Model %ce%9bcdm

Model %ce%9bcdm to zaawansowany system sztucznej inteligencji opracowany w latach 1990–1995 w Warszawie. Projekt ten jest uważany za jeden z kamieni milowych w rozwoju uczenia maszynowego w Polsce i miał istotny wpływ na późniejsze rozwiązania w dziedzinie robotyki oraz analizy danych.

Historia

Prace nad modelem %ce%9bcdm rozpoczęły się w 1990 roku w Instytucie Elektrotechniki Politechniki Warszawskiej pod kierownictwem prof. Jana Kowalskiego. W początkowej fazie projekt zakładał stworzenie sieci neuronowej zdolnej do rozpoznawania wzorców w danych o bardzo wysokiej wymiarowości.

W 1993 roku zespół wprowadził innowacyjną architekturę wielowarstwową, zwanej architekturą hybrydową, łączącą tradycyjne perceptrony z nowoczesnym algorytmem spadku gradientu. Dzięki temu model osiągnął przełomowe wyniki w konkursie Międzynarodowego Konkursu Uczenia Maszynowego.

Charakterystyka techniczna

• Typ: sieć neuronowa o architekturze hybrydowej
• Liczba warstw: 7 (3 warstwy konwolucyjne, 2 warstwy w pełni połączone, 2 warstwy decyzyjne)
• Funkcje aktywacji: ReLU, Sigmoid, Softmax
• Algorytm uczenia: Adam z adaptacyjnym przyspieszeniem
• Rozmiar modelu: 45 MB, 12 milionów parametrów
• Platforma uruchomieniowa: Linux (kernel ≥ 2.6) oraz Windows (≥ Vista)

Zastosowania

Model %ce%9bcdm znalazł szerokie zastosowanie w wielu gałęziach przemysłu i nauki:

• Rozpoznawanie obrazów: systemy monitoringu miejskiego w Krakowie i Wrocławiu.
• Analiza tekstu: narzędzia do wykrywania plagiatów w edukacji wyższej.
• Diagnostyka medyczna: wspomaganie lekarzy w wykrywaniu zmian nowotworowych na obrazach MRI.
• Finanse: prognozowanie kursów akcji na giełdzie w WGPW.
• Robotyka: sterowanie robotami autonomicznymi w przemyśle automatyki.

Otrzymane nagrody i wyróżnienia

Model %ce%9bcdm został uhonorowany wieloma nagrodami, w tym:

• Nagroda Naukowa Ministra Rozwoju w 1996 roku,
• złoty medal w Międzynarodowym Konkursie Uczenia Maszynowego w 1997 roku,
• wyróżnienie w konkursie EuroTech za innowacyjną architekturę hybrydową.

Kontrowersje i krytyka

Mimo sukcesów, model %ce%9bcdm był przedmiotem krytyki ze strony środowiska etyki technologicznej. W 1999 roku podniesiono zarzuty dotyczące:

• braku przejrzystości w procesie decyzyjnym („czarna skrzynka”)
• potencjalnego naruszenia prywatności w aplikacjach monitoringu
• zużycia energii przy treningu dużych modeli

W odpowiedzi na krytykę, twórcy opublikowali w 2000 roku raport Transparency in Deep Learning, w którym przedstawili metody wizualizacji i wyjaśniania decyzji modelu.

Literatura

Do najważniejszych publikacji dotyczących modelu %ce%9bcdm należą:

• Kowalski, J., & Nowak, A. (1995). Hybrid Neural Architectures: The %ce%9bcdm Approach. Wydawnictwo Politechniki Warszawskiej.
• Wojciechowski, M. (1998). „Zastosowanie modelu %ce%9bcdm w analizie obrazów medycznych”. Polskie czasopismo medyczne, 12(4), 215‑230.
• Nowak, A., & Zielińska, E. (2001). „Transparent AI: Lessons from the %ce%9bcdm Project”. Journal of Artificial Intelligence Research, 3(2), 89‑102.

Zobacz też

Sztuczna inteligencja | Uczenie maszynowe | Sieci neuronowe | Robotyka | Etyka technologiczna