Sztuczna inteligencja dla inżynierów. Istotne obszary i zastosowania

Mieczysław Muraszkiewicz, Robert Nowak

Na treść książki składają się przede wszystkim zagadnienia związane z zastosowaniami sztucznej inteligencji. Wstępem są rozważania na temat tzw. odpowiedzialnej sztucznej inteligencji. Podstawowym tworzywem, na którym działa sztuczna inteligencja, są dane, informacja i wiedza. O inżynierii wiedzy, a w tym o metodach reprezentacji wiedzy, traktuje rozdział drugi niniejszej monografii. Jego kontynuacją jest rozdział trzeci, omawiający typowe problemy i sposoby radzenia sobie z nimi, przy wykorzystywaniu uczenia maszynowego do analizy danych ustrukturyzowanych, zwanych też danymi tabelarycznymi. W rozdziale czwartym czytelnik znajdzie wykład na temat przetwarzania języka naturalnego. Rozdział piąty jest poświęcony bioinformatyce, czyli analizie napisów reprezentujących biopolimery DNA, RNA i białka. Do takich analiz z powodzeniem stosuje się metody sztucznej inteligencji. Innym obszarem jest analiza obrazu i dźwięku. Obecnie główną rolę odgrywają tutaj sztuczne sieci neuronowe. Zagadnienia te omówiono w rozdziale szóstym, w którym zawarto informacje dotyczące percepcji maszyn, w tym widzenia maszynowego oraz metod analizy dźwięku. Swego rodzaju nawiązaniem do rozdziału wstępnego jest rozdział siódmy, poświęcony wyjaśnialnej sztucznej inteligencji, która to kwestia ma zasadnicze znaczenie dla upowszechnienia systemów sztucznej inteligencji. Książkę zamyka rozdział na temat inżynierii uczenia maszynowego, który traktuje o poprawnym procesie realizacji projektów korzystających z metod uczenia maszynowego, a także obszerna bibliografia.

Sztuczna inteligencja dla inżynierów. Metody ogólne

Mieczysław Muraszkiewicz, Robert Nowak

Autorami poszczególnych rozdziałów są wykładowcy Wydziału Elektroniki i Technik Informacyjnych Politechniki Warszawskiej, którzy aktywnie biorą udział w rozwoju sztucznej inteligencji. W rozdziale pierwszym znajdują się informacje o historii, charakterze i zastosowaniach sztucznej inteligencji. Rozdział drugi traktuje o podstawowym nie tylko dla sztucznej inteligencji zagadnieniu przeszukiwania przestrzeni stanów w poszukiwaniu rozwiązań zadanego problemu. Towarzyszy temu omówienie metod optymalizacji, które wskazują najlepsze rozwiązanie z punktu widzenia przyjętego kryterium. Tematem kolejnego rozdziału jest uczenie maszynowe. Rozdział czwarty został poświęcony archi-tekturom sztucznych sieci neuronowych, w tym sieciom głębokim. W rozdziale piątym znajduje się prezentacja i dyskusja dotycząca wzajemnych związków etyki i sztucznej inteligencji, ze szczególnym naciskiem na konieczność przedstawiania wyników działania systemów SI w sposób zrozumiały dla człowieka. Każdy rozdział jest opatrzony notą bibliograficzną, która podaje pozycje rozszerzające omówiony materiał. Książka może służyć jako podręcznik i wsparcie dydaktyczne wykładów z zakresu SI, a czytelnik powinien wiedzieć, jak dane są reprezentowane w postaci cyfrowej, umie czytać pseudokod i potrafi programować strukturalnie. Przedstawione metody autorzy wyjaśniają w sposób intuicyjny, ale dbają też o precyzję, wykorzystują przykłady i podają algorytmy. Kontynuacją książki jest tom prezentujący metody sztucznej inteligencji dla różnych grup zastosowań, m.in. analizy danych strukturalnych (tabelarycznych), analizy tekstów w języku naturalnym, analizy sekwencji biologicznych, widzenia maszynowego, przetwarzania mowy oraz bezpieczeństwa systemów SI.