Исследование применимости машинного обучения в среде умных домов

Введение

Технологии умного дома и искусственного интеллекта быстро развиваются, и различные продукты умного дома, связанные с искусственным интеллектом (ИИ), улучшили качество жизни. Хотя в некоторых исследованиях обсуждалось применение искусственного интеллекта в умных домах, в немногих публикациях осуществлялся сравнительный анализ методов машинного обучения в контексте умных домов.

Машинное обучение было разработано в рамках усилий по развитию искусственного интеллекта. Искусственный интеллект как академическая область определяется как область, которая имеет дело с тем, как машины обучаются путем ввода и обработки данных. Исследователи пытались подойти к проблеме различными методами, но в основном сосредоточились на методологии нейронных сетей.

Машинное обучение начало развиваться после 1992 года и изменило способ решения проблем, но до тех пор использовались традиционные методы искусственного интеллекта. Машинное обучение использует методологии, основанные на статистике и вероятности, в отличие от классических методологий искусственного интеллекта, основанных на символизме. Традиционные алгоритмы машинного обучения просты по своей алгоритмической структуре, такой как дерево решений. При традиционном машинном обучении от инженера требуется загрузить машину всеми необходимыми знаниями с огромным объемом данных и, возможно, вручную модифицировать алгоритм таким образом, чтобы он мог работать и машина могла выдавать требуемые выходные данные. Напротив, машинное обучение с помощью обратного распространения заставляет машину учиться самостоятельно на своих ошибках во время повторений и обратной связи. Таким образом, входные данные и веса нейронов постоянно изменяются до тех пор, пока не будут получены желаемые выходные данные.

В последние годы многие исследователи утверждали, что машинное обучение остается подуровнем искусственного интеллекта. Тем не менее, есть значительная часть исследователей, которые утверждают, что машинное обучение и искусственный интеллект - это две совершенно отдельные области.

Благодаря использованию метода глубокого обучения машина теперь стала в значительной степени имитировать человеческий мозг в том, как он усваивает концепции. Люди учатся на своем опыте и наблюдениях, а теперь то же самое делает и машина. Людям больше не нужно вводить концепции в машину, чтобы выучить их. Непрерывная обратная связь машины посредством повторений с параллельной классификацией концепций приводит к тому, что машина изучает новые, более сложные концепции, основанные на уже известных концепциях в ней и комбинирующие их.

Машинное обучение, использующее метод глубокого обучения, используется во многих приложениях, таких как распознавание лиц, поисковые системы, реклама, восстановление изображений, видеоигры и системы умных домов.

Список использованных источников
    1.    Machine Learning in Smart Homes [Электронный ресурс] URL: https://medium.com/swlh/machine-learning-in-smart-homes-5f39e9600cf0 (дата обращения: 09.03.23).
    2.    МАШИННОЕ ОБУЧЕНИЯ ДЛЯ «УМНОГО ДОМА» [Электронный ресурс] URL: https://elar.urfu.ru/bitstream/10995/48255/1/rrfp_2016_1_061.pdf (дата обращения: 09.03.23).
    3.    ПОДХОДЫ К ТЕСТИРОВАНИЮ И АНАЛИЗ РАБОТЫ СИСТЕМЫ УПРАВЛЕНИЯ УМНЫМ ДОМОМ НА БАЗЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ [Электронный ресурс] URL: https://cyberleninka.ru/article/n/podhody-k-testirovaniyu-i-analiz-raboty-sistemy-upravleniya-umnym-domom-na-baze-metodov-mashinnogo-obucheniya (дата обращения: 15.03.23).
    4.    Искусственный интеллект как инструмент в автоматизации зданий [Электронный ресурс] URL: https://www.secuteck.ru/articles/iskusstvennyj-intellekt-kak-instrument-v-avtomatizacii-zdanij (дата обращения: 15.03.23).
    5.    AWS IoT для умного дома [Электронный ресурс] URL: https://aws.amazon.com/ru/iot/solutions/connected-home/ (дата обращения: 16.03.23).
    6.    Время построения, скорость сети и маршрутизации: как мы улучшили свою mesh-сеть и немного про нейросети [Электронный ресурс] URL: https://habr.com/ru/articles/452954/ (дата обращения: 16.03.23).
    7.    Нейросети и машинное обучение в девелопменте: от «умных» камер до виртуальных дворецких [Электронный ресурс] URL: https://www.iksmedia.ru/articles/5875915-Nejroseti-i-mashinnoe-obuchenie-v.html (дата обращения: 10.04.23). 
    8.    Что такое искусственный интеллект и машинное обучение в строительстве? [Электронный ресурс] URL: https://ardexpert.ru/article/16054 (дата обращения: 10.04.23).
    9.    Умный дом, оснащенный ИИ, будет заботиться о здоровье хозяина [Электронный ресурс] URL: (дата обращения: 10.04.23).
    10.    Smart Home: Deep Learning as a Method for Machine Learning in Recognition of Face, Silhouette and Human Activity in the Service of a Safe Home [Электронный ресурс] URL: https://www.mdpi.com/2079-9292/11/10/1622  (дата обращения: 10.04.23).
    11.    Machine Learning Powered Home Scenes: A Blueprint for Intelligent Home Automation [Электронный ресурс] URL: https://www.wevolver.com/article/machine-learning-powered-home-scenes-a-blueprint-for-intelligent-home-automation (дата обращения: 10.04.23).
    12.    Machine Learning in Smart Home Energy Monitoring System [Электронный ресурс] URL: https://iopscience.iop.org/article/10.1088/1755-1315/769/4/042035/meta(дата обращения: 14.04.23).