Искусственный интеллект | Технологии и применение

Искусственный интеллект: что это такое

На первый взгляд, искусственный интеллект кажется достаточно простой концепцией - это устройства для выполнения задач, обычно решаемых людьми.

Машины уже давно помогают людям, и сейчас большинство видов ручной работы выполняется на станках. Самая распространенная замена произошла на производственных линиях, где машины выполняют задачи, изначально возложенные на человека, но уже с более высокой скоростью работы, функционированием в режиме 24/7 и более низкими затратами. Эти машины запрограммированы на выполнение конкретных задач и не обладают собственным «интеллектом» в традиционном смысле, они просто очень быстро и надежно справляются с определенной работой.

«Созрело ли яблоко?» - это пустяковый вопрос для человека, но, чтобы получить ответ от машины, её сначала необходимо обучить.

Таким образом, под искусственным интеллектом подразумевают систему, способную принимать решения, но, как в случае с людьми, которых она заменяет, её нужно обучать.

Так как же обучают машины?

Машинное обучение: принцип работы

Как обучить машину и как сделать эти знания полезными для решения конкретных задач? Термин «искусственный интеллект» сразу напоминает о роботах из научно-фантастических фильмов, таких как «Я робот», и, так же как и в этом фильме, система искусственного интеллекта содержит множество фрагментов. Одной из самых удачных аналогий для иллюстрации работы искусственного интеллекта являются отношения спортсмена и тренера.

Спортсмен

Профессиональный спортсмен - настоящий специалист своего дела. Он знает, что делать на поле. Он не спускает глаз с мяча. Он анализирует перемещения противника. Он меняет своё поведение, чтобы отразить его атаку. Он отслеживает ход его защиты, чтобы предпринять ответный удар. Финальный счет матча - это оценка его эффективности во время игры. Это система логического вывода ИИ.

Тренер

Игроку на поле не увидеть того, что заметит со своего места мудрый тренер. Пока игрок непосредственно совершает действия, тренер смотрит на игру в целом. Он видит общую картину. Именно тренер делится своим опытом с игроком и руководит им. Для обучения спортсмена тренер должен проанализировать ход развития событий и разработать план игры. Это сервер для обучения ИИ.

План игры

Когда тренер сообщает игроку результаты анализа игры, тот может применить эту информацию, чтобы изменить особенности своей игры, например по-другому отреагировать на действия противника или в следующий раз использовать иную тактику. Игрок перенимает накопленные знания тренера и реализует полученные навыки в реальных условиях игры на поле. План игры - это анализ тренера, реализуемый спортсменом. Это оптимизированная модель предсказаний искусственного интеллекта.

Анализ

Тренер контролирует ход игры и отслеживает, что происходит. Получая и анализируя информацию, он использует полученные знания о спорте и накопленный опыт для того, чтобы понять, почему все пошло так или не так и почему так случилось. Почему выбранную тактику не удалось реализовать? Как противнику удалось завладеть мячом? Было ли что-то, чего мы не предусмотрели? Вопросы - ключ к успеху. Это фреймворк глубокого обучения для искусственного интеллекта.

Искусственный интеллект работает непрерывно и обеспечивает надёжную и эффективную работу в режиме 24/7.

Искусственный интеллект | Применение

В современном мире искусственный интеллект имеет множество применений. Его основная цель - повторять и оптимизировать процессы, которые выполняет человек, используя свои пять чувств. Именно эти пять чувств воссоздают системы ИИ, хотя чаще только одно необходимо для решения конкретной задачи. Поскольку зрение является одним из основных чувств, определяющим поведение и взаимодействия человека, неудивительно, что приложения машинного зрения стали основным направлением развития ИИ. Другие области применения включают обработку информации с датчиков - имитация осязания, например, для выявления неполадок, вызванных чрезмерной вибрацией оборудования, имитация слуха для анализа голоса, а также оценки звуков, которые звучат «неправильно». Скоро в этом списке появятся вкус и запах, поэтому создание компьютером первых духов - это только вопрос времени. Итак, давайте подробнее остановимся на некоторых существующих на данный момент применениях.

Машинное зрение для определения и сортировки сельскохозяйственной продукции

Вспомните великолепные красные яблоки в корзине с фруктами на столе - сочные, с безупречной кожицей - они не случайно оказались настолько совершенными. Эти яблоки были тщательно отобраны и отделены от яблок, отправленных на другие пищевые производства, где важно количество и качество продукта, но не внешний вид.

Перед тем как попасть к вам на стол, сельскохозяйственная продукция многократно сортируется и перерабатывается. В этом примере мы рассмотрим другие, более сочные по сравнению с яблоками фрукты – манго. После того, как манго собрали с деревьев на ферме, они попадают на перерабатывающую станцию. В результате обработки отделяют манго, имеющие наилучший внешний вид, и те, которые будут использованы для других целей.

Перед визуальным осмотром манго помещают в большой резервуар с водой, вынимают из воды на подъемнике, затем очищают и полируют. Манго едут по сортировочному конвейеру для визуального осмотра (к этой части мы вернемся чуть позже), чтобы отделить «хорошие» фрукты от «плохих». От размера и внешнего вида манго зависит, можно ли его считать отвечающим требованиям для экспорта. Современные потребители во многих странах мира привыкли к почти идеально выглядящим фруктам и овощам, поэтому продукция на экспорт должна выглядеть соответствующе. После отделения некачественных плодов манго поступают в сортировочную машину, которая сортирует их по размеру. Наконец, отсортированные манго доставляют по конвейерам на упаковку.

Весь этот процесс автоматизирован и выполняется исключительно машинами, кроме сортировки по внешнему виду. Именно для этого и нужно машинное зрение. Сортировщиков необходимо обучать оценивать качество манго, и они могут делать ошибки, что негативно влияет на производительность. Они устают, не всегда могут обнаружить дефекты, их определение «хорошего» и «плохого» может отличаться непостоянством. Технология машинного зрения решает эти проблемы. С помощью передовых алгоритмов сортировки компьютер принимает решения о качестве на основании получаемых видеоданных, а затем с помощью роботизированного манипулятора выбирает манго с дефектами для продажи на локальном рынке или иной реализации.

К преимуществам использования этой автоматизированной обработки относится определение некачественных плодов, а также распознавание фруктов, признанных некачественными для экспорта, но при этом вполне допустимых для иных применений. Скорость обработки по меньшей мере соответствует ручной, а масштабирование стало проще, вместо найма и обучения нового персонала, приобретаются дополнительные камеры и манипуляторы.

Для данного применения в сфере машинного зрения лучше всего подходит IEI FLEX, мощный компьютер для задач искусственного интеллекта в корпусе стандартного настольного компьютера. Четыре слота расширения PCIe 3.0 поддерживают платы контроллеров движения для управления роботизированными манипуляторами, которые будут убирать некачественные фрукты. Платы GbE PoE Ethernet от компании IEI используют стандарт IEEE 802.3af для прямого подключения к камерам видеонаблюдения, обеспечивая одновременно передачу данных и электропитание через один и тот же Ethernet-кабель. Для работы интеллектуальной составляющей можно выбрать GPU/FPGA/VPU устройства в зависимости от потребностей производства.

Автоматический оптический контроль дефектов

Автоматический оптический контроль используется для проверки качества пайки и правильного расположения деталей. При этом автоматизированный контроль печатных плат намного быстрее и точнее, чем проверка вручную.

Учитывая маленький размер, большое количество мелких деталей и больше тысячи точек пайки на печатных платах ручной контроль становится невозможен. Кроме того, спрос на печатные платы стремительно растет, поэтому для обеспечения конкурентоспособности и соблюдения жестких сроков необходимо сокращать время производства.

Автоматический оптический контроль отслеживает качество пайки после её завершения на производственной линии, так что ошибки могут быть обнаружены на ранних этапах. Устранение любой ошибки на более поздних этапах технологического процесса приведет к более высоким затратам.

Система автоматического оптического контроля проверяет расположение компонентов, их размер, полярность, штрих-код и наличие недостающих элементов, также проверяются места пайки. Одна из трудностей заключается в том, что размеры компонентов и другие характеристики на разных платах могут различаться.

Точная оценка качества печатной платы требует применения специальных камер и мощной системы искусственного интеллекта, использующей передовые алгоритмы для быстрой и точной обработки визуальной информации, которая позволяет еще быстрее обрабатывать данные и получать более достоверные результаты.

Для этой задачи подходит компьютер TANK AioT Kit, который оснащен всеми необходимыми интерфейсами ввода/вывода, а также двумя слотами PCIe x8, предназначенными, в первую очередь, для плат ускорения, таких как IEI Mustang-F100-A10 и Mustang-V100-MX8, или плат видеозахвата PoE для работы с промышленными камерами.

ИИ в производстве

Основными задачами всех отраслей промышленности является увеличение выпуска продукции, снижение затрат, сокращение времени вывода продукции на рынок и минимизация недостатков производственных процессов. Всегда требуется работать лучше, быстрее, производительнее.

Основной задачей ИИ является формирование у машин способности принимать решения или делать выбор на основе входных данных, в основном визуальных. Эти входные данные зачастую поступают от специального аппаратного обеспечения, которому не хватает вычислительной мощности, чтобы принимать «умные» решения или учитывать различные факторы. Реализация этих возможностей в существующих системах требует больших затрат на модернизацию и установку нового аппаратного обеспечения. Вывод этих процессов в облако упрощает эту задачу, поэтому с появлением новых технологий появляется множество новых опций.

Основным ограничением остается вычислительная мощность, необходимая для реализации технологий искусственного интеллекта. Подобные ресурсоемкие алгоритмы обработки изображений оказывают значительную нагрузку на центральный процессор компьютера и порой вообще не могут быть реализованы с применением существующих технологий. Раньше процесс модернизации был затруднен, поскольку платы GPU не были предназначены для таких задач. Несмотря на то, что они обладают большой производительностью и помогают увеличить вычислительную мощность системы, это не самый эффективный подход к решению задачи.

Серия плат расширения Mustang предназначена специально для интеллектуальных производств. Они не просто сверхмощные, они специально разработаны для промышленного применения. Благодаря дополнительным возможностям можно собирать подробные данные о хранении сырья, производстве, готовой продукции, времени производственного процесса и состоянии склада, которые могут быть использованы для рационализации производственных процессов.

Распознавание ГРЗ

Учитывая большую интенсивность автомобильного потока и миллионны транспортных средств на дорогах ежедневно, даже незначительное повышение эффективности работы является значимым вкладом в управление и регулировании дорожного движения.

Задача по распознаванию номерных знаков была одной из самых первых в которой применили ИИ. С точки зрения алгоритмов, распознавание номерных знаков является идеальным применением ИИ благодаря его сравнительно простой идентификации и расшифровке. Номерной знак - это набор из нескольких вариантов предсказуемых символов, эта задача намного проще, чем распознавание черт лица или объектов в пространстве. Скорость современных алгоритмов позволяет обрабатывать сотни номерных знаков в секунду, что привело к появлению приведенных ниже систем с новыми возможностями для управления дорожным движением и парковками.

Безопасность дорожного движения

Первые два применения реализованы благодаря технологии распознавания номерных знаков на автомагистралях высокоскоростными камерами, расположенными над дорогой. Во-первых, можно реализовать автоматическую систему взимания платы за проезд, причем оплата может взиматься в соответствии с конкретными правилами. Универсальность системы предусматривает возможность оплаты по окончании проезда, предоплаты или объединения с системой электронных талонов. Вторым преимуществом постоянной обработки номерных знаков является немедленное опознание украденных транспортных средств или автомобилей, принадлежащих разыскиваемым преступникам, позволяющее полиции отслеживать их перемещения.

Система управления парковкой

Парковки для автомобилей являются неотъемлемой частью дорожного движения, но до настоящего времени их контроль в основном осуществляется вручную. На большинстве современных парковок водителям при въезде выдается карта с магнитной полосой или пластиковый чип, на котором хранятся данные о времени въезда. Этот метод эффективен, но его можно улучшить. Карты могут потеряться или сломаться, их использование заставляет водителя следить за еще одной вещью, в то время как он занимается своими делами.

Искусственный интеллект для распознавания регистрационных знаков позволяет не использовать дополнительные карточки, поскольку система управления парковкой сохраняет номер автомобиля. Оплату за парковку можно производить ежемесячно, по дням, по часам или в любой комбинации, причем оплата может осуществляться автоматически, если у водителя указан предпочтительный способ оплаты.

Интеллектуальная торговля

Использование искусственного интеллекта в розничной торговле позволяет распознавать товары и людей, при этом создавая условия для улучшения и персонализации обслуживания покупателей.

Кассы самообслуживания становятся все более популярными, особенно в крупных розничных торговых точках. В условиях конкуренции между крупными розничными магазинами, затраты на персонал могут оказаться причиной убытков. Кассы самообслуживания позволяют покупателю самостоятельно отсканировать и оплатить товар. Чтобы побудить покупателей к самостоятельной оплате, им можно предоставить скидку на покупку или другие бонусы. Аналогичная схема применяется на АЗС при переходе с системы полного обслуживания на систему самообслуживания, например, посредством поощрений и возможности безналичной оплаты.

Благодаря интеллектуальной идентификации возраста и пола покупателя, которая позволяет подобрать продукты, отвечающие индивидуальным предпочтениям, цифровые информационные вывески становятся значительно эффективнее. Такой максимально ориентированный на покупателя подход делает то же, что и любой хороший продавец, и обеспечивает отличный результат.

Наконец, главным преимуществом этой технологии является возможность получения информации, полезной для ведения бизнеса. Например, в онлайн магазинах вопрос отказа от товаров, которые покупатель уже поместил в корзину, является очень важным, поскольку если покупатель добавил товар в корзину, то он был очень заинтересован в нем, но при этом не купил его. Позднее клиенту отправляются электронные письма с предложением вернуться и совершить покупку оставшихся в корзине товаров. Благодаря сбору данных, подобные методы теперь можно использовать и в реальном мире.

Ускорители серии Mustang для систем компьютерного зрения в розничных магазинах позволяют быстро распознать пол и возраст покупателей и предоставлять актуальную информацию о продукте с помощью цифровых табло, что повышает показатели продаж и оптимизируют складские запасы. Кассы самообслуживания снижают затраты на трудовые ресурсы, поэтому владельцы розничных магазинов могут тратить больше средств на продвижение продукции и изучение бизнес-моделей.

Кроме того, эта технология позволяет анализировать поведение покупателей в магазине и предоставлять клиентам информацию в зависимости от их пола и возраста, чтобы упростить поиск необходимого товара. Быстрый анализ полученных данных позволяет оптимизировать методы ведения бизнеса и повысить прибыльность.

Бесплатный кроссплатформенный набор инструментов и библиотек Intel OpenVINO toolkit основан на сверточных нейронных сетях (англ. convolutional neural network, CNN) и предназначен для запуска нейронных сетей на аппаратных платформах Intel: CPU, GPU, VPU и FPGA.

Встроенный оптимизатор позволяет конвертировать и оптимизировать модели, обученные в популярных фреймворках (TensorFlow, MXNet, Caffe, Kaldi, ONNX), во внутренний IR-формат. Инструментарий включает в себя более 30 предварительно обученных моделей и поддерживает более сотни публичных и пользовательских моделей (в том числе основанных на Caffe*, MXNet, TensorFlow*, ONNX*, Kaldi*) для быстрого развертывания на вычислительных системах Intel (CPU, GPU/Intel Processor Graphics, FPGA, VPU).

Перспективы развития IoT

Это краткое описание лишь нескольких актуальных применений технологии искусственного интеллекта. В линейке продуктов от компании IEI представлены компьютеры и платы расширения, разработанные специально для внедрения и оптимизации приложений, использующих технологию искусственного интеллекта.