Mesterséges intelligencia alkalmazása az aviatikában

Abstract

A mesterséges intelligencia és különböző területei, mint a gépi tanulás, vagy a mély tanulás az utóbbi évek során nagy átalakuláson mentek keresztül. Bár az alapelvek már több mint 60 éve léteznek, a világban manapság rendelkezésre álló hatalmas mennyiségű és könnyen elérhető adatmennyiség előmozdította az alkalmazásukat az élet szinte minden területén. Cikkünk első részében egy átfogó képet kívánunk adni a mesterséges intelligencia fogalmáról, működéséről és csoportosításáról, valamint ismertetjük azokat a világméretű trendeket, amelyek ennek a tudományterületnek formálják a jelenét és jövőjét. A második részben pedig a legfontosabb aviatikai alkalmazásokon keresztül (többek között a légiforgalmi irányítással és forgalmi előrejelzéssel kapcsolatos alkalmazások) mutatjuk be a technológiában rejlő lehetőségeket, valamint azok felhasználásának hosszabb távú elképzeléseit.

Mesterséges intelligencia és haderő – A mesterséges intelligencia területei 4. rész

“…Ezzel együtt jár, hogy a gép tudása már fejlődési szakaszának legelején eléri az emberi tudás felső határát, ezt követően pedig az általa előállított információk egyszerűen már érthetetlenné válnak az emberiség számára. [83] a mesterséges intelligencia csoportosítása tudatossági szintek szerint A mesterséges intelligenciát tudatossági szintje alapján 4 csoportba sorolhatjuk, Ezek a [84]:…”

“…Tipikus példát jelentenek a fenti tulajdonságokra az önvezető járművek. [84] [86] [87] Az önvezető járművek szenzorai a jármű környezetének változását hatósugarukon belül folyamatosan érzékelik, majd ezekről elektromos jelek formájában tájékoztatják a jármű központi vezérlőjét. Ezt követően a központi vezérlő a beérkezett, különböző formátumú információkat egységesíti, fuzionálja (szenzorfúzió), amelyhez rövid ideig tárolnia is kell ezeket az információkat.…”

Data science workflow a radaradat-elemzésben

“…Sokan ugyanis úgy tekintenek a data science munkafolyamatra, hogy az pusztán a megfelelő adatok adatbázisból való lekérése és az azokon való gépi tanulási algoritmus futtatása. Ezt a tévhitet tovább erősíti a mesterséges intelligencia tudományának rohamos fejlődése, és az azzal szemben támasztott túlzott elvárások [3], például az, hogy bármilyen nem strukturált, csak alapadatokat tartalmazó információhalmazban lehetséges a rejtett összefüggések felfedése.…”