Czy można wykorzystać GPT-3 OpenAI do tworzenia algorytmów GDMMiA?

Przy tworzeniu algorytmów Globalnej  Mapy Myśli (GDMMiA) można sięgnąć do zapisanych w książkach, czy stronach www zasobów wiedzy. Jak zautomatyzować ten proces. Może wykorzystać do tego celu sztuczną inteligencję w postaci np. Generatora tekstu GPT-3 OpenAI  (został on wykorzystany m.in. w philsopherai.do analizy tekstu) .

Firma Elona Muska to właśnie OpenAI. GPT to skrót od skrót od Generative Pre-trained Transformer, co oznacza generatywny przetrenowany transformator.

Analiza tekstu pozwalałaby wyłapać związki logiczne w treści pisanej, a następnie stworzyć logiczny ciąg informacji w postaci algorytmu. Algorytm można wówczas dołączyć do GDMMiA.

GPT-3 OpenAI jest to model przetwarzania języka naturalnego, który potrafi pisać teksty tak, jak robi to człowiek.

OpenAI otrzymała od Microsoft superkomputer (zasilany przez 285 tysięcy procesorów i 10 tysięcy układów graficznych, z których każdy umożliwia transfer danych na poziomie 400 gigabitów na sekundę).

“GPT-3” – napisali badacze w artykule naukowym poświęconym GPT-3. – GPT-3 osiąga wysoką wydajność w wielu zestawach danych przetwarzania języka naturalnego, w tym w tłumaczeniu, odpowiadaniu na pytania i dokańczaniu fraz, a także w kilku zadaniach wymagających rozumowania w czasie rzeczywistym lub adaptacji, takich jak rozszyfrowanie słów, użycie nowego słowa w zdaniu lub rozwiązanie 3-cyfrowej arytmetyki”.”  (źródło)

 

 

Przetwarzanie języka naturalnego może pozwolić standaryzować nomenklaturę użytą w GDMMiA przez ludzi z różnych zakątków świata. Nie wystarczy przetłumaczyć tekst – w katalogu Mapy powinien mieć on to samo znaczenie. Czyli powinno się stworzyć jeden precyzyjny język do zarządzania mapą GDMMiA. Internauta wpisze w swoim języku dowolną treść, GPT-3 przetłumaczy jego znaczenie na język GDMMiA, wyszuka żądane zapytanie i da odpowiedź w języku ojczystym użytkownika.

Polecam artykuł: “GPT-3 od OpenAI właśnie zrewolucjonizował przeglądarkę

GPT-3 pozwala zamieniać słowa na piksele tworząc obrazki. Ciekawe, czy może działać odwrotnie – zamieniać piksele na słowa? (algorytmy w jpg na algorytmy w mapie algorytmów?

MICROSOFT UZYSKAŁ EKSKLUZYWNĄ LICENCJĘ NA WYKORZYSTYWANIE GPT-3 W SWOICH PRODUKTACH

Imię pacjenta a diagnostyka chorób genetycznych

Niedawno konsultowałem pacjenta (“Trudny przypadek diagnostyczny“) z objawami mogącymi sugerować chorobę genetyczną. Pacjent ma bardzo rzadko spotykane w Polsce imię i na dodatek mieszka w innej części Polski niż ta, gdzie znajduje się jego rodzinna miejscowość (północno-wschodnia Polska).

Ponieważ różnicowana choroba genetyczna występuje częściej u Żydów aszkanazyjskich (zamieszkujących Europę Środkową i Wschodnią), zacząłem analizować, czy pacjent ma takie rodzinne korzenie. Z pomocą przyszła wyszukiwarka Google Maps i Wikipedia. Analiza genezy imienia wykazała, że jest to imię hebrajskie. Wikipedia podała natomiast  informacje, że w rodzinnej miejscowości pacjenta przed wojną żyło około 50% Żydów oraz istna mieszanka kulturowo – religijna (od prawosławia, katolików – ewangelików i tatarów.

Ustalenie pochodzenia może znacznie uprościć ścieżkę diagnostyczną i skierowanie pacjenta od razu na badania genetyczne (ale są one drogie – WES potrafi kosztować 6 tys. zł), ale za to można oszczędzić na innych testach.

Niestety w tym przypadku trop okazał się nietrafny. Pacjent jest innego wyznania. Jednakże imię mogło być popularne  w rodzinnej okolicy przed wojną, lub komuś kojarzyć się z ukochaną osobą.  . Mimo wszystko nie zamykam tej opcji  ponieważ nie możemy zagwarantować, że rodzice pacjenta, żyjąc w takim tyglu kulturowym nie mają genów “hebrajskich”. Pytanie w Polsce pacjenta o jego wyznanie i narodowość jest bardzo delikatnym tematem. W czasie wojny wielu Żydów zmieniło nazwiska i wyznanie. Dlatego też wiele osób może nie wiedzieć o swoich prawdziwych korzeniach genetycznych.

źródło

 

 

Unijny Serwis Informacyjny Badań i Rozwoju (CORDIS)

Czym jest CORDIS?

“Wspólnotowy Serwis Informacyjny Badań i Rozwoju (CORDIS) jest głównym źródłem informacji o wynikach projektów finansowanych przez Komisję Europejską w ramach unijnych programów ramowych w zakresie badań naukowych i innowacji (od 1PR do programu „Horyzont 2020”).”

W ramach tego projektu powstaje narzędzie oparte na sztucznej inteligencji do wczesnej przesiewowej diagnostyki dna oka  aiVision

GDMMiA a Sieci Neuronowe

Globalna Dynamiczna Mapa Myśli i Algorytmów (GDMMiA) opiera się na nieliniowej strukturze map i liniowych algorytmach będących efektem końcowym analizowanych problemów internautów. Potrzebna jest więc operacja zamieniająca mapę myśli  na liniowy algorytm. Jak to zrobić? Można wykonać to  “ręcznie” – przez autora mapy myśli, można też wykorzystać do tego sztuczną inteligencję – myślę tu szczególnie o Sieciach Neuronowych – pozwalających katalogować informacje, wyszukiwać związki danych z różnych map z GDMMiA  i generować wnioski w postaci liniowego eksperckiego algorytmu.

Taka koncepcja Map + Sieci neuronowych może być dynamicznie rozwijającym się narzędziem wspomagania decyzji – nowoczesnym portalem ekspertowym, potrafiącym wiązać Big Data, katalogować duże bazy danych, analizować problemy w mapach i tworzeniem ekspertyz na wysokim poziomie (z podaniem źródła użytego do analizy danych – wiemy jak działa algorytm!).

Zaletą map myśli jest możliwość LINKOWANIA DO BAZ WIEDZY (nie obciąża to struktury mapy, która może być za ciężka dla block chain),  kopiowania całych  pojedynczych map (“cegiełek=klocków” GDMMIA) lub tylko ich gałęzi i wstawianie do nowej MAPY analizy innego problemu. “Żonglowanie” danymi w takiej formie może być wygodne w uczeniu maszynowym i w sieciach neuronowych oraz w ręcznym tworzeniu nowych map.

GDMMiA – jak zautomatyzować tworzenie algorytmów z map myśli?

Globalna Dynamiczna Mapa Myśli i Algorytmów (GDMMiA) , to dwa połączone ze sobą pod względem logicznym zbiory danych.Algorytmy powinny być tworzone na podstawie map myśli i analiz danych. Mapa Myśli jest narzędziem Analitycznym do rozwiązywania problemów (zebranie informacji, ich hierarchizacja, kategoryzacja, praca koncepcyjna i projektowa), natomiast z pracy analityka powstają algorytmy, które też możemy katalogować w zbiory opierając się na szablonach map myśli. Algorytmy są narzędziem Wykonawczym.  Dynamiczny charakter mapom nadaje ich ciągła, rygorystyczna  aktualizacja (np. przy wykorzystaniu AI).

Problemem jest jak przełożyć informacje liczbowe-tekstowe i graficzne analiz i map myśli na algorytmy. Jakich narzędzi użyć. Zastanawiam się obecnie nad takimi rozwiązaniami. Na razie liczę na społeczność internautów (ludzi) i sztuczną inteligencję.

-> Wpis GDMMiA a Sieci Neuronowe

Kolejnym wyzwaniem jest jak dodawać kolejne mapy myśli i algorytmy, aby zapewnić ich niepowtarzalność. Jak zabezpieczyć się przed wieloznacznością słów, różnic językowych, kulturowych i nie dopuścić do dublowania się rozwiązań, tak jak to ma miejsce w książkach. Dodawanie algorytmu od razu powinno weryfikować, czy w bazie danych nie ma już takiego rozwiązania.

Ideą pomysłu jest – jedna procedura – jeden algorytm. Nie można dopuścić do namnażania się zbędnych informacji. Pomysłów rozwiązania tego samego problemu może być wiele, ale algorytm powinien opisywać tylko jedno rozwiązanie dla jednego pomysłu.

Jak aktualizować algorytmy w miarę zmieniającego się stanu faktycznego?

Poprzez sztuczna inteligencję oraz platformę zamawiania i sprzedaży  gotowych rozwiązań problemów (ludzie zamawiają ekspertyzę – płacą – ekspert dodaje “cegiełkę mapy myśli i algorytm” – sprzedaje zamawiającemu i innym internautom wg ceny “hurtowej”)

 

Czy można zautomatyzować przenoszenie treści z map myśli do algorytmów blokowych np. w programach

Takim narzędziem pozwalającym tworzyć mapy myśli i równocześnie algorytmy blokowe jest Microsoft Visio (Microsoft Visio Viwer – bezpłatnie wyświetlanie diagramów blokowych) – do tworzenia diagramów (algorytmów blokowych) oraz do dzielenia się nimi z innymi (czyli może być przydatne w GDMMiA) VISIO

Czyli jest szansa, że mapa stworzona w VISIO będzie mogła być skonwertowana do algorytmu a z niego do planu działania.  Rozpoczęcie budowy GDMMiA w ramach odrębnych korporacji – można w z czasem połączyć w GDMMiA!!

 

źródło https://www.microsoft.com/pl-PL/microsoft-365/p/visio-standard-2019/cfq7ttc0k7cf?activetab=pivot:overviewtab

 

Więcej funkcji

  • Diagramming icon

    Wykresy oparte na danych

    Automatycznie generuj wykresy organizacyjne ze źródeł danych, takich jak Excel, Exchange lub Azure Active Directory.

    AutoCAD icon

    Obsługa AutoCAD

    Możliwość importowania plików DWG, w tym obsługa rozszerzonego formatu plików.

  • templates glyph icon project

    Elastyczne edytowanie

    Łatwo zmieniaj kształty w istniejących diagramach, zachowując dotychczasowy układ i połączone kształty, co ułatwia zmianę wyglądu diagramu bez utraty efektów wcześniejszej pracy.

    VISIO diagramy

    Visio dla sieci web

    Tworzenie mapy myśli w WORD

     

     

GDMMiA – Internetem wiedzy!

Analizując problem Globalnej Dynamicznej Mapy Myśli i Algorytmów (GDMMiA) musiałem sobie odpowiedzieć na pytanie, co dla człowieka jest ważniejsze – informacja, czy WIEDZA i Umiejętności rozwiązywania problemów (MĄDROŚĆ)?

Dotychczas korzystamy z Internetu jako źródła informacji. Jest to możliwe dzięki wyszukiwarkom takim jak np Google. Silniki tych narzędzi oparte są na katalogowaniu linków do treści zawartych na konkretnych stronach Internetowych. W miarę rozwoju tych narzędzi otrzymujemy coraz trafniejsze odpowiedzi na nasze zapytania. Niestety 1,5 miliarda stron www – (stan na sierpień 2019) zalewa nas ilością informacji. Toniemy w gąszczu wyszukanych stron. Czasem te istotne dla nas nie są odpowiednio pozycjonowane. Algorytmy wyszukiwania układane są pod kątem komercyjnym. Maja przynieść dochód dostawcom przeglądarek z reklam i zbieraniu danych w celach m.in reklamowych. Oczywiście wyszukiwania muszą zadowalać większość (ale nie wszystkich !) internautów, bo to oni są odbiorą reklam.  Procesy te wspierane są elementami wyszukiwania semantycznego, wyszukiwanie obrazem oraz sztuczną inteligencją i jej algorytmami. Jednak to jest ciągle TYLKO INFORMACJA.

Czym różnią się pojęcia wiedzy i informacji

Wiedza (wg definicja wg encyklopedii PWN) – ” w najogólniejszym sensie rezultat wszelkich możliwych aktów poznania; w węższym znaczeniu — ogół wiarygodnych informacji o rzeczywistości wraz z umiejętnością ich wykorzystywania;

Informacja (informacja naukowa– wg encyklopedii PWN) – “naukozn. zorganizowana działalność związana z gromadzeniem, przetwarzaniem i udostępnianiem wiadomości z różnych dziedzin, szczególnie nauki i techniki”;

Jak widać z tych definicji wiedza wykorzystuje informacje w praktyce. Same informacje nie mają efektu sprawczego. (Co nam przyjdzie po skoczeniu z samolotu z informacji, że istnieje przyciąganie ziemskie oraz o działaniu spadochronu, jeśli nie mamy WIEDZY, że w takiej sytuacji należy pociągnąć za rączkę od spadochronu ( o ile wcześniej wiedzieliśmy, że trzeba go założyć!)

W codziennym życiu najważniejsza jest dla nas WIEDZA I UMIEJĘTNOŚĆ rozwiązania naszych problemów. Informacja jest tylko pożywką do zdobywania wiedzy, ale jej nie zastąpi. Jak mówiło kiedyś stare powiedzenie złoto i brylanty to tylko mąka a dolary są chlebem. Tak samo jest z informacją, która jest jak złoto (domyślamy się ile Facebook dostał za nasze “darmowe” informacje o naszych profilach – afera Cambridge Analytica). Wiedza i Umiejętności są zaś chlebem. Bez chleba umrzemy! Swoją drogą – ile mógłby zażądać Facebook za gotowe algorytmy strategii marketingowych oparte na swoich informacjach?

Kolejnym stadium rozwoju strategii rozwiązywania problemów będzie poziom MĄDROŚCI każdego człowieka. Według definicji Wikipedii mądrość w najwęższym znaczeniu to umiejętność podejmowania uzasadnionych decyzji, które w dłuższej perspektywie przynoszą pozytywne rezultaty. W innym ujęciu można powiedzieć, że mądrość to umiejętność praktycznego wykorzystywania posiadanej wiedzy i doświadczenia.

 

Prawdopodobnie doszliśmy do kresu możliwości Google jak samodzielnego narzędzia. Potrzebne będzie dostarczanie Wiedzy na żądane zapytania internautów. Wyszukiwarki dostarczą tylko informacji do analizy i tworzenia Map Myśl. Te ostatnie będą źródłem tworzenia algorytmów wykonawczych zaimplementowanej wiedzy. Wszystko zostanie skatalogowane w wielkiej bazie danych.. Czas na nowe narzędzia dostarczające rozwiązań. Znowu przywołam stare (może mało eleganckie) powiedzenie “Z rączej świni konia wyścigowego się nie zrobi!” Czas na zakup RUMAKA!

autor

 

Może GDMMiA jest takim pomysłem, może sztuczna inteligencja wesprze tę ideę, ALBO (!)  AI pójdzie własna drogą – nic nie będziemy musieli umieć  rozwiązywać, to sztuczna inteligencja nas ubezwłasnowolni i zrobi wszystko za nas?

 

Globalna Mapa Algorytmów – schematy

Chciałbym zrealizować projekt Globalnej Dynamicznej Mapy Myśli i Algorytmów (GDMMiA) – Internetu wiedzy – tworzącego pokolenie ekspertów.

Wszystkie nasze czynności są algorytmami. Inspiracją do tego projektu była moja praca lekarza konsultanta trudnych przypadków medycznych – to jest takich, w których nie udało się dotychczas ustalić rozpoznania. W medycynie możemy szybko działać, dzięki procedurom, które są niczym innym jak algorytmem zalecanym do realizacji.

Wczoraj postanowiłem poprosić przedstawiciela Microsoft Azure o odpowiedź na pytania:

1) Czy Microsoft ma już takie rozwiązanie?
2) Czy zdaniem Microsoft taki projekt jest realny i ma sens biznesowy?
3) Czy Microsoft byłby w stanie przygotować takie narzędzie i jaki byłby jego koszt takiego rozwiązania?

Zamiast pytać się, czy projekt można “zmonetyzować”, powinienem zapytać, ile ktoś mógłby zapłacić za kupno gwarantowanych co do skutku algorytmów? Np. za algorytm:

  1. Jak zapobiec globalnemu ociepleniu?
  2. Jak zarabiać 1 milion dolarów dziennie?  🙂

Okazuje się, że zrozumienie tematu wymaga wielu wyjaśnień (i to najlepiej po angielsku) . W tym miejscu postaram się w schematyczny sposób przekazać ideę projektu.

Ludzie muszą zmagać się z codziennymi problemami i chcą realizować swoje marzenia.(od tego rysunku się zaczęło w 2011 roku- wszystko można narysować- 🙂

Wiele z tych problemów powtarza się i u każdego z nas. Nauczyliśmy się radzić sobie z nimi dzięki własnemu doświadczeniu (wystarczy raz się oparzyć ogniem – a pamięta się to na lata) , mądrości poprzednich pokoleń przekazywanych z ust rodziców dzieciom, nauczycieli uczniom. Z czasem rady zapisywano w książkach, potem na filmach i nagraniach, a ostatnio w Internecie.

Korzystanie z doświadczeń innych pozwala nam na unikanie ich błędów, ale także przyspiesza prawidłową realizację własnych celów. Dlaczego za każdym razem musimy wywarzać otwarte drzwi. Chcesz upiec dobre ciasto – weź gotowy przepis.

Problem z przepisami jest taki, że jest ich wiele i nie są skatalogowane hierarchicznie i pod kątem ich przydatności. Nie zawsze wiemy skąd się wziął pomysł na takie, a nie inne rozwiązanie.

Google pozwala nam wyszukać tylko informacje znajdujące się na stronach www zawierających informacje zgadzające się z naszym zapytaniem (robi to coraz lepiej).

Cas potrzebny na analizę informacji i ilość odpowiedzi jest nadal przytłaczająca dla pytającego. Niestety, są to tylko INFORMACJE.

Jeśli chcemy rozwiązać problem, zmienić coś w życiu, osiągnąć swoje cele, to nie wystarczy wiedzieć COŚ? Trzeba wiedzieć DLACZEGO i W JAKI SPOSÓB?

Trudno jest wyszukiwać stare rozwiązania (szczególnie czasopismach i książkach nie wspominając  o filmach) i dołączać je w prosty sposób do nowych przepisów. Przy natłoku wiedzy i raczkującej sztucznej inteligencji potrzebne jest nam narzędzie, które pozwoli natychmiastowe generowanie najlepszych rozwiązań problemów, według najbardziej aktualnej informacji, dostępne od ręki w ciągu kilku sekund.

Narzędziem takim może być sztuczna inteligencja, która po przeanalizowaniu dostępnych w całym Internecie baz danych wyciągnie z nich wnioski i stworzy algorytm pozwalający ustalić czynności i ich kolejność, aby zrealizować projekt lub rozwiązać problem.

Niestety z czasem stracimy kontrolę nad algorytmami sztucznej inteligencji, możemy się stać społeczeństwem bezwolnych analfabetów poddanych nadzorowi “wielkiego brata”.

Dla tych rozwiązań przydatne może być stworzenie inteligentnego narzędzia, które będzie wspomagało tworzenie sztucznej inteligencji (będzie jej dostarczał ludzkich algorytmów). Narzędzie to do momentu, gdy AI stanie się faktem, pozwoli także na równoległe skatalogowanie i ciągłe aktualizowanie łatwo dostępnej wiedzy. Tworzone przez ludzi świadomych, kreatywnych będzie zawierało zrozumiałe dla nas algorytmy rozwiązywania wszystkich naszych problemów. Jak to zrobić? Na chwilę obecną uważam, że cyfrowe mapy myśli spełniają najwięcej wymogów, jakie można sobie postawić w takim projekcie.

Mapy myśli pozwalają analizować problem, gromadzić linki lub informacje potrzebne do rozwiązań, tworzyć strategie, dołączać algorytmy lub pliki a algorytmami, można je eksportować do plików pdf, html, jpg, word.

Mapy myśli, a szczególnie ALGORYTMY dają szansę łatwej weryfikacji oryginalności rozwiązania (czy ktoś nie powiela tego samego pomysłu innymi słowami). Narzędzie  potrzebuje niewiele treści pisanej (szybki zapoznanie się z treścią), bazy danych można przechowywać poza mapami myśli, dlatego też nie są one zbyt “danochłonne”, łatwo dołączać do mapy centralnej pojedyncze mapy dotyczące kompleksowych rozwiązań (ale mniejszych zagadnień – klocki te nazywam to “cegiełkami” mapy). Można mapę budować równocześnie przez społeczność na całym świecie (podobnie jak WIKI). Międzynarodowy dostęp do narzędzia pozwala tworzyć GLOBALNE rozwiązanie informatyczne.Do ustalenia pozostanie, czy ze względów technicznych powinna to być  mapa myśli zawierająca algorytmy, czy będą to dwie oddzielne, ale sprzężone ze sobą  bazy danych

“Cegiełkowy” system budowy mapy umożliwia jej ciągłą aktualizację i rozwój, ale przede wszystkim na wykorzystanie w tej architekturze technologii blockchain , która zabezpieczy dane przed hakerami, ale też może zapewnić prawa autorskie, które można skomercjalizować. Uzyskane fundusze pozwolą na samofinansowanie się projektu, mogą też przynieść duże zyski właścicielom projektu. Poszczególne elementy mapy i dołączone do niej algorytmy można wykorzystać do pisania książek, tworzenia filmów, reklam, w edukacji biznesie (M-book Shop).

Gdzie przechowywać tak olbrzymie ilości danych. Może pomocna będzie bezpieczna chmura firmy Oracle i jej system blockchain.

Procedura rozwiązywania problemów jest dość złożona

Tak wyglądała praca koncepcyjna nad tym pomysłem i wpisem. Myślenie koncepcyjne staram się zaczynać od końca, tj. od efektu jaki chcę osiągnąć, a potem szukam prawidłowości i możliwych planów realizacji.

Zaczynamy:

W GDMMiA wybieram walkę z problemem

Jak budować Mapy Myśli i Algorytmów

Utworzyć strukturę Mapy ( klasyfikację na wzór np. klasyfikacji wyrobów i usług). W rozwiązywaniu problemów bardzo ważne jest precyzyjne zdefiniowanie problemu.W definiowaniu problemu przydatne są poprzednie mapy lub nowe ich tworzenie w oparciu o aktualne fakty lub burzę mózgów.

Pytamy: “Na czym dokładnie polega problem!”

Niepełna definicja problemu może prowadzić do zupełnie innych rozwiązań. Równocześnie może się zdarzyć sytuacja odwrotna. Wcześniej mieliśmy rozbudowany problem, z wieloma jego cechami, a w naszej sytuacji jest znacznie prostszy model. Możemy wówczas wykorzystać prostszy algorytm opracowany np. tylko dla dwóch cech.

Jeśli zarządzanie wyszukiwaniem algorytmów będzie wymagało ustrukturyzowanej hierarchicznej wersji tekstowej w edytorach tekstu – można wyeksportować mapy do plików tekstowych np. w edytorach word, czy openwriter.

Zaleta tego projektu może być łatwe i kontrolowane aktualizowanie potrzebnych nam algorytmów. Na przykład jeśli mamy algorytm opinii prawnej na dzień 1 stycznia roku 2020, a prawo zmieniono wczoraj o nowe paragrafy i wykreślono niektóre regulacje – mapa pozwala stworzyć aktualna wersję opinii prawnej – zachowując nadal aktualne przepisy o nowe rozwiązania – w wielu różnych konstelacjach opracowań eksperckich.

Dodawanie nowych cech do rozwiązywanego problemu może tak wyglądać

Jak widać, już raz opracowany algorytm można wykorzystać w innej konstelacji. To jest kolejna zaleta GDMMiA. Czerpiemy mądrość z poprzednich rozwiązań. jeśli sprawdziły się one wcześniej w praktyce, to maja one ogromną wartość. Unikamy błędów, o których nawet byśmy nie pomyśleli, oszczędzamy pieniądze oraz najważniejsza walutę jaka jest CZAS. Powstanie wówczas powiedzenie Człowiek ( w tym Polak) przed szkodą nie jest głupi. 🙂

Źródłem Mapy Algorytmów będą dotychczasowe algorytmy opisane w literaturze (szczególnie naukowej)  i planach zrealizowanych z sukcesem projektów, procedury opisane w tysiącach firm. Uzupełnieniem może być sztuczna inteligencja, która przeanalizuje i przełoży tekst pisany lub grafiki, filmy  na algorytmy (np. książkę przedstawi w postaci algorytmu w trybie – “Co autor miał na myśli – tylko działanie a nie opisy słowne).

W tworzeniu map myśli (Szczególnie ALGORYTMÓW) przydatne są drzewa decyzyjne (problemów i celów oraz strategiczne)

 

Dodawać do mapy będzie można  po zweryfikowaniu nowych elementów, zachowując chronologię i autentyczność nowego schematu, stworzyć system weryfikacji jakości map (rangowanie, ocena społeczna, ocena AI). Stabilność projektu (ochronę przed hakerami), chronologię dodawania rekordów, a co za tym idzie prawo autorskie i wynalazcze może zagwarantować technologia BLOCKCHAIN. Technologia ta pozwoli także na komercyjne wykorzystanie GDMMiA dzięki tokenizacji i możliwości płatności kryptowalutami (np. Bitcoin) . Daje to GLOBALNY zasięg projektu.

Np. jeśli przedsiębiorca amerykański będzie chciał zainwestować w Polsce – może wykupić ekspertyzę znajdująca się w GDMMiA lub poprosić o jej odpłatne uzupełnienie przez prawników w USA i Polsce. Prawnicy mogą bardzo szybko dodać takie rozwiązania do GDMMiA i później odpłatnie je udostępniać innym klientom.

 

Do mapy będą dodawane “cegiełki” map.

 

Jak współtworzyć Mapy przy udziale sztucznej inteligencji (AI) – wykorzystać AI do konwersji tekstów pisanych, filmów, obrazów, dźwięków, zapachów, dotyku na algorytmy. Algorytmy dodawać do GDMMiA

Jak tworzyć listy To Do z Algorytmów – konwersja na pliki tekstowe lub graficzne

Jak eksportować dane z Mapy Myśli

Proszę zauważyć, że ładniej można by to zaprezentować, przy automatycznej zamianie obrazu na algorytm, gdyby było takie narzędzie? Ilu programistom oszczędziłoby to czasu przy przelewaniu swoje myśli z kartki papieru na algorytmy w komputerze?

JAK KOMERCJALIZOWAĆ PROJEKT? (wstępny projekt z 2011 r)

Komercjalizacja i finansowanie projektu.

Tworzenie bazy wiedzy z częściowo odpłatnym dostępem. Klient zamawia ekspertyzę – płaci- portal wykorzystuje swoje bazy + sztuczna inteligencje i płatnych ekspertów -> płatna ekspertyza. Wynik ekspertyzy dodawany jest automatycznie do mapy myśli i algorytmów – do wykorzystania w kolejnych ekspertyzach. Można szukać inwestorów – np. crowdfunding.

Jak zrealizować projekt

Prace nad projektem można zacząć od prostego narzędzia do konwersji plików graficznych do map myśli i algorytmów! Przydatne będzie narzędzie do automatyzowania tworzenia algorytmu z mapy myśli.(Sztuczna inteligencja, Uczenie maszynowe? sieci neuronowe, przetwarzanie języka naturalnego, translatory typu Tłumacz Goolgle). Trzeba połączyć zbieranie informacji, ich analizę i wyciąganie wniosków z tworzeniem list “To do”

 

Wirtualna i Rozszerzona rzeczywistość -Microsoft Azure – język Luna w analizach dla GDMMiA.

Elementem procesu tworzenia Globalnej Dynamicznej Mapy Myśli i Algorytmów powinna być analiza problemu (lub wyzwania).

Najpierw trzeba zdefiniować problem, następnie zgromadzić jak najwięcej przydatnych informacji (przeszukiwanie baz danych – przez np. Azure, tłumacz Microsoft, konwersję treści pisanej i graficznej i wideo na algorytmy – nie znam takiego narzędzia). Następnie należy uporządkować dane. Zaproponować koncepcje rozwiązań. Przenieść je do map myśli. Powinno się stworzyć narzędzia do wizualizacji rozwiązań. Przydatne będzie pokazanie różnych wariantów danego projektu po zmianie dowolnego parametru (taką wizualizację graficzną danych może zapewnić  – np. Język Luna ). Jak działać może  dynamiczne projektowanie można zobaczyć przy planowaniu nowego centrum MIT w filmie Marcina Prokopa z TVN “Człowiek przyszłości”

Wyobraźnię przestrzenną i projektową może zapewnić rzeczywistość wirtualna i rozszerzona z dostępem do wielu danych i wizualnych modeli badanych pomysłów).

Już widzę menadżera w małej firmie w okularach do wirtualnej rzeczywistości, który planuje swój nowy projekt w firmie. Dzięki algorytmom GDMMiA uniknie wielu błędów i szybko podejmie najlepsze decyzję decyzję (doradcami będzie cała społeczność map algorytmów).

Wyzwaniem może być stworzenie programu, który od razu przenosił wizualizacje i koncepcje do map myśli, a z nich do algorytmów). Myślę, że zespół Azure dałby sobie z tym radę?

Warto zobaczyć : How Far is Too Far? | The Age of A.I.

 

 

Microsoft Azure – szansą na zbudowanie Globalnej Dynamicznej Mapy Myśli i Algorytmów

Ostatnio próbowałem zainteresować tematem Globalnej Dynamicznej Mapy Myśli i Algorytmów (GDMMiA) polskich informatyków. Niestety są tak zajęci, że może zajmą się tym w grudniu (wtedy chyba tylko po to, żeby przeprowadzić wywiad 🙂

Postanowiłem poszukać pomocy poza Polską. Okazuje się, że firma Microsoft ma świetną bazę do realizacji mojego projektu. Niestety nie ma bezpośredniego kontaktu do działu usług poznawczych i sztucznej inteligencji (czekam na odpowiedź).

Platformą do świadczenia usług dla procesów poznawczych jest Cognitive ServicesMicrosoft Azure.

Oferta Azure przydatna dla GDMMiA obejmuje m.in.:

sztuczną inteligencję, tłumacz 70 języków w systemie sieci neuronowych, transkrypcja mowy na tekst, analiza wideo (być może pozwoli na tworzenie algorytmów z filmów),  uczenie maszynowe (do tworzenia mapy algorytmów), analizy danych pod kątem map algorytów – w tym ranking najlepszych, łańcuch bloków (block chain – pozwoli na bezpieczną strukturę map i zapewni prawa autorskie – przydatne w monetyzacji projektu oraz zadba chronologię dodawanych algorytmów), bazy danych – będą pożywka dla algorytmów), rzeczywistość mieszana umożliwi łatwiejsza komunikację oraz tworzenie wirtualnych map myśli), aplikacje mobilne – aplikacja map dostępna na urządzeniach mobilnych, sieć www – obsługa map w całym świecie, wyszukiwanie obrazem (szukamy graficznych map myśli i algorytmów, które konwertujemy na algorytmy i dodamy do GDMMiA – na razie nie znam narzędzia na świecie do takiej konwersji!??? – technicznie nie jest to chyba zbyt skomplikowane z np z  do JAVA).

Źródła zrzutów ekranów użytych w prezentacji: strona www Microsoft Azure

A. Sztuczna Inteligencja i uczenie maszynowe:

Uczenie maszynowe – zakres:

B. Łańcuch bloków (blockchain)

C. Analiza wideo

D. Analiza

Teraz wystarczy wycenić aplikację –  złożyć do Microsoft zamówienie – zrealizować projekt i witamy w nowym świecie  🙂 

31-10-2020 – Podpisywanie obrazów przez AI (Captcha)

ostatnio dzięki uprzejmości MR otrzymałem ciekawy link do nowej usługi Microsoft ” What’s that? Microsoft’s latest breakthrough, now in Azure AI, describes images as well as people do

“In the last five years,” Huang said, “we have achieved five major human parities: in speech recognition, in machine translation, in conversational question answering, in machine reading comprehension, and in 2020, in spite of COVID-19, we got the image captioning human parity.”

 

Postęp w słownym opisie obrazów jest olbrzymi. Narzędzie jest wprowadzane do aplikacji Office. Podejmuje się próby natychmiastowego opisywania obrazów rejestrowanych przez oko kamery. Daje to możliwość mówienia osobie niewidzącej, co znajduje się przed pacjentem!

 

Dla GDMMiA powstaje szansa na zautomatyzowanie przenoszenia np. map myśli lub algorytmów znajdujących się w plikach graficznych (np. jpg) ale także na filmach (np. w “stop klatce”

 

https://1gew6o3qn6vx9kp3s42ge0y1-wpengine.netdna-ssl.com/wp-content/uploads/prod/sites/3/2020/10/inclusive-disability-ai-systems-saqib-shaikh_1920x1080-5f86fd8c20ba1.jpg

Saqib Shaikh, a software engineering manager with Microsoft’s AI platform group in Redmond.

https://1gew6o3qn6vx9kp3s42ge0y1-wpengine.netdna-ssl.com/wp-content/uploads/prod/sites/3/2020/10/huang-xd_1920x1080-5f86fd2ff095d.jpg

źródło

Xuedong Huang

Dla mojego projektu sukcesem byłoby, aby te algorytmy na tym zdjęciu narysowane na z tyłu na tablicy znalazły się w wersji cyfrowej w formacie algorytmu. W ilu firmach brakuje takiego narzędzia w tworzeniu projektów!

AI – Google Translator do budowy Globalnej Mapy Algorytmów

Tłumacz Google

Budowanie Globalnej Dynamicznej Mapy Myśli i Algorytmów (GDMMiA) będzie wymagało jednego języka do tworzenia treści map. Może to być wymyślony język widoczny tylko dla komputerów lub np. język angielski.  Niezależnie od tego powinno się móc stworzyć inteligentny interfejs automatycznie tłumaczący wprowadzane treści na wszystkie języki świata. Wspaniałym wzorcem może być oparty na sztucznej inteligencji Tłumacz Google. Narzędzie cały czas się uczy coraz to nowych słów i związków frazeologicznych. Taki program powinien wejść w skład “silnika” GDMMiA.

Szczegóły AI w Tłumaczu Google opisano w artykule PC Format pt. Sztuczna inteligencja mocno poprawiła jakość Tłumacza Google

Aplikacja opiera się na sieciach neuronowych, paradygmatach bazujących na przepisywaniu oraz mechanizmu przetwarzania na urządzeniu, ponadto z nowością  jest implementacja tzw. architektury hybrydowej.

źródło – wyszukiwarka Bing (Is nationalism a logical reaction to globalization? – netivist)

Zbliżone rozwiązanie do mojego w zakresie tłumaczeń na wiele języków proponuje Piotr Michalak w wywiadzie udzielnym Philowi Koniecznemu pt.  Problemy dzisiejszego internetu chaos informacyjny Piotr Michalak Rozmowy Konieczne #22

Microsoft Translator

Tłumacz Microsoft jest częścią usługi poznawczej Azure Cognitive Services 

(“Co to są usługi Azure Cognitive Services? -Usługi Cognitive Services zapewniają każdemu deweloperowi dostęp do sztucznej inteligencji — niezależnie od posiadanej wiedzy z zakresu uczenia maszynowego. Wystarczy wywołanie interfejsu API, aby osadzić w aplikacji funkcje widzenia, słyszenia, mówienia, wyszukiwania, rozumienia i szybszego podejmowania decyzji.”)

Także Microsoft wprowadza tłumaczenie maszynowe Microsoft Translator (Translacja Maszyn Neuronowych+ True text +zmiana tekstu na mowę i mowy na tekst+ tłumaczenie mowy – dobry opis i demo procedur)) dostępne w pakiecie Office (70 języków – czyli mniej niż Tłumacz Google, pozostałe języki są tłumaczone metodą SMT) (zaznacz tekst – naciśnij prawym klawisz  – przetłumacz- wybierz język-enter)

Jak korzystać w Microsoft Translator w firmie.

Ciekawą opcją (starszą) jest statystyczne tłumaczenie maszynowe Bing Microsoft Translator  pojedynczych słów, który wykrywa język źródłowy i tłumaczy n żądany język