MESTERSÉGES INTELLIGENCIA
A deep learning korának megoldásai és a technológia korlátai
A mesterséges intelligencia ma már megkerülhetetlen jelenség, napi szinten használjuk életünk során, gondoljunk csak a Google útvonaltervező vagy a TikTok algoritmus rendszereire. Számost tévhit és kérdés kering ezen technológia körül. Mi is az a mesterséges intelligencia? Hogyan működik? Mik a veszélyei?
Dr. Kertész Gábor, az Óbudai Egyetem Neumann János Informatikai Karának docense tartott érdekfeszítő előadást a témáról 2025. február 27-én, az iskola dísztermében, amely során ezeket a kérdéseket körbejárta.
Az előadás elején az intelligencia és a mesterséges fogalmak kerültek tisztázásra. Előadónk hangsúlyozta, hogy ezek minden emberben meg vannak, tehát alapvetően minden ember intelligens lény. Ez a két alapfogalom két kérdéshez vezetett el: Mi lenne, ha a gépek is gondolkozni tudnának? Mennyire intelligens az MI?
A második kérdésre előadónk egy szemléletes példát hozott. A generatív MI olyan technológia, amely előre megadott adatokból valósághű képeket, szöveget és zenét képes generálni. Ha azt mondjuk az MI-nek, hogy mutasson lazacokat egy folyóban, az adatokból könnyen létrehoz egy olyan leírásnak megfelelő képet, amin a diákok is csak nevettek.
A mesterséges intelligencia ma rohamosan fejlődő ága a gépi tanulásból származó mély gépi tanulás, mely megfigyelésen és tapasztalatszerzésen alapszik, és működését folyamatos módosítás jellemzi a jobb eredmények eléréséért. De hogyan is jött létre?
Az első kérdéssel – Mi lenne, ha a gépek is gondolkozni tudnának? – már az 1950-es évek óta foglalkoznak, jóval a mai számítógépek megjelenése előtt. A diákok számára a Kódjátszma című filmből is ismerős Alan Turing, az Enigma feltörője vetette fel a Turing-teszt koncepcióját, ami a gépek intelligenciáját mérheti. Lényege, hogy egy gépezet képes-e válaszaival elhitetni egy emberrel, hogy ember, nem pedig gép. A mai ChatGPT átmenne a Turing-teszten.
Előadónk Turinggel kezdve egy idővonalon mutatta be az MI történelmét. Minsky és Papert 1969-ben megjelent Perceptrons című munkája az egyszerű mesterséges neurális hálók elemzését és lényeges korlátait mutatta be. Emiatt évtizedekre lelassult az MI fejlődése, hosszú távon azonban ez a könyv hozzájárult ahhoz, hogy a későbbi kutatások erősebb alapokra épüljenek.
Fontos mérföldkő volt a Hopfield-hálózat definiálása 1982-ben, ez indította el újra az MI kutatásokat, melyeknek mai napig alapul szolgál. Nagy áttörést jelentett Hinton 2006-ban közölt munkája az úgynevezett deep belief network-ről, ami az 1970-es évek óta ismert, ám addig megoldhatatlannak hitt modell. A 2010-es évektől kezdve újabb és újabb területek alkalmazzák a mesterséges intelligenciát.
Informatikai Nobel-díj nem létezik. Azonban az MI kutatások olyan jelentős eredményeket értek el, hogy 2024-ben Hopfield és Hinton fizikai Nobel-díjat kapott az MI fizikai alapjainak megalkotásáért. Kémiai Nobel-díjat kapott David Baker új típusú fehérjék felépítéséért, Demis Hassabis és John M. Jumper pedig egy MI-modell fejlesztéséért, ami közel 50 éves problémát old meg fehérjék összetett szerkezetének előrejelzésével.
De mi is az a mesterséges neurális hálózat, és mitől mély a mély gépi tanulás? Előadónk ennek könnyebb megértését egy ingatlan ügynök példájával segítette. A mesterséges neurális hálózat bemeneti értékei olyanok, mint egy ház paraméterei az ingatlan ügynök számára. Az elemi neuronokat összekötő rejtett rétegek úgy működnek, ahogy az ingatlan ügynök dolgozik a paraméterekkel a ház árának becsléséhez. A kimeneti érték a ház piaci ára. A mély gépi tanulás esetében a rejtett rétegek száma több egynél. Ezt a technológiát alkalmazzák a mai képfeldolgozásban, gépi látásban, beszédfelismerő rendszerekben, tartalomgeneráló vagy ajánló modellekben.
Ezen alapszik a deepfake és a ChatGPT nyelvi modellje. Előadónk hangsúlyozta, hogy aki használt már ilyen modelleket, maga is tapasztalhatta, a mesterséges intelligencia közel sem tökéletes. A modell csak annyira lehet jó, mint a bemeneti minta.
Az előadást egy fontos üzenet zárta: Mindig légy kíváncsi!
 |
 |
 |
Köszönjük előadónknak, hogy kimerítően válaszolt a diákok kérdéseire! A program az MTA Alumni Program támogatásával valósult meg.
Varga Virág Sára könyvtárostanár hallgató, ELTE
Hozzászólások