A gondolkodó gépek titkai – Benczúr András tudományünnepi előadása videón

Már az 1960-as években kifejlesztettek egy ELIZA nevű csevegőprogramot, amely pszichoterapeutának kiadva magát, egészen emberszerű kommunikációra volt képes. A program persze hamar lelepleződött, ha valaki kicsit is életszerű beszélgetésbe próbált vele elegyedni – a beépített szófordulatok ezekben a helyzetekben egyszerűen nem működtek. Ez a példa is jól mutatja, hogy a mesterséges intelligencia minőségének megítélése egyáltalán nem egyszerű feladat.

Benczúr András néhány érdekes példával – köztük a fent említett Boborjánt imitáló csevegőprogram és az ismert bútoráruház szilikonagyú asszisztense között lezajlott beszélgetéssel – illusztrálja a problémát, de inkább eltávolodik az elvi kérdésektől, és bemutatja, hogy mire képes ma a mesterséges intelligencia.

Benczúr András Forrás: mta.hu/Mudra László

Az okostelefonokon egyre gyakrabban elérhető prediktív szövegbevitel nagyszerű példa a specializált mesterséges intelligencia alkalmazására, mint ahogy a beszédfelismerés, vagy az automatizált fordítás terén is komoly fejleményeket hozott az utóbbi időszak.

Ahol nyerésre állnak a gépek

Azoknál a helyzeteknél, ahol gyors reakciókra, hirtelen elvégzendő bonyolult műveletekre van szükség, a gépi intelligencia előbb-utóbb felülmúlja az emberi képességeket. Jó példa erre a kötöttpályás járművek robotpilótája, - ilyen működik már a budapesti 4-es metrón is - vagy a vezetéssegítő technológiák, ahol a gépi szenzorok villámgyorsan érzékelik a környezet változásait, és képesek például eltérő erővel fékezni az egyes kerekeket.

A stratégiai-logikai játékokban a rengeteg lehetséges eset gyors áttekintése előnyt adhat a gépeknek – ez már 1996-ban megmutatkozott, amikor az IBM Deep Blue nevű szuperszámítógépe egy történelmi sakkjátszmában legyőzte Garri Kaszparovot. A go játék lehetséges állásainak száma azonban nagyságrendekkel nagyobb a sakkban elképzelhetőnél. Itt csak húsz év múltán, 2016-ban sikerült egy AlphaGo nevű mesterséges intelligenciának győzedelmeskednie a világ egyik legjobb gojátékosa, Lee Sedol felett. A győzelemben jelentős szerepe volt az úgynevezett mély tanulásnak, amely a hierarchikus rétegekbe szervezett mesterséges neuronhálózatok tanulási képességeire épít. E területen ugrásszerű fejlődésnek lehettünk tanúi az utóbbi években.

A gépi tanulás három alapfeltétele

Benczúr András szerint a gépi intelligencia fejlődése három alapfeltételre épít:

1. Rengeteg tanító adatra van szükség hozzá. Nem is véletlen, hogy a mesterséges intelligencia fejlesztésében élen járó óriásvállalatoknál – mint a Google, a Facebook vagy az önvezető autókat fejlesztő Tesla – elképesztő mennyiségű adat koncentrálódik keresési eredmények, szociális kapcsolati adatok vagy épp a vezetés alatt készülő élő videófolyam formájában.

2, Fontosak a tanulás matematikai alapjai – e területen hozott komoly előrelépést egyebek mellett a mély tanulás elve.

3. Nem szabad elfeledkezni az eredménnyel szemben támasztott elvárásokról: nem mindegy, hogy szűk területen használható csevegőprogramot, globális problémák megoldására hivatott módszereket vagy „intelligens” fegyverrendszereket szeretnének előállítani.

Az előadáson készült videofelvétel itt nézhető meg. (A videó feletti csúszkával állítható az élőkép és a dia méretének aránya.)