Tech

Minden, amit a mesterséges intelligenciáról tudni érdemes

AI, MI, deep learning, machine learning, neutrális hálózat: elmagyarázzuk, hogy mi ez az egész.

A mesterséges intelligencia az új szupersztár. Nélküle nincs önvezető autó, keresési találat, arcfelismerés, chat bot, de még egy csekkalapú pénzkifizetés sem az automatánál. A számítástechnikai eszközök és a mellé járó tudás fejlődésével az AI (artificial intelligence) úgy lett szerves része mindenki életének, hogy nem is vesszük észre. Csak beszélünk róla.

Ahogy a gépi tanulásról, a deep learningről, meg különböző algoritmusokról. Kicsit zavaros lehet a kép úgy általában, ezért a most következőkben végigvesszük a terület fontos fogalmait,és megpróbáljuk rendszerbe önteni, hogy mit érdemes annak tudnia a témáról, aki nem atomfizikus vagy vezető programozó a Google-nél.

Ha lennének ilyen olvasóink, ők most egy kicsit ne figyeljenek ide.

Ha látom, felismerem

Az AI, vagy magyarosan MI egy intelligens számítógép. Sőt, akár az embernél is okosabb számítógép. A mögötte lévő törekvés pedig az, hogy a számítógépeket olyan emberszerű képességekkel ruházzák fel, mint a logikus gondolkodás, az érvelés vagy a következtetés.

Az AI szakirodalma szerint alapvetően két nagy típusa van:

  • keskeny, vagy narrow AI: ez az a mesterséges intelligencia, ami már körülöttünk van, amit használunk. Azért keskeny, mert egyetlen feladatra tervezték. A keskeny AI meg tudja mondani, hogy milyen idő lesz holnap, önállóan elvezet egy autót, és megveri a világ legjobb GO játékosát. De megvannak a maga határai: egy önvezető autó például nem tud sakkozni.
  • általános, vagy general AI: komplex feladatokat elvégző, az élet minden területén helytálló, akár saját személyiséggel is rendelkező AI. Ez már bőven a sci-fi területe, emlékezzünk csak a Her (A nő) című filmre, ahol egy Samantha nevű entitás egy intelligens operációs rendszerként tökéletes asszisztense lesz tulajdonosának.

Most, 2016-ban még bőven a keskeny AI időszakában vagyunk, de a fejlődés hatalmas léptekkel megy előre, és egyre intelligensebb rendszerek születnek. A téma már évtizedek óta ismert, ahhoz azonban, hogy előrelépés legyen, olyan területeken szükséges fejlődni, mint az érvelés képessége, a nyelvi kifejezés tökéletesítése, a megszerzett tudás megmutatása, illetve a tájékozódás. Ehhez újabb és újabb módszerekre van szükség, amelyek mind a mesterséges intelligencia alapjaira építenek, egyben annak részei is maradnak. Ezt a rendszert kiválóan illusztrálja az Nvidia blogján közzétett ábra:

deep_learning_history

Ebben a szakaszban essen szó a machine learningről, azaz a gépi tanulásról. Ez egy olyan eszköz, ami az adatokból kinyert információ alapján képes következtetésekre, jóslatokra jutni a világgal kapcsolatban. A kicsit lentebb elhelyezett videóban a Google egyik programozója tökéletesen megfogalmazza a machine learning lényegét: nem arra a célra írnak programot, hogy az megoldja a problémát, hanem arra, hogy a szoftver megtanulja, hogyan oldjon meg problémákat példák alapján.

Stréber tanulógépek

Az AI területén ugyanis a hagyományos, szigorú szabályok alapján történő programozás nem működik, hiszen a való világban sok esetben nem egyszerűen leírhatók, felismerhetők a tárgyak, a személyek, stb. Ezért az az elsődleges feladat, hogy rengeteg dolgot megtanítsanak a számítógépnek, pontosan úgy, ahogy a gyerekkel teszik születésétől kezdve. Ennek megértéséhez a Tech in Asia videója kiváló eszköz:

Érdemes kipróbálni a Google Quick, Draw! nevű játékát is, ami tökéletesen bemutatja, hogy miről szól az egész. A feladat úgy lerajzolni egy egyszerű tárgyat, hogy a számítógép (azaz az MI) ki tudja találni. Döbbenetes, de az esetek többségében, és ha az ember nem teljesen rajz analfabéta, a dolog működik is. Miért?

Azért mert a mesterséges intelligencia ilyen rajzok ezreit, sőt, akár millióit látta már, és a programozók beállításainak, finomhangolásának köszönhetően egyre nagyobb pontossággal képes megállapítani, hogy mit akarunk lerajzolni. Ezt azért tudja, mert korábban minták alapján megtanulta, hogy a kicsit hullámos fej, szemszerű izékkel és nyolc csáppal ellátva az nagy valószínűséggel egy polip lesz.

Így találja meg a Google Photos az összes kutyát, hegyet, fesztivált, csillagos eget ábrázoló fotót még egy több tízezer képet tartalmazó albumban is másodpercek alatt. Mert megtanították neki.

Egyre mélyebben és mélyebben

Végül két fogalom maradt, amit érintettünk is, meg nem is. Az egyik a neural network, azaz ideghálózat, ami a machine learning működésének alapja, vagy ha úgy tetszik, technikája. Ezt legtöbbször az agyi neutronok működéséhez hasonlítják. A neural network előre megírt algoritmusokkal (egy feladat elvégzéshez szükséges lépések, vagy folyamat leírása) old meg egy problémát, vagy értelmez egy feladatot, ami közben pontosan úgy videlkedik, ahogy az agy egy feladat megoldása során.

És itt jön a deep learning, azaz a mély tanulás, ami a gépi tanulás egy fejlettebb ága. Ez a módszer abban tudott továbblépni az eddigiekhez képest, hogy több rétegben, szinten dolgozza fel az információkat, azaz egy-egy lépcső csak egy problémával foglalkozik, amivel sokkal hatékonyabb lehet a folyamat.

Így épül fel, rakódik egymásra a mesterséges intelligencia világa, aminek az igazi felfutása (bármennyire is közhelyesen hangzik) még csak ezután következik. Ahogy a számítógépek egyre nagyobb kapacitás mellett egyre rövidebb idő alatt képesek dolgozni, úgy robban majd a terület és jönnek létre a cikk elején említett filmben szereplő mesterséges intelligenciák.

Ajánlott videó

Olvasói sztorik