiście, jeśli w obszarze Twoich zainteresowań leży wizja i przetwarzanie obrazu  Jeśli chcesz "na szybko" uzyskać jakiś ciekawy efekt - polecam kaskady Haar'a; które są integralną częścią OpenCV - w jeden wieczór możesz zrobić wykrywanie twarzy:

https://towardsdatascience.com/computer-vision-detecting-objects-using-haar-cascade-classifier-4585472829a9

Zrobiłem kiedyś taki klasyfikator - wykrywa twarz i usta - jeśli wykryta są oba, pyta się o maseczkę, jeśli tylko twarz, a ust nie widzi - to OK  Taki prosty projekt na start, "łagodne wejście w machine learning" - chociaż nie wiem, czy kaskady Haar'a można uznać za ML (jestem amatorem )