Англо-русский толковый словарь по искусственному интеллекту и робототехнике - Эдуард Михайлович Пройдаков

случаем является бинарная логистическая регрессия (binary logistic regression), когда зависимая переменная является бинарной (дихотомической). Синоним – logit regression (см. также deep learning, softmax regression).

Loihi – нейроморфный процессор Loihi # (Лоихи – подводный действующий вулкан, расположенный примерно в 30 километрах к юго-востоку от берегов острова Гавайи), произносится low-ee-hee, анонсированный в 2018 г. самообучающийся нейроморфный процессор, который лаборатория Intel Labs разработала с использованием асинхронной спайковой нейронной сети (СНС) и который способен быстро распознавать трёхмерные объекты с разных углов обзора, осваивать набор данных для обучения за несколько секунд и др. Чип представляет собой многоядерный ЦП со 128 нейроморфными ядрами. Чтобы продолжить исследования и совершенствование нейроморфной обработки данных, Intel организовала открытое сообщество INRC (Intel Neuromorphic Research Community), в котором надеется объединить усилия как учёных, так и разработчиков. Работу планируется вести сразу по нескольким направлениям – разработка теории и алгоритмов, адаптация чипа к работе с данными и системами “реального мира”, поиск применений для решения современных технологических задач (см. также neuromorphic chip, neuromorphic computing, spiking neural network).

longitudinal force – продольная сила # частичные синонимы – axial force, linear force.

long-term memory (LTM) – долговременная память # в нейронных сетях – память, хранящая данные длительное время (ср. short-term memory).

loss function – функция потерь # применяется в машинном обучении для оценки качества обучения (ошибки принятия решений) ИНС (модели); является мерой расхождения между фактическим значением оцениваемого параметра и ожидаемым, расчётным значением этого параметра и требует минимизации. Наиболее популярные функции потерь при метрическом обучении – contrastive loss и triplet loss. Частичные синонимы – cost function, error function (см. также machine learning, metric learning).

low-level controller – низкоуровневый контроллер # к этой категории относятся микроконтроллеры, которые через устройства ввода-вывода непосредственно связаны с объектом управления, например терморегуляторы (heat regulator), кардиостимуляторы (cardiac pacemaker) и др. (см. также controller).

LP – см. linguistic perception.

LPR – 1. lander penetrating radar – лунный проникающий радар (радиолокатор) # входит, например, в состав оборудования лунохода для исследования Луны (см. также moonprobe, radar);

2. см. license plate recognition.

LSM – см. liquid-state machine.

LSTM (LSTM network) – long short-term memory – ИНС с долговременной и кратковременной памятью; архитектура (модель) LSTM, LSTM-сеть # разновидность архитектуры рекуррентных ИНС, которую предложили в 1997 году Сепп Хохрайтер (Sepp Hochreiter) и Юрген Шмидхубер (Jürgen Schmidhuber) для решения проблемы краткосрочной памяти этих сетей, не позволяющей адекватно обрабатывать длинные последовательности входных данных. LSTM в совокупности с GRU (Gated Recurrent Units, вентильные рекуррентные устройства, управляемые рекуррентные блоки) – это система глубинного обучения, благодаря реализации которой удалось обойти проблему исчезновения или зашкаливания градиентов в процессе обучения методом обратного распространения ошибки. Сеть LSTM обычно перенастраивается с помощью внутренних механизмов, рекуррентных вентилей GRU – входных, выходных и так называемых вентилей забывания, управляющих потоками информации при работе памяти. Входные вентили (input gate) контролируют, какая новая информация будет воспринята сетью при поступлении входных данных; выходные вентили (output gate) решают, какие данные будут выводиться из памяти, а вентили забывания (forget gate) управляют удалением данных из памяти; при этом вентили могут обучаться, чтобы определять, какие данные обрабатываемой последовательности следует сохранять, а какие удалять. LSTM-сети показывают наилучшие результаты на задачах классификации, распознавания речи, синтеза речи, распознавания слитного рукописного текста, генерации текста и др. (см. также ANN, deep learning, recurrent network).

LTM – см. long-term memory.

lunar rover – см. moonprobe.

LVCSR – large vocabulary continuous speech recognition – распознавание слитной речи на большом словаре (с использованием большого словаря) # большим считается словарь объёмом больше 20 тыс. слов. Объём словаря существенно влияет на производительность системы распознавания речи. Синоним – LVR (large vocabulary recognition) (см. также continuous-speech recognition, limited-vocabulary recognition, phonetic searching, speech recognition).

LVQ – 1. Learning Vector Quantization – квантизация векторов при обучении;

2. Linear Vector Quantization – линейная квантизация векторов # алгоритм обучения нейронной сети (см. также BPE, PNN, RBF, RCE, STLVQ).

LWR – см. lightweight robot.

M

machine autonomy – автономность машины (системы, робота) # в области искусственного интеллекта (ИИ) – о самоуправляемости, самообучаемости и независимости машины, её способности действовать самостоятельно, автоматически, без участия и вмешательства человека. Некоторые источники различают три степени автономности, или автономной, самостоятельной работы машины, например робота: это запрограммированность, работа по заранее заданной программе (характерно для промышленных роботов – pre-programmed autonomy); ограниченная, или контролируемая, автономность (самостоятельность) – когда предусматриваются разные варианты поведения робота, выбираемые (задаваемые) оператором (limited, or supervised autonomy); и полная автономность (самостоятельность) – когда робот обладает интеллектуальными возможностями, способен самообучаться с учётом характеристик, требований и изменений окружающей среды (см. также artificial intelligence, autonomy).

machine-checked proof (также machine-checked theorem proving) – доказательство [теоремы, теорем] под контролем (с помощью) компьютера # доказательство теоремы с помощью программы под названием proof assistant (помощник в проведении доказательства), которая гарантирует, что данное доказательство будет подчиняться (не будет противоречить) аксиомам математики и правилам логики. Синоним – computer-assisted proof (см. также theorem proving).

machine controller (также machine control unit) – устройство управления станком, контроллер станка с ЧПУ # см. также CNC machine, industrial automation, numerical control.

machine deception – обман машин (машины, компьютера) # современные машины (ИНС, системы распознавания, системы ИИ) характеризуются способностью выступать в роли агентов и носителей информации, через которые человек и/или другие машинные агенты могут подвергаться манипуляциям – их можно заставить верить, действовать или каким-то иным образом реагировать на ложную информацию. Исследования, связанные с обманом машин, имеют долгую историю и стали основой для развития теории и технологий в области искусственного интеллекта (ИИ) и машинного обучения (МО). Наиболее известны такие примеры экспериментов по обману машин, как тест Тьюринга (Turing test, где машина пытается обмануть человека, заставляя его поверить, что он общается не с машиной, а с другим человеком), или Китайская комната (Chinese room, разработчик которой Джон Сёрл доказывает, что машина не думает, а действует по заложенному в ней алгоритму). Различают такие ситуации, когда а) машина обманывает машину (Machine Deceives Machine – например, группа ботов может автоматически публиковать посты на платформах социальных медиа, манипулируя таким образом алгоритмами ранжирования и искажая релевантность); б) человек обманывает машину (Human Deceives Machine – например, использует уязвимости автономных систем, чтобы управлять их поведением, вводя им специальные конкурентные обучающие образцы); в) машина обманывает человека (Machine Deceives Human – применение генеративных состязательных сетей, ГСС позволяет сейчас создавать настолько реалистичные аудио-, фото- и видеоматериалы, что человек не может отличить их от реальных, настоящих записей) (см. также adversarial attack, adversarial process, antagonistic game, artificial neural