NLP – co rozumieją maszyny?

Karen Hao, już tutaj przywoływana, publikuje nowy artykuł na temat sztucznej inteligencji a dokładnie na temat NLP, wprowadzając stary temat, dotyczący zdolności rozumienia przez maszynę tekstu, który jest przez nią generowany. Problem jest stary ponieważ jego źródłem i obszerną realizacją jest idea tak zwanego chińskiego pokoju. Przy okazji Karen Hao dokonuje rekonstrukcji współczesnych technologii NLP w obszarze analizy semantycznej. Artykuł znajduje się tu.

Kay-fu Lee: Europa się nie liczy. Tym bardziej Polska

Nieoceniony O’Reilly przynosi hiobową opinię Kay-fu Lee, były szef w Apple I MIcrosoft,były wiceprezydent Google China, autor książki pt. AI Superpowers: China, Silicon Valley, and the New World Order (2018), który mówi wprost: Nie ma nadziei dla sektora sztucznej inteligencji w Europie.O’Reilly jako kontr opinię przedstawia raport Komisji Europejskiej z kwietnia 2018 roku. Pośród 20 omówionych w nim krajów brakuje Polski, mimo, że znajdują się tam takie państwa jak Rumunia czy Czechy. Słabym pocieszeniem jest brak Słowacji, Węgier czy Bułgarii.

DIY – Jeszcze o Keras i innych

Wiele podstawowych informacji nt. Keras mozna odnaleźć tutaj.  A zainteresowanych kursami dotyczącymi tej problematyki odsyłam nie tylko na Courserę ale także na fast.ai. Ważna strona dla zainteresowanych data science to ODSC (opendatascience).
Pomocne i darmowe narzędzie do projektowania graficznego sieci neuronowych to Deep Learning Studio produkcji Deep Cognition. W wersji desktopowej (lokalnej) jest darmowe, w wersji chmurowej pojawiają się opłaty za użycie mocy obliczeniowej. Jest dostępne dla Windows i Ubuntu. Innym takim narzędziem jest Neural Designer, dostępny dla Windows, Maca i Ubuntu. Wersja darmowa jest ograniczona liczbą linii kodu i dopuszczalną wydajnością procesora. Microsoft ma podobne narzędzie, jednak tylko w wersji webowej, pod nazwą Microsoft Azure Machine Learning Studio, które także ma wersję darmową, wymagającą konta Microsoft. Google udostępnia treningową i poglądową aplikację webową (playground tensorfow), pozwalająca projektować i obserwować w działaniu sieci neuronowe, działająca w oparciu o bibliotekę Tensorflow. Aplikacja Google ma charakter otwarty i jej kod jest dostępny na GitHub, co pozwala na własne modyfikacje włącznie z uruchomieniem lokalnym.

Ekspansja Chin na polu AI

Na konferencji pt. Artificial Intelligence Conference in San Francisco 2018 Kai-Fu Lee uzasadnił i opisał chińską ekspansję na polu sztucznej inteligencji wiodącą przez rozwój technologii cyfrowych w Chinach. Jak twierdzi mówca, przeszły one fazę naśladownictwa i znajdują się w fazie tworzenia własnych, oryginalnych i lepszych niż amerykańskie rozwiązań na tym polu. Kai-Fu Lee jest m.in. autorem książki pt. AI Superpowers: China, Silicon Valley, and the New World Order (1918). Relację dostarcza nieoceniony O’Reilly na YouTube:

DIY – konwolucyjne sieci neuronowe w Keras

Poradnik, jak użyć frameworku Keras do tworzenia konwolucyjnych sieci neuronowych na szkolnym przykładzie rozpoznawania cyfr z bazy MNIST na stronie Towards Data Science, gdzie jest wiele materiałów poświęconych machine learning, data science itp. Keras jest nakładką na Tensorflow napisaną w Pythonie i znacznie ułatwia korzystanie z tego ostatniego. Stamtąd także pochodzi poradnik: How to build your own Neural Network from scratch in Python.
A jak ktoś szuka materiałów polskich to proszę zajrzeć na przykład do blogu About Data Krzysztofa Sopyły.