Umělá představivost

Aktuální verze stránky ještě nebyla zkontrolována zkušenými přispěvateli a může se výrazně lišit od verze recenzované 18. července 2020; kontroly vyžadují 3 úpravy .

Umělá představivost (syntetická nebo strojová představivost) - umělé modelování lidské představivosti pomocí počítačů pro obecné nebo speciální účely nebo umělých neuronových sítí , jejichž aplikační forma je známá jako syntetické prostředí . .

Termín "umělá představivost" se také používá k popisu vlastností strojů nebo programů . Vědci doufají, že s nimi napodobí určité rysy, jako je kreativita , humor a satira . .

Výzkum umělé představivosti využívá nástroje a nápady z mnoha oblastí, včetně informatiky , rétoriky , psychologie , umění , filozofie , neurovědy , afektivního počítání , umělé inteligence , kognitivní vědy , lingvistiky , operačního výzkumu , kreativního psaní , pravděpodobnosti a logiky . .

Vědci studují různé aspekty umělé představivosti, jako je umělá vizuální představivost [1] , umělá sluchová představivost [2] , modelování/filtrování obsahu na základě lidských emocí a interaktivní vyhledávání. Některé články na toto téma pojednávají o tom, jak se umělá představivost může vyvinout k vytvoření umělého světa [3] .

Někteří výzkumníci, jako G. Schleiss a M. Ritzky, se zaměřili na používání neuronových sítí k simulaci umělé představivosti [4] .

Další významný projekt vedou Hiroharu Kato a Tatsuya Harada z Tokijské univerzity v Japonsku . Vyvinuli počítač schopný převést popis objektu do obrazu, což může být nejjednodušší způsob, jak identifikovat umělou představivost. Jejich myšlenka je založena na konceptu obrazu jako řady pixelů rozdělených do krátkých sekvencí odpovídajících konkrétní části obrazu. Vědci tyto sekvence nazývají „vizuální slova“ a mohou být interpretovány strojem pomocí statistického rozdělení , aby bylo možné přečíst popis a vytvořit obraz předmětu, se kterým se stroj nesetkal.

Téma umělé představivosti přitáhlo zájem vědců mimo informatiku , jako je renomovaný komunikační specialista Ernest Borman , který vyvinul teorii symbolické konvergence a pracoval na projektu rozvoje umělé představivosti v počítačových systémech [5] . Od roku 2017 se na Ecole Normale de Paris koná Interdisciplinární výzkumný seminář o umělé imaginaci a post-digitálním umění [6] .

Aplikace umělé představivosti

Typickou aplikací umělé imaginace je interaktivní vyhledávání . Interaktivní vyhledávání se rozvíjí od poloviny 90. let, doprovázené rozvojem World Wide Web a optimalizací pro vyhledávače . Na základě prvního požadavku a zpětné vazby od uživatele jsou prohledávané databáze reorganizovány, aby se zlepšily výsledky vyhledávání.

Umělá představivost nám umožňuje syntetizovat obrázky a vytvořit nový obrázek uložený v databázi bez ohledu na jeho existenci v reálném světě. Počítač například zobrazí výsledky na základě odpovědi z původního požadavku. Uživatel vybere několik relevantních obrázků a poté technologie tyto výběry analyzuje a reorganizuje pořadí obrázků podle požadavku. V tomto procesu se používá umělá představivost k syntéze vybraných obrázků a vylepšení výsledku vyhledávání pomocí dalších relevantních syntetizovaných obrázků. Metoda je založena na několika algoritmech, včetně Rocchiova algoritmu a evolučního algoritmu .

V malém systému, kde jsou databáze umístěny v určitých řádcích, dobře funguje Rocchiův [7] algoritmus , který lokalizuje význam dotazu poblíž relevantních příkladů a daleko od nerelevantních. Evoluční syntéza se skládá ze dvou fází: standardního a pokročilého algoritmu [8] . Díky zpětné vazbě uživatelů syntetizují další obrázky, které odpovídají jeho požadavku.

Umělá morálka a paměť

Umělá představivost má širší uplatnění. V obecném smyslu lze všechny činnosti pro utváření myšlenek, obrazů a konceptů spojovat s představivostí. Umělá představivost tedy znamená více než jen vytváření grafů . Například morální představivost je důležitou výzkumnou podsekcí umělé představivosti, přestože její klasifikace je obtížná. Morálka je důležitou součástí lidské logiky , zatímco umělá morálka hraje důležitou roli v umělé představivosti a umělé inteligenci .

Hlavní otázkou ohledně morálních aspektů umělé inteligence je, zda by lidé měli nést odpovědnost za chyby a rozhodnutí strojů a jak vyvinout dobře řízené stroje. Protože nikdo nemůže podat jasný popis nejlepších morálních pravidel, vytvoření stroje, který by se řídil obecně uznávanými morálními standardy , není dosud možné. Nedávný výzkum umělé morálky však definici morálky obešel. Místo toho jsou stroje cvičeny tak, aby napodobovaly lidskou morálku pomocí dat z morálních rozhodnutí tisíců různých lidí, takže takto trénovaný model je schopen odrážet obecně přijímaná pravidla.

Paměť je další velké pole umělé představivosti. . Výzkumníci jako Aude Oliva provedli rozsáhlou práci na umělé paměti, zejména na paměti vizuální [9] . Ve srovnání s vizuální představivostí se vizuální paměť zaměřuje více na to, jak stroj rozumí, analyzuje a ukládá obrazy lidským způsobem. Kromě toho byly studovány prostorové charakteristiky vizuální paměti. Protože je tento obor založen na biologických strukturách mozku , proběhl také rozsáhlý výzkum v oblasti neurověd , které jsou průsečíkem biologie a informatiky .

Poznámky

  1. Bart Thomee, Mark J. Huiskes, Erwin Bakker, Michael S. Lew. Vizuální vyhledávání informací pomocí syntetizovaných snímků  //  Sborník příspěvků z 6. mezinárodní konference ACM o získávání obrazu a videa - CIVR '07. - Amsterdam, Nizozemsko: ACM Press, 2007. - S. 127-130 . — ISBN 978-1-59593-733-9 . - doi : 10.1145/1282280.1282303 .
  2. Přenos zvukového obsahu  (španělština) . Univerzita Pompeu Fabra (6. ledna 2007). Staženo: 21. května 2020.
  3. Hypertext a „hyperreal“ |  Sborník příspěvků z druhého ročníku konference ACM o hypertextu . dl.acm.org. Staženo 21. května 2020. Archivováno z originálu dne 26. června 2020.
  4. G. Schleis, M. Rizki. Učení od náhodného hráče pomocí referenčního modelu neuronů  // Proceedings of the 2002 Congress on Evolutionary Computation. CEC'02 (kat. č. 02TH8600). - 2002. - Květen ( 1. díl ). — S. 747–752 sv.1 . - doi : 10.1109/CEC.2002.1007019 . Archivováno z originálu 1. února 2020.
  5. Kořeny rétorických studií dvacátého století , od Jima A. Kuyperse a Andrewa Kinga, 2001. vydal Praeger/Greenwood, strana 225.
  6. Postdigitální  (francouzsky) . Staženo 21. května 2020. Archivováno z originálu dne 7. května 2020.
  7. Gerard Salton, Chris Buckley. Zlepšení výkonu vyhledávání pomocí zpětné vazby podle relevance  //  Journal of the American Society for Information Science. - 1990. - Sv. 41 , iss. 4 . - str. 288-297 . — ISSN 1097-4571 . -doi : 10,1002 /(SICI)1097-4571(199006)41:43,0.CO;2-H .
  8. Bart Thomee, Mark J. Huiskes, Erwin Bakker, Michael S. Lew. Použití umělé představivosti pro načítání textury . Archivováno 20. ledna 2021 na Wayback Machine
  9. Timothy F. Brady, Talia Konkle, George A. Alvarez, Aude Oliva. Vizuální dlouhodobá paměť má obrovskou úložnou kapacitu pro detaily objektů  // Proceedings of the National Academy of Sciences  . - Národní akademie věd Spojených států , 23.09.2008. — Sv. 105 , iss. 38 . - S. 14325-14329 . — ISSN 0027-8424 . - doi : 10.1073/pnas.0803390105 . Archivováno 12. listopadu 2020.