ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΣΤΗ ΜΗΧΑΝΟΛΟΓΙΑ: ΜΙΑ ΜΕΛΕΤΗ ΠΕΡΙΠΤΩΣΗΣ ΤΕΧΝΗΤΩΝ ΝΕΥΡΩΝΙΚΩΝ ΔΙΚΤΥΩΝ

Abstract

Η παρούσα πτυχιακή εργασία με τίτλο «Εφαρμογές Τεχνητής Νοημοσύνης στη Μηχανολογία: Μια Μελέτη Περίπτωσης Τεχνητών Νευρωνικών Δικτύων» έχει ως αντικείμενο, καταρχήν την παρουσίαση κάποιων βασικών γνώσεων της τεχνητής νοημοσύνης και σημαντικών ιστορικών γεγονώτων. Επιπροσθέτως θα γίνει αναφορά στις διάφορες εφαρμογές της Τεχνητής Νοημοσύνης στον τομέα της Μηχανικής, ειδικότερα της Μηχανολογίας, ενώ επίσης θα υλοποιηθούν δύο Τεχνητά Νευρωνικά Δίκτυα ικανά να αναγνωρίζουν και να ταξινομούν κατάλληλα κάποια μηχανολογικά στοιχεία (π.χ. κοχλίες). Το πρώτο κεφάλαιο αφορά την φυσική και την τεχνητή νοημοσύνη όπου δίνονται οι ορισμοί τους. Στην συνέχεια γίνεται μια προσπάθεια διαχωρισμού της τεχνητής και φυσικής νοημοσύνης, ενώ βεβαίως εμπεριέχεται και η απαραίτητη ιστορική αναδρομή ώστε να μπορεί ο αναγνώστης να αντιληφθεί την εξέλιξή της με την πάροδο του χρόνου έως και το σήμερα. Δεν παραλείπεται φυσικά η αναφορά ενός μέρους του θεωρητικού υπόβαθρου της πτυχιακής εργασίας. Στο δεύτερο κεφάλαιο αρχικά θα αναφερθούμε στις εφαρμογές της τεχνητής νοημοσύνης στον τομέα της μηχανικής αλλά και πιο ειδικά στον τομέα της μηχανολογίας. Θα αναφέρουμε κάποιες από τις πιο σημαντικές εφαρμογές στους τομείς αυτούς έτσι ώστε να μπορέσει κανείς να αντιληφθεί το πόσο πολύ έχει διεισδύσει η τεχνητή νοημοσύνη στους αντίστοιχους επιστημονικούς τομείς, καταφέρνοντας έτσι, πράγματα που δεν θα μπορούσαμε αλλιώς να πετύχουμε. Στο τρίτο κεφάλαιο θα αναφερθούμε στα τεχνητά νευρωνικά δίκτυα και σε πολύ θεμελιώδεις έννοιες που αφορούν αυτά. Θα πραγματοποιηθεί ανάλυση σχετικά με τη σημασία τους, ανάλυση της αρχιτεκτονικής τους, ο τρόπος κατασκευής τους και το πως αυτά λειτουργούν. Ακολούθως θα αναφερθούν οι τεχνικές και μέθοδοι εκπαίδευσης τους καθώς και ο τρόπος αξιολόγησής τους. Το τέταρτο κεφάλαιο αφορά την υλοποίηση δύο Τεχνητών Νευρωνικών Δικτύων με χρήση της γλώσσας προγραμματισμού Python, τα οποία θα κατατάσσουν σε τέσσερεις κλάσεις διάφορα μηχανολογικά στοιχεία. Το πρώτο Τεχνιτό Νευρωνικό Δίκτυο θα είναι ένα απλό Τεχνητό Νευρωνικό Δίκτυο ή αλλιώς Artificial Neural Network (ANN), ενώ το δεύτερο θα είναι ένα συνελικτικό νευρωνικό δίκτυο ή αλλιώς CNN, ένα δίκτυο διαφορετικού τύπου. Προφανές είναι το γεγονός ότι αποσκοπούμε στην σύγκριση των δυο αυτών δικτύων ως προς τα αποτέλεσματα τους. Το πέμπτο και τελευταίο κεφάλαιο αποτελεί μια επισκόπηση των αποτελεσμάτων της πτυχιακής εργασίας, ενώ θα γίνει αναφορά και στην μελλοντική εξέλιξή της τεχνητής νοημοσύνης, δίνοντας έμφαση στις επιτεύξεις της τεχνητής νοημοσύνης σε μια πληθώρα επιστημών. Ολοκληρώνοντας, θα σχολιάσουμε το τι ακόμα μέλει να συμβεί και το πόσο μακριά μπορεί να φτάσει. Η Τεχνητή Νοημοσύνη είναι μία επιστήμη με πολλά υποσχόμενα, ως εκ τούτου η ακρίβεια των αποτελεσμάτων των Τεχνητών Νευρωνικών Δικτύων που θα κατασκευάσουμε αναμένεται να είναι μεγάλη. Η εργασία αυτή καταλήγει σε μία σύγκριση των αποτελεσμάτων ενός απλού Νευρωνικού Δικτύου ( ANN ) με ένα πιο εξειδικευμένο ανταγωνιστή του, ένα συνελικτικό Νευρωνικό Δίκτυο ( CNN ). Θα δούμε ότι το CNN είναι από την μία πιο αξιόπιστο αλλά από την άλλη πιο κοστοβόρο σε φυσικούς πόρους και υπολογιστική ισχύ από ότι το ΑΝΝ.