AI Essentials
Modulul 1: introducere
Să ne cunoaștem mai bine
Background
• Consultant de business cu o experiență de peste 20 ani de
management în business.
• Tudor Galoș Consulting lansat în 2017, peste 200 de clienți din UE,
US, UK, Orient, 15.000 de oameni train-uiți pe protecția datelor
(online), peste 70 de DPO certificați.
• Certificat DPO de la European Centre for Privacy and
Cybersecurity la Universitatea din Maastricht, facultatea de drept.
• Certificat AI Trust and Privacy Officer de la European Centre for
Privacy and Cybersecurity la Universitatea din Maastricht,
facultatea de drept.
• Inginer, master la Universitatea Politehnica București, facultatea
de Automatizări și Calculatoare.
KAHOOT TIME!
Agenda
• AI-ul astăzi
• Ce este AI?
• Scurtă istorie și evoluție a AI
• Tipuri de inteligență artificială.
ATLAS
• Robot umanoid de mare mobilitate, proiectat pentru teren
accidentat în aer liber
• Proiectat pentru sarcini de căutare și salvare
• Construit de Boston Dynamics, finanțat de DARPA, dezvăluit
publicului în 2013
• 28 de grade de libertate, membre acționate hidraulic, două
mâini, brațe, picioare, picioare și trunchi
• Cap cu senzori cu camere duble și telemetru laser
• Supranumit un exemplar al unei specii emergente, "robo
sapiens"
Tesla Optimus
• Proiectat pentru a executa muncă intensă, periculoasă sau
monotonă, crescând eficiența și siguranța în mediile
industriale și domestice.
• Folosește aceleași rețele neuronale dezvoltate pentru
sistemele de conducere autonomă Tesla, permițând percepție
în timp real, luare a deciziilor și funcționare autonomă.
• Este antrenat prin demonstrații oferite de operatori umani în
VR, permițându-i lui Optimus să învețe mișcări naturale și
precise.
• Producția limitată începe în 2025, cu peste 1.000 de unități
utilizate în operațiunile interne ale Tesla; lansarea comercială
mai amplă este așteptată în anii următori.
Deep Robotics LYNX
• Lynx combină agilitatea unui robot cu picioare cu viteza
oferită de roți, permițându-i să traverseze terenuri
accidentate, să urce obstacole de până la 80 cm și să atingă
viteze de până la 5 m/s.
• Echipat cu platforma AI+ de la Deep Robotics, Lynx utilizează
reinforced learning pentru a naviga autonom și a se adapta la
terenuri variate fără programare prealabilă extensivă.
• Cu o autonomie de până la 4,5 ore în condiții dificile și baterii
interschimbabile la cald, Lynx poate funcționa continuu în
misiuni critice fără întreruperi pentru reîncărcare.
• Datorită designului său robust și senzorilor avansați, Lynx
este ideal pentru misiuni de căutare și salvare, inspecții
industriale, cartografiere și transport de echipamente în
medii periculoase.
Robotul de parcare Hyundai
• Utilizează două platforme plate care se deplasează sub roțile din față și din
spate ale vehiculului, ridicându-l și transportându-l autonom către un loc de
parcare desemnat. Aceste platforme pot manevra în orice direcție, permițând
parcarea precisă a vehiculelor cu o greutate de până la 2,2 tone.
• Un sistem centralizat poate coordona simultan până la 50 de roboți de
parcare, optimizând rutele și distribuția acestora în parcările etajate. Acest
sistem permite parcarea eficientă a vehiculelor, reducând spațiile necesare
între ele și maximizând utilizarea spațiului disponibil.
• Pentru vehiculele electrice, robotul de parcare poate transporta mașina la o
stație de încărcare, unde robotul ACR identifică automat portul de încărcare,
conectează cablul și monitorizează starea bateriei. După finalizarea încărcării,
vehiculul este returnat la locul său de parcare.
• Echipat cu senzori LiDAR și camere, robotul detectează obstacolele și
persoanele din jur, evitând coliziunile. Designul său compact, cu o înălțime de
doar 110 mm, îi permite să opereze în spații restrânse și să fie compatibil cu
diverse tipuri de vehicule.
DeepMind Alpha Go
• Oct 2015: AlphaGo câștigă cu 5:0 împotriva campionului
european Fan Hui
• Mar 2016: AlphaGo câștigă cu 4:1 împotriva campionului
mondial Lee Sedol
• Două rețele neuronale profunde (DNN) antrenate pentru a
prezice următoarea mișcareși reducerea spațiului de căutare
• Reinforced learning pe lângă DNN, pentru a învăța o strategie
de joc, antrenat jucând partide împotriva lui însuși
• Folosește 40 de fire de căutare, 48 de procesoare și 8 GPU-uri.
Versiunea distribuită folosește 40 de fire de căutare, 1.202
procesoare și 176 de GPU-uri
Alpha Go Zero: învățare de la zero
• Model antrenat doar pe jocuri jucate
împotriva lui însuși, pornind de la o
strategie aleatorie, fără nicio
supraveghere din partea unui expert!
• Model mai simplu decât AlphaGo
Fan/Lee (o rețea în loc de două)
• Atinge o eficiență supraomenească:
100:0 împotriva lui AlphaGo Lee
• Aplicat la alte jocuri: șah, shogi
Cicero
• Sistem AI de la Meta (noiembrie
2022) capabil de performanță la
nivel uman în jocul de strategie
"Diplomacy", care necesită
negociere și coordonare tactică
între șapte jucători
• Combină raționamentul strategic
și procesarea limbajului natural (o
abordare neuro-simbolică a AI)
AlphaFold
• Un model de deep learning dezvoltat de DeepMind
pentru prezicerea structurilor 3D ale proteinelor din
secvența lor de aminoacizi
• Important pentru înțelegerea funcției biologice a unei
proteine și a modului de afectare sau modificare a
acesteia
• Două module de predicție, bazate pe arhitectura
transformator
• Noiembrie 2020: AlphaFold 2 câștigă competiția CASP14
(Critical Assessment of Structure Prediction), reducând
timpul de predicție a structurii proteinelor de la
aproximativ 5 ani la câteva secunde
Pot mașinile să gândească?
• O întrebare veche: "Cum gândim?"
• Odată cu apariția computerelor a izvorât credința
că vom putea reproduce inteligența folosind
computere
• Ce este inteligența?
• Și ce înțelegem prin inteligență artificială?
Încercări: Frankenstein
• Povestirea originală a lui Mary Shelley
"Frankenstein, sau Prometeu modern", publicată
în 1818, descrie o încercare a omului de știință
Victor Frankenstein de a crea viață artificială
Încercări: Turcul
• În 1770, Wolfgang von Kempelen a construit un
automat care putea juca șah
• Prezentat la numeroase expoziții timp de 80 de ani
în Europa și America
• Doar un dispozitiv mecanic construit cu pricepere
pentru iluzioniști
Isaac Asimov – Eu, robotul, 1942
Trei legi ale roboticii:
1. Un robot nu poate răni o ființă umană sau, prin lipsă
de acțiune, permite unei ființe umane să facă rău
2. Un robot trebuie să se supună oricăror ordine date
de ființe umane, cu excepția cazului în care astfel de
ordine ar intra în conflict cu Prima Lege
3. Un robot trebuie să-și protejeze propria existență
atâta timp cât o astfel de protecție nu intră în conflict
cu Prima sau A Doua Lege
Computere și creiere electronice
• ENIAC, primul computer electronic, a fost
dezvoltat în 1945
• În epoca timpurie a dezvoltării
computerelor, computerele erau
considerate echivalente cu creierele
electronice
...dar pot totuși mașinile să gândească?
Deep Blue vs Garry Kasparov
• În 1997, supercomputerul
IBM Deep Blue l-a învins pe
campionul mondial de șah
Garry Kasparov
• Acest lucru îl face pe Deep
Blue inteligent?
Deep Blue vs Garry Kasparov
Deep Blue Garry Kasparov
200.000.000 de configurații de joc pe secundă 3 configurații de joc pe secundă
Are puține cunoștințe despre șah, dar o capacitate de calcul Are cunoștințe uriașe despre șah,
uriașă dar o capacitate de calcul considerabil mai mică
O mașină nu are emoții sau intuiție, nu uită, nu poate fi confuză Are sentimente și intuiție strălucitoare, dar poate experimenta
sau simți inconfortabil oboseală și plictiseală sau pierderea concentrării
Deep Blue nu învață, prin urmare nu poate folosi inteligența Garry Kasparov poate învăța și se poate adapta rapid în funcție
artificială pentru a învăța de la adversarul său de succesul sau eșecul său
Deep Blue este incredibil de eficient în rezolvarea problemelor Garry Kasparov este în general foarte inteligent: a scris mai
din domeniul șahului, dar este mai puțin "inteligent" chiar și în multe cărți și vorbește multe limbi
comparație cu un copil mic
Schimbările în strategia de joc pot fi implementate doar de către Garry Kasparov își poate schimba strategia de joc în orice
dezvoltatori și numai după ce jocul este terminat moment
În timp ce Deep Blue este foarte bun la evaluarea configurațiilor Garry Kasparov este foarte priceput în a-și evalua adversarul și în
tablei, este incapabil să evalueze punctele slabe ale adversarului a exploata slăbiciunile adversarilor săi
Deep Blue trebuie să efectueze o analiză amănunțită a tuturor Garry Kasparov este capabil să efectueze o căutare selectivă
posibilităților de viitoare configurații ale tablei pentru a pentru a determina următoarea mișcare
determina mișcarea optimă
De unde vine problema?
• Rezolvarea problemelor dificile, cum ar fi șahul,
necesită căutarea printr-un spațiu mare de mutări
• În medie, numărul de mutări posibile este de 35
• Pentru a juca șah la nivel de maestru, trebuie să
cauți cu 8 pași înainte, ceea ce echivalează cu
verificarea a aproximativ 358 sau 2 · 1012 mutări
• Numărul de combinații crește exponențial cu
fiecare pas (o "problemă intratabilă")
Explozia combinatorică este peste tot
• Șahul este de fapt destul de simplu – factorul de ramificare este 35, iar
regulile jocului încap pe o singură pagină
• Considerabil mai complex: interpretarea propozițiilor în limbaj natural
• Ion a văzut un băiat și o fată cu o căruță roșie cu o roată albastră și una albă
târându-se pe pământ sub un copac cu crengi uriașe.
• Această propoziție are 8064 de interpretări – este ambiguă chiar și pentru
oameni!
• Comunicarea în limbaj natural presupune cunoașterea lumii și înțelegerea
contextului, ambele fiind necesare pentru a rezolva ambiguitățile
Sarcini dificile pentru computere, dar simple pentru oameni
• Înțelegerea limbajului natural
• Raționamentul de bun simț
• Recunoașterea modelelor, înțelegerea imaginii și
a scenei dinamice
• Deplasare și navigare
• Sarcini care implică creativitate
Ce este AI?
• Inteligență: capacitatea individului de a se adapta și de a rezolva situații noi pe baza
experienței acumulate anterior.
• Inteligență Artificială (Barr, Feigenbaum, 1981): IA este știința, parte a informaticii, care
proiectează sisteme artificiale cu comportament inteligent – adică sisteme ce manifestă
proprietăți pe care în mod obișnuit le asociem cu existența inteligenței în
comportamentul uman - înțelegerea limbajului, învățare, raționament, rezolvarea
problemelor ș.a.m.d.
• Sistem de Inteligență Artificială (Regulamentul privind inteligența artificială): sistem
bazat pe o mașină care este conceput să funcționeze cu diferite niveluri de autonomie și
care poate prezenta adaptabilitate după implementare, și care, urmărind obiective
explicite sau implicite, deduce, din datele de intrare pe care le primește, modul de
generare a unor rezultate precum previziuni, conținut, recomandări sau decizii care pot
influența mediile fizice sau virtuale;
AI versus aplicații clasice
Aplicație clasică
Predicție
Date
Computer Rezultat
Model manual
Inteligență artificială
Date eșantion
Învățare
Computer Model
Rezultat dorit
Predicție
Date noi
Computer Rezultat
Model
Istoria AI
• Zorii inteligenței artificiale (anii 1940-1950): lucrarea lui Turing "Computing Machinery and Intelligence" și testul Turing.
• Nașterea cercetării AI (1956): Conferința Dartmouth - considerată evenimentul fondator al AI ca disciplină.
• Optimismul timpuriu (anii 1960): Dezvoltarea primului chatbot AI, ELIZA și a sistemelor de rezolvare a problemelor.
• Pesimism (anii 1970): Scăderea finanțării și a interesului din cauza promisiunilor prea ambițioase și a rezultatelor
limitate.
• Apariția Sistemelor Expert (anii 1980): Computere care imită abilitățile de luare a deciziilor ale unui expert uman.
• Pesimism (sfârșitul anilor 1980): Din nou, din cauza așteptărilor mari și a rezultatelor limitate, în special în sistemele
expert.
• Rețele neuronale și învățare automată (anii 1990-2000): O trecere de la sistemele bazate pe reguli la abordările bazate
pe date.
• Deep Learning (anii 2010): Progrese în rețelele neuronale, în special rețelele neuronale profunde, propulsând
capacitățile AI.
• Adoptarea pe scară largă (anii 2020): integrarea AI în tehnologia de zi cu zi, asistență medicală, finanțe, divertisment și
multe altele.
Testul Turing
• Alan Turing ("Computing Machinery and Intelligence", Mind journal, 1950) a
propus înlocuirea întrebării "Pot mașinile să gândească?" cu un experiment pe
care l-a numit "Jocul imitației"
• Experimentul compară performanța unei mașini presupus inteligente cu
performanța unui om la un anumit set de interogări
• Trei jucători cu obiective diferite: A, B (care răspund la întrebări) și C (care pune
întrebări). A este o mașină, iar B și C sunt oameni
• Scopul jucătorului C: determină dacă A sau B este o mașină
• Scopul jucătorului B: să-l ajute pe jucătorul C în sarcina sa
• Scopul jucătorului A: păcălește jucătorul C să eșueze în sarcina sa
• Se repetă de mai multe ori și se înregistrează rata de succes a jucătorului C
• Va face jucătorul C același număr de greșeli ca în cazul în care atât A, cât și B sunt
oameni?
• Turing: dacă numărul de greșeli este egal, atunci mașina este inteligentă
Narrow AI (Weak AI)
• Definiție: sisteme IA concepute și antrenate pentru o anumită sarcină, fără a poseda abilități generale de rezolvare a
problemelor.
• Specificitate: Spre deosebire de inteligența umană, Narrow AI funcționează într-un set predefinit de activități sau
contexte.
• Ubicuitate: Majoritatea sistemelor AI actuale, inclusiv chatbots, motoare de recomandare și software de recunoaștere a
imaginilor, se încadrează în această categorie.
• Exemplu din lumea reală: Siri, Alexa și alți asistenți personali virtuali.
• Non-conștient: Funcționează pe baza algoritmilor și a datelor fără înțelegere sau conștiință.
• Limitări: Nu poate efectua sarcini în afara domeniului său specific sau a instruirii.
• Siguranță: În general, mai puțin îngrijorătoare din punct de vedere etic și existențial decât formele IA mai avansate, dar
prezintă totuși provocări.
• Învățare continuă: Adesea necesită reinstruire sau reglaj fin atunci când sunt prezentate date sau contexte noi.
• Potențialul viitorului: În ciuda limitărilor sale, progresele continue fac Narrow AI mai eficiente și mai versatile în diverse
aplicații.
General AI (Strong AI)
• Definiție: sisteme AI cu abilități cognitive umane generalizate, ceea ce înseamnă că pot îndeplini orice sarcină
intelectuală pe care o poate face un om.
• Ipotetic: În prezent, IA generală rămâne un concept teoretic și nu există în practică.
• Gândirea umană: Abilitatea de a înțelege, de a raționa, de a învăța și de a aplica cunoștințele în domenii necunoscute.
• Contrast cu Narrow AI: În timp ce Narrow AI excelează în sarcini specifice, General AI ar excela în toate sarcinile.
• Reprezentarea SF: Adesea portretizată în filme și literatură (de exemplu, roboții din lucrările lui Isaac Asimov).
• Provocări de cercetare: Construirea de sisteme care pot generaliza învățarea la scenarii noi, necunoscute.
• Implicații etice: preocupări legate de autonomie, drepturi, potențială superinteligență și relații om-AI.
• Impactul economic: O IA generală pe deplin realizată ar putea schimba dramatic industriile, economiile și dinamica
forței de muncă.
• Siguranță și control: Subliniind importanța "alinierii" - asigurarea alinierii obiectivelor AI cu valorile umane.
• Drumul înainte: Cercetările actuale în domeniul inteligenței artificiale pun bazele, dar rămân multe explorări înainte de
a realiza IA generală.
Superintelligent AI
• Definiție: IA care depășește inteligența umană, depășind cele mai bune minți umane în aproape toate
domeniile.
• Dincolo de IA generală: În timp ce IA generală se potrivește cu capacitățile umane, AI superinteligentă le
depășește semnificativ.
• Etapa speculativă: Ideea rămâne teoretică, cu dezbateri despre când sau dacă se va materializa vreodată.
• Catalizator potențial: Auto-îmbunătățire recursivă, în care AI își poate îmbunătăți propria arhitectură fără
intervenția umană.
• Impactul economic și societal: De la progrese fără precedent la o potențială deplasare a locurilor de muncă
la o scară fără precedent.
• Referințe culturale: Adesea descrise în science fiction, cum ar fi Skynet în "Terminator" sau Matrix în seria
"The Matrix".
• Pregătirea pentru viitor: solicită cercetări proactive și colaborare globală pentru a pregăti și a naviga printre
rezultatele potențiale.
AI Conștient
• Definiție: IA conștientă de sine se referă la mașini care posedă conștiință de sine, recunoscându-și propria existență și stări interne.
• Apogeul evoluției: Adesea considerat apogeul dezvoltării AI, reprezentând cea mai înaltă sofisticare în inteligența mașinilor.
• Dincolo de conștientizarea funcțională: Nu doar recunoașterea sarcinilor, ci înțelegerea sinelui, a scopului și a ramificațiilor potențiale
ale acțiunilor.
• Încă teoretic: Până acum, niciun sistem AI existent nu a atins adevărata conștiință de sine.
• Implicații etice: O IA conștientă de sine ridică întrebări profunde cu privire la drepturile, responsabilitățile și natura conștiinței.
• Preocupări legate de siguranță: Asigurarea faptului că o IA conștientă de sine se aliniază valorilor umane și nu poate acționa împotriva
celor mai bune interese ale umanității devine de o importanță capitală.
• Utilizări potențiale: Rezolvare avansată a problemelor, auto-reparare și întreținere, interacțiuni om-mașină extrem de intuitive și luarea
deciziilor complexe.
• Abilitate unică de învățare: O astfel de AI ar putea avea potențialul de introspecție, învățare și adaptare în moduri dincolo de
înțelegerea noastră actuală.
• Dezbaterea filosofică: Provoacă înțelegerea noastră despre conștiință, existență și granița dintre ființa creată de om și ființa simțitoare.
• Explorarea viitorului: Deși este un concept fascinant, realizarea și gestionarea AI conștientă de sine necesită o explorare și o abordare
atentă, multidisciplinară.
AI Machine Learning Deep Learning
Avoidance of fines & legal costs
Scop Larg Subset de IA Subsetul de ML
Simularea comportamentului Învață din date fără programare Învățare bazată pe rețele
Obiectivul principal
inteligent explicită neuronale
Anii apariției 1950 1980 2010
Supravegheat, Nesupravegheat Rețele neuronale (în special
Metoda de învățare Bazat pe reguli, euristică
etc. structuri profunde)
Ridicat (în special pentru
Dependența de date Variază Foarte ridicat
modele precise)
Regresie, arbori decizionali,
Exemple Sisteme expert, Robotică CNN, RNN, GANs
SVM
Recunoașterea imaginilor și a
Rezolvarea problemelor Recunoașterea specifică a
Cazuri de utilizare vorbirii, interpretarea complexă
generale, Automatizare modelelor, Previziuni
a datelor
Complexitate Variază foarte mult Moderat Înalt
De obicei mai greu de
Interpretabilitatea modelului Variază Adesea interpretabil
interpretat
Ridicat (necesită adesea GPU-
Dependența hardware Scăzut până la moderat Moderat
uri)
Dezvoltat mai întâi ca un A evoluat ca tehnică avansată în
Calea evoluției A apărut ca metodă în cadrul AI
concept larg ML
KAHOOT TIME!
Întrebări?
Mulțumesc!
contact@[Link]
+[Link]
[Link]
LinkedIn: tudorgalos ([Link]
Facebook: tudorgalos ([Link]
Facebook: tudorgconsulting ([Link]