Vajon hány területet tudnánk megnevezni a mindennapokból, ahol mesterséges intelligencia fut a háttérben? Gondolnánk, hogy ez működteti a fényképezőkben az automatikus élesség állítását vagy az arcfelismerést? Vagy az okostelefonunk rendszeroptimalizálását? De ott van az MI az internetes keresésink mögött, a zenehallgatási szokásaink elemzésében, de ha egészségügyi ellátásra szorulunk, számos orvosdiagnosztikai eszköz is ezzel a technológiával működik, ahogy az autókban lévő táblafelismerő rendszer is. De ott vannak a különböző játékok is, ahol akár MI által vezérelt ellenfelekkel versenytársakkal is találkozhatunk az online térben.

Mielőtt áttekintenénk az MI fejlődését, első lépésként fontos különbséget tenni az egyszerű okos eszközök és a mesterséges intelligencia között. Természetesen az okoseszközök egy részében MI is található, sőt, akár ötvözni is lehet az egyszerűbb, szabály alapú megközelítést a mesterséges intelligenciával. Mi akkor mégis a lényeges különbség?

„A szimpla okoseszközök esetén nem kell feltétlenül következtetési képességgel rendelkeznie az adott eszköznek. Egy okos termosztát például egyszerűen egy beállított hőmérséklet alatt bekapcsolja a fűtést” – mondja Szücs Imre. A mesterséges intelligencia esetén viszont az eszköz megtanulja, hogyan kell viselkednie, hogy bizonyos szempontból a leghasznosabb dolgot csinálja. A termosztát példájánál maradva: megtanulja, hogy milyen körülmények között kell bekapcsolnia a fűtést, anélkül, hogy ezt szabályként megadtuk volna. Fontos megjegyezni, hogy ez nem mindennap ugyanaz a hőmérséklet lesz: az MI észreveszi, hogy hétvégén máshogy viselkedünk, mint hétköznap, mások az igényeink, és ezek fényében határozza meg a beállításokat.

A kezdetek: ezeken a területeken alkalmazták először

A szakember szerint nehéz pontosan definiálni, hogy hol a határ a mesterséges intelligencia és az egyéb fejlett matematikát alkalmazó területek között. A fizika, a csillagászat, a biológia, a hálózatkutatás és sok egyéb terület már korábban is alkalmazott olyan eljárásokat, amelyeket manapság a mesterséges intelligencia területéhez szoktunk sorolni. Talán az internetes keresőcégeknél láthattuk először, hogy nagyvállalati szinten kezdik alkalmazni ezeket az eljárásokat ..

„A pénzintézetek, tőzsdei kereskedő cégek, biztosítók szintén korán alkalmazni kezdték az MI-t. Ezeken a területeken már korábban is komoly matematikát és statisztikát alkalmazó folyamatok működtek, így elég közel állt hozzájuk ez a fajta szemlélet. Persze a szabályozói környezet kihat a fejlődésükre, így a kezdeti lendület mára kicsit alábbhagyott, és ma már egyéb területeken aktívabban használják az MI-t” – mutatott rá Szücs Imre. A telekommunikációs cégek, webáruházak, digitális szolgáltatást nyújtó cégek szintén aktívan használják a mesterséges intelligenciát.

Részek az egészben: ezek a különböző MI-típusok

Az egyik legelterjedtebb megközelítésben a képességek alapján 3 típusba szoktuk sorolni a mesterséges intelligenciákat: Weak, General és Super AI. A jelenleg elterjedt megoldások a Weak AI kategóriába tartoznak, ahol az MI egy specifikus feladat ellátására lett betanítva. Az adott feladatban akár lényegesen jobbak is lehetnek, mint az ember. A sakk vagy Go nagymestereket legyőző mesterséges intelligenciák szép példák arra, amikor egy specifikus feladatban győzedelmeskedik az MI, de szinte semmilyen egyéb feladat megoldására nem képes.

A kutatások igen aktívak a General AI irányába, nemrég a Google meg is jelent néhány ígéretes eredménnyel. Ezek már az emberhez hasonló képességekkel rendelkeznek, és szinte bármilyen feladatot hozzánk hasonlóan tudnak megoldani. A Super AI szinte minden típusú feladatban az emberhez képest jobb teljesítményt tud elérni, de ez majd csak a General AI után következik.

A hétköznapi és üzleti életben az adattudomány, adatbányászat, gépi tanulás és mesterséges intelligencia sokszor keveredik. Ennek fő oka, hogy a valóságban nem mesterséges intelligenciát vagy gépi tanulást szeretnénk bevezetni, hanem megoldani egy problémát.

Felzárkózóban az ipar és a mezőgazdaság, hatalmas lendületben a genetika

Szücs Imre kiemelte: nagyon komoly lehetőséget tartogatnak a mezőgazdasági alkalmazások, melyek segítségével lényegesen jobb hozamokat, kevesebb vegyszer-használatot lehet elérni. Szintén komoly felhasználó területté vált az ipar, ahol a gyártósorok működésének optimalizációja, hibás termékek valós-idejű felismerése, vagy a berendezések meghibásodásának előrejelzése komoly versenyelőnyt jelent.

A gyógyszerkutatás és genetika szintén nagy változáson megy keresztül. Genetikai elemzéseken belül MI-eljárások segítségével hatékonyabban tudjuk beazonosítani a rendellenességeket. „Emellett egyre közelebb kerülhetünk a személyre szabott egészségügyhöz, ahol specifikus gyógyszerekkel kezelhetőek a páciensek” – mutatott rá a szakember.

Az IT-ról sem felejtkezhetünk meg, sőt!

Az informatikai szektorból Szücs Imre két területet emelt ki: az IT eszközpark működésének monitorozása és az informatikai biztonság támogatása szintén nagy átalakuláson mennek keresztül. „A mesterséges intelligencia eljárások segítségével olyan méretű adathalmazt tudunk feldolgozni, melyre korábban nem volt lehetőség: így a támadásokra és betörési kísérletekre már a rendszer nem megszokott viselkedéséből is következtetni tudunk” – mondja szakember.

A virtuális térben való biztonság mellett a valós térben is hatékonyan alkalmazhatjuk az MI-t. „A képfeldolgozás és a képi, illetve videó adatokon való MI-fejlődésének köszönhetően kameraképek alapján fel tudjuk ismerni a nem megszokott mozgásokat – például egy vásárló a pénztár mögé nyúl -, arcfelismeréssel detektálni tudjuk az idegeneket az épületben, vagy monitorozhatjuk a közlekedést optimalizáció vagy szabálytalanságok feltárása céljából”.

Mi a sikeres fejlesztések titka, avagy a részlet az adatokban rejlik?

Az elmúlt időszak ugrásszerű fejlődést generált a digitális technológiák térnyerésében. Azonban a technológia sikeres adaptálása és alkalmazása már más kérdés Szücs Imre szerint. A sikeres MI-fejlesztés egyik alapfeltétele ugyanis az elégséges adat. Ma már ezzel egyre többen tisztában vannak és gyűjtik is a szükséges adatokat.

„Ezek hatékony menedzsmentje azonban nem könnyű feladat -folytatja a szakértő – hiszen a vállalati adatvagyon biztonsági kockázatokat hordoz magában és érzékeny adatokat is tartalmaz. A nagy mérete miatt pedig igen költségessé válhat a tárolása, mozgatása és feldolgozása”.

Stratégia nélkül nem együnk semmire

A sikeres MI-hez azonban nem elég sok adattal rendelkezni. Stratégiai szintre kell emelni és világosan látnunk kell, mit akarunk elérni az MI-vel. „Ez a stratégiai gondolkodásmód sok esetben sajnos még hiányzik, és nagyon sokan az MI-t valamilyen varázsdoboznak tartják, ami majd hasznos lesz valamire” – mutat rá Szücs Imre. Ez pedig természetesen csalódáshoz, kiábrándultsághoz vezethet. Nagyon érdekes látni azokat a felméréseket, melyek szerint ma már a nagyvállalatok döntő többsége alkalmaz valamilyen MI-t, de emellett az MI-projektek nagy része sikertelenül zárul. Nem hozza azt a hasznot, amit korábban beígért.

„És mindemellett a megfelelően képzett szakemberekből is hiány van. A megfelelő szakmai, matematikai, technológiai alapokkal és üzleti látásmóddal is rendelkező szakembereket nehéz megtalálni és megtartani” – hangsúlyozta. Ugyanakkor fontos látni, hogy maga az MI már bizonyított. Nem az a kérdés, hogy hasznos lehet-e számunkra, habnem az, hogy tudjuk-e megfelelően alkalmazni, hogy kiaknázzuk a benne rejlő potenciált.

A mesterséges intelligencia fejlődését áttekintő anyagunk második részében azzal foglalkozunk, hogy egy vállalatnak milyen lépéseket kell tenni annak érdekében, hogy sikeresen alkalmazza ezt a technológiát, de áttekintjük azt is, hogy Magyarországon mi a helyzet az MI-terén.