Nemrégiben előadást tartott volt iskolájában, a Berze Nagy János Gimnáziumban Vajna Szabolcs, az AImotive mesterségesintelligencia-kutató munkatársa. A „Mesterséges intelligencia az önvezető autókban” című bemutatójában egyebek mellett arra kereste a választ, hogy tud-e gondolkodni egy önvezető autó, hogyan lát egy számítógép, illetve hogy miként ismerhető fel az úttest, a járművek, vagy a közlekedési táblák.
– Nemrégiben a volt középiskolájában, a gyöngyösi Berzében tartott érdekes, sokak által érdeklődéssel kísért előadást. Tulajdonképpen mi nevezhető ma mesterséges intelligenciának?
A mesterséges intelligenciáról legtöbbeknek talán az ember formájú beszélgető robotok jutnak az eszébe, de ezt a kifejezést mi, a kutatói oldalon, ennél jóval tágabb értelemben használjuk. Egy viszonylag általánosan elfogadott definíció szerint a „hagyományosan emberek által végzett, intellektuális feladatok automatizálására való törekvés”. A mesterséges intelligenciának egyik legsikeresebb ága az úgynevezett gépi tanulás, az ezen alapuló algoritmusokat széleskörűen használják például a kép- és hangfeldolgozásban, valamint nagy adatbázisok elemzése során.
Az előadásomban a mesterséges intelligencia önvezető autókat érintő alkalmazásaira fókuszáltam, konkrétan azt a kérdést boncolgattam hogyan lát egy számítógép, hogy ismerhető fel például az úttest, a járművek, vagy a közlekedési táblák.
– Általánosságban elmondható, hogy a mesterséges intelligencia az élet számos területére begyűrűzött. Egyáltalán mióta vált ez a mindennapjaink részévé?
A téma kutatása akadémiai körökben hosszú múltra tekint vissza, azonban a 2000-es évek közepén robbanásszerű fejlődésnek indult, és mára már jelentős ipari felhasználással bír. A levelező programokba épített levélszemét-szűrő tipikus alkalmazása a mesterséges intelligenciának. Egy újabb áttörés 2012-ben történt, amikor a neurális hálók – a gépi tanulás speciális, az idegrendszer működése által ihletett algoritmusai – egy nemzetközi képfelismerő versenyen jelentősen megelőzték a korábbi, hagyományos módszereket. A neurális hálón alapuló algoritmusok 1-2 éven belül széleskörűen elterjedtek, például a közösségi oldalakon is használnak arcfelismerő programokat.
– Mik az érvek és az ellenérvek a mesterséges intelligencia használatával kapcsolatban?
A mesterséges intelligencia sok mindenben kényelmesebbé és biztonságosabbá tudja tenni mindennapjainkat. Erre jó példa a modern autókban a vezetést segítő funkciók, pl. a sávtartás és a távolságtartás, amik egyszerre növelik a vezetés kényelmét és a közlekedés biztonságát. Másik példa lehet a biztonsági kamerák képeinek automatikus feldolgozása, amivel azonnal felismerhetővé válhatnak bűncselekmények és balesetek.
Mindemellett a mesterséges intelligencia képes lehet átvenni bizonyos feladatokat, amiket eddig emberek végeztek, olcsóbb „munkaerőt” kínálva. Így bizonyos szakmák szükségtelenné válhatnak, amire a társadalomnak fel kell készülnie.
Másrészt, mint minden találmányt, a mesterséges intelligenciát is lehet jó és rossz célokra is használni. Például képek vagy videók mesterséges intelligencia segítségével élethűen manipulálhatók, amivel például hihetően terjedhetnek álhírek.
– Mi talán leghamarabb a 80-as évek amerikai filmprodukcióiból ismerhettük meg a jelenséget. A magyar ember hol, milyen területeken használja a leginkább a mesterséges intelligenciát?
A legtöbb, mindannyiunkat érintő mesterséges intelligencia-alkalmazás az internethez kapcsolódik. A levélszemét-szűrőt már említettem, de nagyjából egy éve már lehetőségünk van automatikus – mesterséges intelligencia által generált – választ küldeni a fejlettebb levelezőrendszerekben. A webáruházakban a termék-ajánlások, vagy a Youtube-on a lejátszási lista ajánlásai szintén mesterséges intelligencián alapulnak. Ma már lehetőségünk van szöveget diktálni, vagy szóbeli utasítást adni a mobiltelefonnak, ezek a funkciók főként gépi tanulást, neurális hálókat használnak. A legújabb mobiltelefonok például mesterséges intelligenciát használnak jobb minőségű fényképek készítéséhez, a környezet felismeréséhez, arcok megtalálásához. Hosszan folytathatnám a sort.
– Meséljen a kutatásairól, mióta foglalkozik ezzel a témával, mi fogta meg ebben a digitális világban a leginkább?
Eredetileg fizikusként végeztem, a doktorimat is elméleti fizikából írtam. Gépi tanulással a doktori képzés alatt, 2015-ben kezdtem el foglalkozni, először csak hobbiként. Két fizikus kollégámmal indultunk egy adatelemző versenyen, ahol azt kellett megjósolni, hogy a MOL-BUBI közbringarendszer állomásai mikor lesznek túlterheltek. Izgalmasnak találtam, hogy a fizikusként megszerzett matematikai eszköztárat, modellezési módszereket nagyon hatékonyan lehet használni a gépi tanulási feladatokban.
A verseny alatt Bostonban voltam Fulbright ösztöndíjjal, ahol sok érdekes gépi látással foglalkozó szemináriumon vettem részt, csak úgy kíváncsiságból. Ott ismerkedtem meg a neurális hálókkal, és magával ragadott, milyen jól működnek különféle feladatokban. Szerettem volna ezt mélyebben megérteni. A PhD képzés befejezése után úgy döntöttem, hogy szeretnék munkaidőben is mesterséges intelligenciával foglalkozni, ezért jelentkeztem az AImotive mesterséges intelligencia kutató állására, ahol jelenleg is dolgozom, 2017 szeptembere óta.
Szerző: Kékes Online
Fotó: beküldött, Vajna Szabolcs
