česky english Vítejte, dnes je středa 25. prosinec 2024

Umělá inteligence Terminologie

DPS 4/2022 | Články
Autor: RNDr. Karel Jurák, Ph.D., Ing. Zuzana Nejezchlebová, CSc.

Následující příspěvek je úvodem do terminologie z oblasti systémů s umělou inteligencí. Jde o systémy, které mohou zlepšovat svou výkonnost učením se ze svých zkušeností. Jejich složitost se odráží jak v množství subjektů zapojených do souvisejících činností, tak v celé řadě součástí, dílů, softwaru, systémů nebo služeb, které společně tvoří nové technologické systémy. Článek navazuje na předchozí terminologická témata: Inteligentní systémy, Inteligentní dopravní systémy. Text vychází z dokumentů Evropské unie, normalizační subkomise ISO/IEC JTC 1/SC 42, webů českých škol a z článků české a anglické wikipedie.

Umělá inteligence (Artificial Intelligence, AI) je dnes poněkud zneužívaný termín, který vyjadřuje způsobilost systému pro osvojení, zpracovávání a využívání znalostí a dovedností.

Základní související termíny [24028]

  • Aktivum (asset) ‒ všechno, co má hodnotu pro organizaci / třetí osobu.
  • Autonomní (autonomous) ‒ charakteristika systému ovládaného vlastními pravidly, která jsou výsledkem samoučení.
  • Takové systémy nepodléhají vnějšímu řízení nebo dohledu.
  • Entita (entity) ‒ konkrétní nebo abstraktní předmět zájmu.
  • Hluboké učení (deep learning) ‒ varianta strojového učení, která se zabývá využitím algoritmů (především neuronových sítí) s velkým počtem vrstev (layers) reprezentujících data.
  • Model strojového učení (machine learning model) ‒ matematická konstrukce, která je založena na vstupních datech.
  • Neuronová síť (neural network) ‒ výpočetní model používající distribuované, paralelní lokální zpracování, který sestává ze sítě jednoduchých „umělých neuronů“.
  • Předpokládané použití (intended use) ‒ použití ve shodě s informací poskytnutou výrobkem nebo systémem nebo, pokud takové informace nejsou dostupné, ve shodě s obvyklými způsoby použití.
  • Robot (robot) ‒ programovaný mechanismus s jistým stupněm autonomie, který se může pohybovat v rámci svého prostředí a provádět stanovené úlohy.
  • Strojové učení (machine learning) ‒ postup, při kterém funkční jednotka zlepšuje svou funkci získáváním nových znalostí nebo zručností nebo reorganizací existujících znalostí a zručností.
  • Subjekt dat (data subject) ‒ jednotlivec, o němž jsou zaznamenána osobní data.
  • Systém (system) ‒ kombinace interagujících komponent organizovaných tak, aby dosáhly jednoho nebo více stanovených cílů; systémem může být výrobek, případně služba, kterou poskytuje.
  • Znalosti (knowledge) ‒ fakta, informace a zručnosti získané zkušeností nebo vzděláním

Klasifikace souvisejících termínů

Studium související problematiky

  • ČVUT v Praze − FEL, katedra kybernetiky; aktivity se zaměřují především na následující oblasti a aplikační domény umělé inteligence:
  • výpočetní robotika (computational robotics);
  • kyberbezpečnost (cybersecurity);
  • teorie her (game theory);
  • automatické plánování (automated planning);
  • inteligentní doprava (smart mobility);
  • optimalizace (optimization);
  • strojové učení (machine learning).
  • Technická univerzita v Liberci, katedra výrobních systémů a automatizace (Department of manufacturig systems and automation):
  • jazyky pro AI;
  • neuronové sítě.
  • VUT v Brně − FIT, Informační technologie a umělá inteligence
  • inteligentní systémy

Příklady témat závěrečných prací:

  • určování letové výšky dronu pomocí různých senzorů;
  • detekce osob v místnosti pomocí laciných termokamer;
  • řízení polohovatelné platformy pro vystředění oka v obrazu;
  • zařízení pro monitorování kvality vzduchu;
  • inteligentní systém pro detekci nežádoucích plynů a kouře v interiéru;
  • inteligentní termokamera s detekcí narušitele;
  • elektronická platforma systému pro snímání sítnice oka;
  • určení lokalizace dronu pomocí navigačních systémů;
  • inteligentní rozpoznávání činnosti uživatele chytrého telefonu;
  • virtuální brána pro počítání počtu průchodů osob;
  • určení pozice v prostoru pomocí akcelerometrů;
  • rozšířená realita pro chytré telefony.
  • ZČU v Plzni, Fakulta aplikovaných věd (Faculty of Applied Sciences):
  • Automatické rozpoznávání řeči (automatic speech recognition) pro online titulkování živých televizních pořadů.

Související legislativa EU:

  • COM(2021)206, Harmonizovaná pravidla pro umělou inteligenci (návrh); Akt o umělé inteligenci (Harmonised rules on artificial intelligence; Artificial Intelligence Act).
  • COM(2018) 237, Umělá inteligence pro Evropu (Artificial Intelligence for Europe).
  • COM(2020) 64, Zpráva o dopadech umělé inteligence, internetu věcí a robotiky na bezpečnost a odpovědnost (Report on the safety and liability implications of Artificial Intelligence, the Internet of Things and Robotics).
  • COM(2018) 65, Bílá kniha o umělé inteligenci: Evropský přístup k excelenci a důvěře (White Paper on Artificial Intelligence).

Související normalizační subkomise ISO/IEC JTC 1/SC 42 rozpracovává témata z oblasti AI, např:

  • hodnocení klasifikace metodou strojového učení (assessment of machine learning classification performance);
  • důvěryhodnost systémů s AI (trustworthiness in artificial intelligence);
  • hodnocení kvality systémů s AI (quality evaluation for AI systems);
  • kvalita dat pro analýzu a pro strojové učení (data quality for analytics and machine learning);
  • funkční bezpečnost a systémy s AI (functional safety and AI systems);
  • referenční architektura dat s velkým objemem (big data reference architecture);
  • referenční architektura pro znalostní inženýrství (reference architecture of knowledge engineering);
  • pojmy a terminologie pro AI (AI concepts and terminology);
  • systémy s AI používající strojové učení (AI systems using machine learning);
  • AI − management rizika (AI − risk management);
  • proces rozhodování s pomocí AI (AI aided decision making);
  • hodnocení odolnosti neuronových sítí (assessment of the robustness of neural networks);
  • etické a sociální aspekty AI (ethical and societal concerns of AI);
  • výpočetní přístupy pro systémy s AI (computational approaches for AI systems);
  • důsledky používání AI organizacemi (implications of the use of artificial intelligence by organizations).

Vysvětlivky k souvisejícím zkratkám a termínům

  • AI CENTER, Centrum umělé inteligence FEL ČVUT (Artificial Intelligence Center), je výzkumná laboratoř Katedry počítačů na FEL ČVUT v Praze; věnuje se primárnímu i aplikovanému výzkumu v oblasti umělé inteligence.
  • AAICL (AVAST AI and Cybersecurity Laboratory) je společná laboratoř ČVUT a AVAST zaměřená na AI a kybernetickou bezpečnost.
  • AIREEN (AI Eye Retina), startup odhalující pomocí AI civilizační choroby analýzou digitálních snímků očního pozadí.
  • CIIRC (Czech Institute of Informatics, Robotics and Cybernetics), Český institut informatiky, robotiky a kybernetiky je součástí ČVUT v Praze; výzkumné oddělení AI pracuje v oblasti umělé inteligence.
  • NTIS (New Technologies for the Information Society), výzkumné centrum ZČU v Plzni.

Literatura:

[Aireen] AI diagnostika nemocí, https://www.startupjobs.cz/startup/aireen-cognitive-medical-network-s-r-o

[COM(2018) 237], Umělá inteligence pro Evropu(Artificial Intelligence for Europe)

[COM(2020) 64], Zpráva o dopadech umělé inteligence, internetu věcí a robotiky na bezpečnost a odpovědnost (Report on the safety and liability implications of Artificial Intelligence, the Internet of Things and Robotics)

[COM(2018) 65], Bílá kniha o umělé inteligenci: Evropský přístup k excelenci a důvěře (White Paper on Artificial Intelligence: A European approach to excellence and trust)

[FIT VUT] Inteligentní systémy, https://www.fit.vut.cz/study/field/14982/.cs

[24028] ISO/IEC TR 24028, https://www.iso.org/obp/ui/#iso:std:isoiec:tr:24028:ed-1:v1:en

[MPO ČR] Národní strategie, https://www.vlada.cz/assets/evropskezalezitosti/umela inteligence/NAIS_kveten_2019.pdf

[VFN Praha] Umělá inteligence pomáhá lékařům, https://www.vfn.cz/wp-content/uploads/2019/12/tz-vfn-2019-ocni-pristrojclarus-700.pdf

[ZČU] Titulkování živých pořadů ČT, https://info.zcu.cz/clanek.jsp?id=2849

[csWiki] csWikipedia:

  • Dobývání znalostí z databází
  • Nové technologie pro informační společnost
  • Strojové učení
  • Hluboké učení

[DPS-AZ]

  • Inteligentní dopravní systémy, DPS-AZ, č. 5/2020
  • Inteligentní systémy, DPS-AZ, č. 1/2021

[enWiki] enWikipedia:

  • Artificial Intelligence,
  • Ethics of artificial intelligence
  • Neural network
  • Category: Artificial intelligence
  • Category: Artificial intelligence applications

[WikiComm] Wikimedia Commons: (obr. 1, 2 a 3)

  • AI cartoon for assisting with content moderation on Wikipedia.jpg, autor: FauxNeme
  • Anatomy-1751201 1280.png, autor: GDJ
  • Close-up of the iris of the eye.jpg, autor: Chad Miller

Následující příspěvek je úvodem do terminologie z oblasti systémů s umělou inteligencí. Jde o systémy, které mohou zlepšovat svou výkonnost učením se ze svých zkušeností. Jejich složitost se odráží jak v množství subjektů zapojených do souvisejících činností, tak v celé řadě součástí, dílů, softwaru, systémů nebo služeb, které společně tvoří nové technologické systémy. Článek navazuje na předchozí terminologická témata: Inteligentní systémy, Inteligentní dopravní systémy. Text vychází z dokumentů Evropské unie, normalizační subkomise ISO/IEC JTC 1/SC 42, webů českých škol a z článků české a anglické wikipedie.

Umělá inteligence (Artificial Intelligence, AI) je dnes poněkud zneužívaný termín, který vyjadřuje způsobilost systému pro osvojení, zpracovávání a využívání znalostí a dovedností.

Základní související termíny [24028]

  • Aktivum (asset) ‒ všechno, co má hodnotu pro organizaci / třetí osobu.
  • Autonomní (autonomous) ‒ charakteristika systému ovládaného vlastními pravidly, která jsou výsledkem samoučení.

Takové systémy nepodléhají vnějšímu řízení nebo dohledu.

  • Entita (entity) ‒ konkrétní nebo abstraktní předmět zájmu.
  • Hluboké učení (deep learning) ‒ varianta strojového učení, která se zabývá využitím algoritmů (především neuronových sítí) s velkým počtem vrstev (layers) reprezentujících data.
  • Model strojového učení (machine learning model) ‒ matematická konstrukce, která je založena na vstupních datech.
  • Neuronová síť (neural network) ‒ výpočetní model používající distribuované, paralelní lokální zpracování, který sestává ze sítě jednoduchých „umělých neuronů“.
  • Předpokládané použití (intended use) ‒ použití ve shodě s informací poskytnutou výrobkem nebo systémem nebo, pokud takové informace nejsou dostupné, ve shodě s obvyklými způsoby použití.
  • Robot (robot) ‒ programovaný mechanismus s jistým stupněm autonomie, který se může pohybovat v rámci svého prostředí a provádět stanovené úlohy.
  • Strojové učení (machine learning) ‒ postup, při kterém funkční jednotka zlepšuje svou funkci získáváním nových znalostí nebo zručností nebo reorganizací existujících znalostí a zručností.
  • Subjekt dat (data subject) ‒ jednotlivec, o němž jsou zaznamenána osobní data.
  • Systém (system) ‒ kombinace interagujících komponent organizovaných tak, aby dosáhly jednoho nebo více stanovených cílů; systémem může být výrobek, případně služba, kterou poskytuje.
  • Znalosti (knowledge) ‒ fakta, informace a zručnosti získané zkušeností nebo vzděláním.

Klasifikace souvisejících termínů

Studium související problematiky

  • ČVUT v Praze − FEL, katedra kybernetiky; aktivity se zaměřují především na následující oblasti a aplikační domény umělé inteligence:
  • výpočetní robotika (computational robotics);
  • kyberbezpečnost (cybersecurity);
  • teorie her (game theory);
  • automatické plánování (automated planning);
  • inteligentní doprava (smart mobility);
  • optimalizace (optimization);
  • strojové učení (machine learning).
  • Technická univerzita v Liberci, katedra výrobních systémů a automatizace (Department of manufacturig systems and automation):
  • jazyky pro AI;
  • neuronové sítě.
  • VUT v Brně − FIT, Informační technologie a umělá inteligence
  • inteligentní systémy

Příklady témat závěrečných prací:

  • určování letové výšky dronu pomocí různých senzorů;
  • detekce osob v místnosti pomocí laciných termokamer;
  • řízení polohovatelné platformy pro vystředění oka v obrazu;
  • zařízení pro monitorování kvality vzduchu;
  • inteligentní systém pro detekci nežádoucích plynů a kouře v interiéru;
  • inteligentní termokamera s detekcí narušitele;
  • elektronická platforma systému pro snímání sítnice oka;
  • určení lokalizace dronu pomocí navigačních systémů;
  • inteligentní rozpoznávání činnosti uživatele chytrého telefonu;
  • virtuální brána pro počítání počtu průchodů osob;
  • určení pozice v prostoru pomocí akcelerometrů;
  • rozšířená realita pro chytré telefony.
  • ZČU v Plzni, Fakulta aplikovaných věd (Faculty of Applied Sciences):
  • Automatické rozpoznávání řeči (automatic speech recognition) pro online titulkování živých televizních pořadů.

Související legislativa EU:

  • COM(2021)206, Harmonizovaná pravidla pro umělou inteligenci (návrh); Akt o umělé inteligenci (Harmonised rules on artificial intelligence; Artificial Intelligence Act).
  • COM(2018) 237, Umělá inteligence pro Evropu (Artificial Intelligence for Europe).
  • COM(2020) 64, Zpráva o dopadech umělé inteligence, internetu věcí a robotiky na bezpečnost a odpovědnost (Report on the safety and liability implications of Artificial Intelligence, the Internet of Things and Robotics).
  • COM(2018) 65, Bílá kniha o umělé inteligenci: Evropský přístup k excelenci a důvěře (White Paper on Artificial Intelligence).

Související normalizační subkomise ISO/IEC JTC 1/SC 42 rozpracovává témata z oblasti AI, např:

  • hodnocení klasifikace metodou strojového učení (assessment of machine learning classification performance);
  • důvěryhodnost systémů s AI (trustworthiness in artificial intelligence);
  • hodnocení kvality systémů s AI (quality evaluation for AI systems);
  • kvalita dat pro analýzu a pro strojové učení (data quality for analytics and machine learning);
  • funkční bezpečnost a systémy s AI (functional safety and AI systems);
  • referenční architektura dat s velkým objemem (big data reference architecture);
  • referenční architektura pro znalostní inženýrství (reference architecture of knowledge engineering);
  • pojmy a terminologie pro AI (AI concepts and terminology);
  • systémy s AI používající strojové učení (AI systems using machine learning);
  • AI − management rizika (AI − risk management);
  • proces rozhodování s pomocí AI (AI aided decision making);
  • hodnocení odolnosti neuronových sítí (assessment of the robustness of neural networks);
  • etické a sociální aspekty AI (ethical and societal concerns of AI);
  • výpočetní přístupy pro systémy s AI (computational approaches for AI systems);
  • důsledky používání AI organizacemi (implications of the use of artificial intelligence by organizations).

Vysvětlivky k souvisejícím zkratkám a termínům

  • AI CENTER, Centrum umělé inteligence FEL ČVUT (Artificial Intelligence Center), je výzkumná laboratoř Katedry počítačů na FEL ČVUT v Praze; věnuje se primárnímu i aplikovanému výzkumu v oblasti umělé inteligence.
  • AAICL (AVAST AI and Cybersecurity Laboratory) je společná laboratoř ČVUT a AVAST zaměřená na AI a kybernetickou bezpečnost.
  • AIREEN (AI Eye Retina), startup odhalující pomocí AI civilizační choroby analýzou digitálních snímků očního pozadí.
  • CIIRC (Czech Institute of Informatics, Robotics and Cybernetics), Český institut informatiky, robotiky a kybernetiky je součástí ČVUT v Praze; výzkumné oddělení AI pracuje v oblasti umělé inteligence.
  • NTIS (New Technologies for the Information Society), výzkumné centrum ZČU v Plzni.

Literatura:

[Aireen] AI diagnostika nemocí, https://www.startupjobs.cz/startup/aireen-cognitive-medical-network-s-r-o

[COM(2018) 237], Umělá inteligence pro Evropu(Artificial Intelligence for Europe)

[COM(2020) 64], Zpráva o dopadech umělé inteligence, internetu věcí a robotiky na bezpečnost a odpovědnost (Report on the safety and liability implications of Artificial Intelligence, the Internet of Things and Robotics)

[COM(2018) 65], Bílá kniha o umělé inteligenci: Evropský přístup k excelenci a důvěře (White Paper on Artificial Intelligence: A European approach to excellence and trust)

[FIT VUT] Inteligentní systémy, https://www.fit.vut.cz/study/field/14982/.cs

[24028] ISO/IEC TR 24028, https://www.iso.org/obp/ui/#iso:std:isoiec:tr:24028:ed-1:v1:en

[MPO ČR] Národní strategie, https://www.vlada.cz/assets/evropskezalezitosti/umela inteligence/NAIS_kveten_2019.pdf

[VFN Praha] Umělá inteligence pomáhá lékařům, https://www.vfn.cz/wp-content/uploads/2019/12/tz-vfn-2019-ocni-pristrojclarus-700.pdf

[ZČU] Titulkování živých pořadů ČT, https://info.zcu.cz/clanek.jsp?id=2849

[csWiki] csWikipedia:

  • Dobývání znalostí z databází
  • Nové technologie pro informační společnost
  • Strojové učení
  • Hluboké učení

[DPS-AZ]

  • Inteligentní dopravní systémy, DPS-AZ, č. 5/2020
  • Inteligentní systémy, DPS-AZ, č. 1/2021

[enWiki] enWikipedia:

  • Artificial Intelligence,
  • Ethics of artificial intelligence
  • Neural network
  • Category: Artificial intelligence
  • Category: Artificial intelligence applications

Obr. 1  (jpg)Obr. 2 a 3  (bmp)

[WikiComm] Wikimedia Commons: (obr. 1, 2 a 3)

  • AI cartoon for assisting with content moderation on Wikipedia.jpg, autor: FauxNeme
  • Anatomy-1751201 1280.png, autor: GDJ
  • Close-up of the iris of the eye.jpg, autor: Chad Miller