Berta Sándor
Még buták a mai mesterséges intelligencia rendszerek
A technológia alapját jelentő folyamatok még valójában nem túl okosak. Kutatók ezen akarnak változtatni.
A Ruhr Egyetem Neuroinformatikai Intézetének munkatársai 25 éve foglalkoznak azzal, hogy valóban intelligenssé tegyék a mesterséges intelligencia által használt eljárásokat. A szakemberek mottója az, hogy ahhoz, hogy a gépek valóban okosan tudjanak reagálni, először új megközelítéseknek kell a gépi tanulást hatékonyabbá és rugalmasabbá tenniük.
Dr. Laurenz Wiskott, a Ruhr Egyetem professzora kiemelte, hogy napjainkban két fajta mesterséges intelligencia sikeres: az egyik a neurális hálózatok (mély tanulás), míg a másik a megerősítéses tanulás. Mind a kettő azon alapul, hogy egy rendszert bizonyos feladatok elvégzésére készítenek fel, például egy döntés meghozatalára. A számítógép idővel megtanulja, hogy a feladatokat pontosan és egyre gyorsabban oldja meg - sok esetben sokkal jobban, mint az emberek.
Ezekkel a folyamatokkal azonban az a probléma, hogy rendkívül buták. Az alapokat jelentő technikák ugyanis az 1980-as évekből származnak. A sikerük egyetlen titka, hogy napjainkban nagyobb számítási teljesítmény és a korábbinál több adat áll rendelkezésre. Ez lehetővé teszi a neurális hálózatok hatalmas mennyiségű képpel és információkkal való ellátását azért, hogy felkészíthetők legyenek a jövőbeli feladatokra.
Wiskott hozzátette, hogy mindenekelőtt azt akarják tudni, hogy a mesterséges intelligencia rendszerekkel kapcsolatos értelmetlen felkészítések elkerülhetők-e, valamint, hogy rugalmasabbá tehető-e a gépi tanulás. A probléma ugyanis az, hogy a technológia annak az adott feladatnak az elvégzése során, amelyre kiképezték, felülmúlhatja az embert, de általánosságban vagy már a hasonló feladatok elvégzésekor nem képes ugyanazt a tudást alkalmazni. Ezért a céljuk az, hogy a gépeknek segítsenek a különböző struktúrák önálló felfedezésében. Erre jó példa lehet, ha azt a feladatot adják a rendszernek, hogy fedezze fel és elemezze ki egy videó fokozatos módosulását. Az ilyen nem ellenőrzött tanulás segítségével a számítógépek önállóan fedezhetik fel a világot és olyan feladatok elvégzésére is alkalmassá válnak, amelyekre részletekbe menően nem lettek felkészítve.
A Ruhr Egyetem Neuroinformatikai Intézetének munkatársai 25 éve foglalkoznak azzal, hogy valóban intelligenssé tegyék a mesterséges intelligencia által használt eljárásokat. A szakemberek mottója az, hogy ahhoz, hogy a gépek valóban okosan tudjanak reagálni, először új megközelítéseknek kell a gépi tanulást hatékonyabbá és rugalmasabbá tenniük.
Dr. Laurenz Wiskott, a Ruhr Egyetem professzora kiemelte, hogy napjainkban két fajta mesterséges intelligencia sikeres: az egyik a neurális hálózatok (mély tanulás), míg a másik a megerősítéses tanulás. Mind a kettő azon alapul, hogy egy rendszert bizonyos feladatok elvégzésére készítenek fel, például egy döntés meghozatalára. A számítógép idővel megtanulja, hogy a feladatokat pontosan és egyre gyorsabban oldja meg - sok esetben sokkal jobban, mint az emberek.
Ezekkel a folyamatokkal azonban az a probléma, hogy rendkívül buták. Az alapokat jelentő technikák ugyanis az 1980-as évekből származnak. A sikerük egyetlen titka, hogy napjainkban nagyobb számítási teljesítmény és a korábbinál több adat áll rendelkezésre. Ez lehetővé teszi a neurális hálózatok hatalmas mennyiségű képpel és információkkal való ellátását azért, hogy felkészíthetők legyenek a jövőbeli feladatokra.
Wiskott hozzátette, hogy mindenekelőtt azt akarják tudni, hogy a mesterséges intelligencia rendszerekkel kapcsolatos értelmetlen felkészítések elkerülhetők-e, valamint, hogy rugalmasabbá tehető-e a gépi tanulás. A probléma ugyanis az, hogy a technológia annak az adott feladatnak az elvégzése során, amelyre kiképezték, felülmúlhatja az embert, de általánosságban vagy már a hasonló feladatok elvégzésekor nem képes ugyanazt a tudást alkalmazni. Ezért a céljuk az, hogy a gépeknek segítsenek a különböző struktúrák önálló felfedezésében. Erre jó példa lehet, ha azt a feladatot adják a rendszernek, hogy fedezze fel és elemezze ki egy videó fokozatos módosulását. Az ilyen nem ellenőrzött tanulás segítségével a számítógépek önállóan fedezhetik fel a világot és olyan feladatok elvégzésére is alkalmassá válnak, amelyekre részletekbe menően nem lettek felkészítve.