4
Meritum 4 (67) 2022 Mazowiecki Kwartalnik Edukacyjny
GRAŻYNA GREGORCZYK
algorytmów do wykonywania tych potrzebnych zadań byłoby trudne lub wręcz niewykonalne.
Jednak do najczęściej spotykanych przykładów uczenia głębokiego zaliczają się tzw. asystenci cyfrowi . Inteligentni asystenci głosowi, korzystający z przetwarzania języka naturalnego (NLP – progra- mowanie neurolingwistyczne), tacy jak: Apple Siri, Microsoft Cortana, Asystent Google i Amazon’s Alexa mogą odpowiadać na pytania i dostosowy- wać się do nawyków użytkowników. W Polsce, w maju 2020 roku, został urucho- miony chatbot Edzia , wirtualny asystent, który był skarbnicą technicznej wiedzy przydatnej w pro- wadzeniu zajęć online. Stworzył go zespół IBM na chmurze IBM Cloud i na bazie usługi IBM Watson Assistant5. Edzia odpowiadała na pytania nauczycieli doty- czące narzędzi do edukacji zdalnej, wsparcia meto- dycznego, wyszukiwania wiarygodnych źródeł dla materiałów edukacyjnych czy sposobu organizacji zajęć. Istnieje wiele obiecujących zastosowań tech- nologii AI, które można wykorzystać w edukacji w nadchodzących dziesięcioleciach. AI może przy- spieszyć przejście do nauki zindywidualizowa- nej, zapewnić uczniom ciągłą ocenę i informację zwrotną oraz stosować techniki analizy uczenia się w celu zróżnicowania procesu nauki tak, by była ona dostosowywana do danego ucznia w czasie rzeczywistym. AI wykazała już ogromny potencjał jako wspar- cie dla uczniów o specjalnych potrzebach eduka- cyjnych dzięki umiejętności reagowania na specy- ficzne zdolności tych dzieci. AI może pomagać nauczycielom w wykrywa- niu problemów z przyswajaniem wiedzy u ucz- niów, dostosowywać materiał do indywidualnych potrzeb ucznia lub po prostu być wykorzystana do oceniania. AI może także pomóc w zarządzaniu
DL – Uczenie głębokie
Uczenie głębokie to podzbiór uczenia maszyno- wego umożliwiający komputerom rozwiązywanie bardziej złożonych problemów. Modele uczenia głębokiego są w stanie także samodzielnie tworzyć nowe funkcje. W uczeniu głębokim sztuczne sieci neuronowe – algorytmy zaprojektowane do działania przypo- minającego ludzki mózg – uczą się na podstawie dużych ilości danych. Między wieloma niezliczonymi zastosowaniami głębokie uczenie jest wykorzystywane np. do gene- rowania napisów dla filmów w serwisie YouTube, rozpoznawania mowy w telefonach i inteligent- nych głośnikach, rozpoznawania twarzy z foto- grafii oraz do tworzenia samodzielnie jeżdżących samochodów.
Uczenie głębokie jest także stosowane:
• do analizy dużej liczby obrazów, co pozwa- la sieciom społecznościowym dowiedzieć się więcej o użytkownikach i ich preferencjach, a to usprawnia np. ukierunkowanie reklam czy zarzą- dzanie łańcuchem dostaw, • do bardziej skutecznego wykrywania zaawan- sowanych zagrożeń niż metody tradycyjne, do zwalczania złośliwego oprogramowania poprzez rozpoznawanie nowych podejrzanych działań, a tym samym zwiększania bezpieczeństwa, • w dziedzinie opieki zdrowotnej poprzez analizę trendów i zachowań ludzi w celu przewidywa- nia chorób i pandemii, a także w celu określenia optymalnych badań i zabiegów dla pacjentów, • do przetwarzania języka naturalnego poprzez automatyzację analizy, rozumienia, tłumacze- nia i generowania języka naturalnego przez komputer.
5 IBM Watson Assistant, wirtualny asystent, wykorzystuje sztuczną inteligencję zdolną do zrozumienia kontekstu zapytań użytkowników, udzielającą szybkich, logicznych i dokładnych odpowiedzi w dowolnej aplikacji na dowolnym urządzeniu i kanale.
Made with FlippingBook - Online Brochure Maker