Делаем дроны умнее

Наука, лежащая в основе технологии дронов с искусственным интеллектом

Что такое ИИ?

Искусственный интеллект — это, по сути, наука о том, как «делать машины умными» с помощью алгоритмов, обучаемых с течением времени. Он используется, чтобы произвести революцию в лучевой терапии рака, помочь астрономам определять местонахождение галактик и, среди прочего, предотвращать мошенничество. Основная часть ИИ — это процесс сбора огромного количества данных и обучения для выполнения простых задач на основе данной информации.

Цель состоит в том, чтобы создать системы, которые могут выполнять задачи независимо. Есть много разных типов искусственного интеллекта:

Компьютерное зрение — это символическая обучающая модель, которая обрабатывает изображения и использует ее для обучения алгоритму распознавания закономерностей. Это форма классификации.
Статистическое обучение — это тип машинного обучения, который учитывает прошлые тенденции и использует их для сопоставления новых данных, таких как распознавание речи.
Машинное обучение — одна из крупнейших подкатегорий искусственного интеллекта, и это форма распознавания образов, которую алгоритм использует для объединения определенных фрагментов информации, чтобы сформировать окончательный фрагмент.

Есть еще одна часть машинного обучения, называемая глубоким обучением, которая, по сути, заключается в том, что компьютер формирует нейронную сеть, которая берет множество различных представлений о том, что такое изображение или шаблон, и объединяет их все вместе, чтобы сформировать изображение или конечный продукт. Convolutionary нейронная сеть может быть использована для распознавать определенные объекты в сцене, которая также подключается к компьютерному зрению и распознаванию объектов.

Таким образом, мы можем разбить ИИ на две основные категории: символические (на основе изображений) и машинное обучение (на основе данных). Вы можете использовать их для классификации или прогнозирования тенденций.

Еще одно важное различие, которое следует сделать, заключается в том, что когда у вас есть данные, встроенные в саму программу обучения, это называется обучением с учителем. Если вы хотите, чтобы машина самостоятельно определяла закономерность, она считается неконтролируемой. В большинстве случаев исследователи имеют в виду конкретную цель, и машине приходится пройти через серию проб и ошибок, чтобы выяснить ее самостоятельно, что называется обучением с подкреплением.

Хотя машинное обучение действительно замечательно, есть некоторые ограничения его возможностей. Если вы тренируете один алгоритм для выполнения задачи, вы не можете перенести этот навык на другой алгоритм, не тренируя его заново. Вы также не можете научить его выполнять сложные или абстрактные задачи, например, испытывать эмоции.

Одна из самых важных вещей, которую мы должны понять, это то, что, в отличие от людей, роботы не могут обучаться за один раз. Вспомните случай, когда вы обжеглись на раскаленной сковороде или ударились о край стола. Вы почувствовали эту боль и поняли, что, вероятно, делать это снова — не лучшая идея, поэтому вы извлекли урок из одного опыта. У роботов нет такой возможности, поэтому каждую небольшую задачу нужно обучать индивидуально.

Также существует проблема непреднамеренной предвзятости. При внедрении алгоритмов искусственного интеллекта в рабочую силу или даже в системы правосудия многие видели, что в этих алгоритмах проявляется расовая предвзятость, которую эксперты уже пытаются исправить.

Компьютерное зрение: собираем головоломку вместе

Дроны — это беспилотные летательные аппараты, которыми обычно дистанционно управляет человек на земле. Они постоянно используются в электронной коммерции для целей доставки, строительства для мониторинга опасных зон, сельского хозяйства для посадки и содержания сельскохозяйственных культур, поиска и спасания и, в первую очередь, в армии.

Благодаря использованию искусственного интеллекта дроны могут использовать данные датчиков, которые измеряют визуальные факторы и факторы окружающей среды, для облегчения полета, что повышает доступность. Большинство из них в значительной степени полагаются на компьютерное зрение, которое может записывать информацию на земле и обнаруживать движущиеся объекты, что обеспечивает более высокопроизводительную бортовую обработку изображений через нейронную сеть. Информация из алгоритмов обнаружения, классификации и отслеживания объектов объединяется, чтобы не дать дронам врезаться в предметы и отслеживать цели.

Computer Vision является подполом глубокого изучения и AI, где компьютеры учат видеть и интерпретировать мир. Первоначально машинное зрение возникло в результате эксперимента, проведенного в 1999 году по измерению зрения животных. Исследователи поместили электрод в зрительную кору головного мозга кошки и показали ей серию изображений, надеясь, что это вызовет сигнал в мозгу животного. Когда это не сработало, они вынули слайд проектора, оставив на стене единственную линию света, и внезапно сработала зрительная кора. Простые формы, такие как линии и кривые, могли быть интерпретированы кошкой, потому что она была обучена видеть кусочки и кусочки вещей и складывать их вместе, очень похоже на глубокую нейронную сеть.

Вскоре после этого мы обучили компьютеры обрабатывать пиксели как определенный набор значений, относящихся к наличию и интенсивности красного, зеленого и синего цветов. Цифровое изображение технически представляет собой матрицу для компьютера, поэтому компьютерное зрение — это исследование матриц с использованием алгоритмов и линейной алгебры для преобразования их в конечный продукт.

Подумайте об этом так: когда мы с вами видим кошку, мы видим именно это: пушистое животное по имени кошка. Но когда компьютер видит кошку, он должен сначала изучить все индивидуальные особенности, составляющие кошку, а не совсем то, что она собой представляет. Нейронные сети работают так, как будто у вас есть тонны кусочков головоломки, и вам нужно выяснить, какие края, какой цвет куда идет и как отфильтровать изображение, чтобы получить конечный продукт.

Есть много различных типов компьютерного зрения, как сегментации изображений (который раскалывает изображения в различных регионах, которые будут рассмотрены отдельно), обнаружение объектов и обнаружения образов, но каждый из них следует те же самые основные шаги:

Получить изображение (видео, фото, 3D модель и т. Д.)
Обработка изображения с помощью моделей глубокого обучения (сначала вы должны обучить модели с тысячами предварительно идентифицированных изображений)
Интерпретируйте изображение и попробуйте классифицировать его в изученную категорию

Имея все это, мы можем обучать компьютеры делать замечательные вещи!

Мощность автономных дронов

Технология беспилотных летательных аппаратов использует двигательные и навигационные системы, датчики, камеры, технологию GPS и компьютерное зрение для достижения цели. Информация от алгоритмов обнаружения, классификации и отслеживания объектов также помогает научить дрон реагировать на условия окружающей среды и анализировать, куда летать. Это дает ученым данные в режиме реального времени, которые полезны для оценки небезопасных для человека районов или выполнения высокоскоростных расчетов.

Отслеживание и идентификация объектов

Например, Above использует беспилотные летательные аппараты для сбора статистики окружающей среды для оценки ущерба от стихийных бедствий или изменения климата. Shield AI помогает наземным войскам и службам быстрого реагирования в разведке и использует программное обеспечение коллективного разума для связи друг с другом и выявления выживших. Scale использует ИИ и машинное обучение, чтобы научить дронов лучше распознавать дома и автомобили на карте.

Эти и многие другие компании улучшают аннотацию данных для аэрофотосъемки и создают алгоритмы для отслеживания и распознавания новых объектов. Самонавигационные дроны обучаются находить наиболее оптимальный способ преодолевать препятствия без контроля человека. Каждый день происходит множество новых разработок, и это действительно замечательно! Эти достижения изменят жизнь, и о них должно знать больше людей.

Как ИИ влияет на вашу жизнь? Искусственный интеллект повсюду, и если вы думаете, что не подвергаетесь его воздействию, подумайте еще раз! Это на вашем компьютере, вашем телефоне, вашем Fitbit, вашем телевизоре и многом другом! Подумайте о том, какое влияние эта технология окажет сейчас, и результаты могут вас шокировать.