Výzkum

Naším cílem je neustálé doplňování znalostí v oboru umělé inteligence. 
Prvním pilířem jsou naše projekty/zakázky, druhý představují profesionální kurzy.

Emoční analýza

Vycvičená hluboká neuronová síť rozpozná pocity v textech a sestaví
emoční obraz osobnosti.
Emoční graf napříč generacemi (obrázek vlevo) vychází z analýzy 
2.000 ručně psaných dopisů soukromé korespondence.

Použití:
PR: Jaké je veřejné mínění o _______ ?
HR: Analýza chování kandidátů – sedí nový uchazeč do týmu?
Průzkumy: Jak smýšlejí zákazníci ve spojení s naším produktem?

Analýza vulgárního textu

Jak jste si mohli všimnout, spustili jsme v říjnu 2018 DETEKTOR URÁŽEK.
Jedná se o typickou aplikaci pro klasifikaci a analýzu textu.
-> v tomto případě jsme se jen zaměřili na vulgarity.
První verze byla založena na principu hlubokých neuronových sítí, LTSM, embedding a word2vec.
Druhá generace, byla vylepšena o hybridní systém, který kombinuje sílu Deep Learningu se schopností expertních systémů vysvětlovat,
proč je daná věta vulgární.

Použití:
Automatizovaný moderátor diskuzních fór
Statistika vulgárních hovorů v call centru

K detektoru vyšla i jednoduchá mobilní aplikace.

Projekt "klíčové slovo"

Chytrá síť rozpozná řečené „klíčové slovo“ a například spustí nějaké zařízení.
Síť má na začátku 1D konvoluci, spektrogram, 2 vrstvy GRU a zakončuje to hustá NN síť s klasickou sigmoidou.
Celkem „jen“ asi půl milionu parametrů. Zkusili jsme do cvičení nahrát vlastí hlasové příkazy a kupodivu to rozumí i naší angličtině. 🙂
Ode dneška nás sítě poslouchají doslova na slovo!

Popisky k fotkám

„Vycvičit“ neuronovou síť, aby vytvářela popisky k fotkám je už složitější.
Přetrénovaná CNN síť založená na milované InceptionV3 se
doučila popisky během pouhých 10 minut.
Není to dokonalé, ale přesto mi výsledky vyráží dech! 

Použití:
– Google Images při vyhledávání fotek
– Pomoc slepým lidem

Analýza fotografií

Při studiu pokročilého strojového učení na „National Research University Higher School of Economics“, což je špičková ruská vysoká škola ekonomická, jsme například nechali AI rozpoznávat a tagovat obrázky.

Z datasetu 50.000 obrázků si trénovaná síť nejčastěji plete koně se psy.  
Psy zase s kočkami a při rozpoznávání ptactva se domnívá, že vidí letadlo.
No není to kouzelně lidské? 🙂

Generátor jmen

Napadl nás takový zajímavý pokus.
Co kdybychom dali na vstup rekurentní neuronové sítě  8 tisíc jmen
různých kultur a zkusili vygenerovat:

1) další podobná jména?
Vyšla jména jako: Gawcalis, Heulis, Jesn, Asdee, Drarie, Nelap, Lean a Kantina

2) jména začínající na „Jan„, protože to je přeci krásné jméno 🙂
Vyšla jména jako: Janene, Janbie, Jann, Jankee, Janb, Jan, Jant

3) Zkusil generovat názvy kartiček hry Magic
Vyšly názvy jako: „[U] Instant: Mad Aestaln“, „[R] Artifart: Elpe Phone“

4) .. a v neposlední řadě české nadávky:
Vyšlo: kadik hoř, pojko vabo!, Lenokák, Čurdo plšička

Certifikáty a vzdělání

Ke vzdělání neodmyslitelně patří Coursera, Udemy a Udacity

Můžeme vřele doporučit kurzy:
Advanced Machine Learning Specialization (Coursera) 
Neural Networks and Deep Learning (Coursera)
Deep Learning for Business (Coursera)
Become A Robotics Software Engineer (Udacity)
Deep Learning (Udacity) – free
Expand Your Knowledge of Artificial Intelligence (Udacity)
Artificial Intelligence 2018: Build the Most Powerful AI (Udemy)
Elements of AI (University of Helsinky) – free

 
cs_CZ
cs_CZ en_GB