Pět velkých myšlenek
O co jde
Pět velkých myšlenek (Five Big Ideas) je dokument, který stanovuje vzdělávací standardy a obsahově poskytuje oporu tvůrcům kurikul umělé inteligence pro základní a střední školy. Stojí za ním členové iniciativy AI4K12. My jsme při tvorbě AI kurikula z tohoto dokumentu vycházeli i přesto, že nepokrývá explicitně koncept dat a také neakcentuje rozdíl mezi algoritmickým přístupem a strojovým učením (takhle dětem AI hlavně vysvětlujeme). Strukturu Five Big Ideas si můžete prohlédnout níže [celý dokument ke stažení zde].
První velká myšlenka — Vnímání
Počítače vnímají svět pomocí senzorů. Vnímání není pasivní proces, ale interpretace dat ze senzorů na základě zkušeností a znalostí. To, že počítače „vidí“ a „slyší“ dostatečně dobře, je jeden z nejvýznamnějších úspěchů v oblasti AI.
Vnímání
1-A-I živé bytosti
1-A-II počítačové senzory
1-A-III digitální reprezentace
Zpracování
1-B-I vnímání vs. zpracování
1-B-II extrakce příznaků
1-B-III úrovně abstrakce: jazyk
1-B-IV úrovně abstrakce: vidění
Oborové znalosti
1-C-I doménové znalosti a jejich druhy
1-C-II inkluzivita
Druhá velká myšlenka — Reprezentace dat a usuzování
Inteligentní systémy pracují s reprezentací světa a používají ji k usuzování. Reprezentace je jedna ze základních výzev inteligence, jak té přirozené, tak umělé. Počítače konstruují reprezentace na základě dat a tyto reprezentace pak využívají algoritmy, která generují nová zjištění z již známého. I když inteligentní systémy mohou analyzovat složité úlohy, nemyslí jako lidé.
Reprezentace
2-A-I abstrakce
2-A-II symbolické reprezentace
2-A-III struktura dat
2-A-IV příznakové vektory
Vyhledávání
2-B-I prohledávání stavového prostoru
2-B-II kombinatorické úlohy
Usuzování
2-C-I typy usuzovacích úloh
2-C-II usuzovací algoritmy
Třetí velká myšlenka — Učení
Počítače se mohou učit z dat. Strojové učení je druh statistického odhadu (inference), který nachází vzory v datech. Mnoho oblastí AI se významně posunulo díky učícím algoritmům, které vytvářejí nové reprezentace. Aby byl tento přístup úspěšný, je obvykle potřeba velké množství dat poskytnutých lidmi, někdy je však může získat stroj sám.
Podstata učení
3-A-I lidé vs. stroje
3-A-II hledání vzorů v datech
3-A-III trénování modelu
3-A-IV vytváření vs. použití modelu strojového učení
3-A-V úprava vnitřních reprezentací
3-A-VI učení se ze zkušenosti
Neuronové sítě
3-B-I struktura neuronové sítě
3-B-II úprava vah
Datové sady
3-C-I sady rysů
3-C-II velké datové soubory
3-C-III předpojatost
Čtvrtá velká myšlenka — Přirozená interakce
Inteligentní systémy potřebují mnoho druhů poznatků, aby mohly s lidmi přirozeně interagovat. Musí ovládat lidské jazyky, rozpoznávat výrazy a emoce v tváři a využívat kulturních a sociálních konvencí k odvození závěrů z pozorovaného chování. Všechny tyto úlohy jsou obtížné. Dnešní AI systémy mohou používat jazyk, ale jejich intelekt se zatím nedostal nad úroveň dětského myšlení.
Přirozený jazyk
4-A-I struktura jazyka
4-A-II mnohoznačnost jazyka
4-A-III usuzování z textu
4-A-IV aplikace
Usuzování pomocí zdravého rozumu
4-B-I
Porozumění emocím
4-C-I
Filozofie mysli
4-D-I
Pátá velká myšlenka — Společenské dopady
AI může mít na společnost pozitivní i negativní dopady. Technologie mění způsoby, jakými pracujeme, cestujeme, komunikujeme a staráme se jeden o druhého. Musíme být ale opatrní ohledně negativních důsledků, které mohou nastat. Například zkreslení v datech použitých k trénování AI systému by mohlo vést k tomu, že některé osoby budou znevýhodněné oproti jiným. Proto je důležité diskutovat o dopadech, které má AI na naši společnost a přemýšlet o kritériích pro navrhování a nasazeních etických systémů umělé inteligence.
Etická AI
5-A-I zájmová diverzita a spravedlivá rozhodnutí
5-A-II kritéria etického designu
5-A-III tvorba etických systémů
AI a kultura
5-B-I AI v každodenním životě
5-B-II důvěra a odpovědnost
AI a ekonomika
5-C-I dopady AI na různé společenské oblasti
5-C-II vliv na zaměstnanost
AI pro společenské dobro
5-D-I demokratizace umělé inteligence
5-D-II využití AI k řešení společenských problémů