Több mint vihar egy pohár kávéban

A felvételen egy humanoid robot látható, ami egy asztal előtt áll és talán túlságosan is természetesnek tűnő hangon sorolja, mi mindent lát maga előtt. A gépember pár másodperccel később odanyújtja az almát a vele beszélgető embernek, majd azt is megindokolja, miért tette ezt. A videón Brett Adcock és Figure 01 szerepel, előbbi a Figure robotikai cég alapítója, másikuk a cég által fejlesztett emberszerű robot és a rövid teszttel azt bizonyítják, hogy a gépezet milyen fejlett képességekkel rendelkezik, különösen a kommunikációs teljesítményét és a mozdulatait tekintve. Mi az igazán különleges a felvételen?

Az egészen finom mozdulatok megvalósítására képes hardveren és a valós időben zajló regáláson kívül a harmadik speciális és legkiemelkedőbb jellemzője a robotnak, hogy a vele diskurzust folytató ember egyáltalán nem precíz és részletekbe menően alapos, hanem sokkal inkább általános és röviden megfogalmazott instrukciókat ad azzal kapcsolatban, hogy mit is vár tőle, Figure mégis képes értelmezni és megvalósítani a kérést. Az ehhez hasonló robotok lassan már nem is tűnnek extrém különlegességnek, hiszen az elmúlt években jóformán naponta jelentek meg újabb gyártók újabb fejlesztésekkel a humanoidok gyártásának terén, pedig az általános használatra alkalmas androidok készítése rendkívül bonyolult feladatot jelent, ha azt a komplex környezetet nézzük, amiben helyt kell állniuk a leendő munkájuk során.

Az MI-alapú emberszerű robotok csak egy példát képviselnek azzal kapcsolatban, hogy milyen exponenciális módon gyorsul a mesterséges intelligencia alkalmazások fejlődése

- számtalan más területen is megjelentek a közelmúltban azok a programok, akár a text-to-image, akár a videógeneráló programok terén, amelyek hihetetlen minőségi ugrást hoztak az előállított tartalom színvonalában. Többek között ez az exponencialitás az a faktor az MI-vel kapcsolatban, ami a felhasználók számára fontos lehet: számukra az elsődleges szempont nem az kell, hogy legyen, hogy hol tart ma a technológia, hanem, hogy milyen sebességgel fejlődik.

Minderről Szertics Gergely, mesterségesintelligencia-szakértő, az AI Partners alapítója és a magyar Mesterséges Intelligencia Koalíció volt szakmai vezetője beszélt a júniusban megtartott Smart Factory ConnAction konferencián, amelyet a Com-Forth ipari informatikai cég rendezett az ipar 4.0 témakörének körbejárására. A workshopon a hangsúly az ipari felhasználáson volt, azaz azon, hogyan tudja a mesterséges intelligencia, a digitalizáció és automatizáció elősegíteni a gyártási folyamatokat és milyen módon alkalmazzák jelenleg az ipari szereplők a technológiát, valamint melyek azok jelenlegi hiányosságok, amelyekkel kapcsolatban bőven nyílna még tér a fejlődésre.

Mi az az MI?

Ahhoz, hogy tudjuk, mikor hasznos alkalmazni a gyártásban a mesterséges intelligenciát, nem árt tisztázni, mi is az a mesterséges intelligencia és mi különbözteti meg a gépi tanulástól.

A mesterséges intelligencia valójában egy egészen széles spektruma a különféle technológiáknak, amelyek révén létrejöhetnek az emberi gondolkodást, kognitív funkciókat utánzó gépek,

olyan gépek, amelyek hozzánk hasonlóan látnak, beszélnek, elemeznek, reagálnak. A mesterséges intelligencia fejlesztésének és kutatásának területét 1956-ban alapozták meg a dartmouthi konferencián, ahol a kor vezető számítógéptudósai és információelméleti szakértői gyűltek össze, hogy megvitassák a téma égető kérdéseit, köztük John McCarthy, a Stanford későbbi professzora, aki először használta egy publikációban a mesterséges intelligencia kifejezést. McCarthy definíciója szerint az MI az intelligens gépek készítésének tudománya és mérnöksége. Az MI-nek többféle ága vagy altípusa létezik, amelyek egyike a gépi tanulás (ML): a gépi tanulás révén a gépek “tapasztalataikból”, előzetesen gyűjtött adatok alapján tanulnak és fejlődnek, folyamatosan javítva a teljesítményüket. Az ML-hez tartozik a manapság egyre népszerűbbé váló mélytanulás, amihez mesterséges neurális hálókat alkalmaznak. A gépi tanulás lényege, hogy az algoritmus maga találja ki a betáplált adatokból, hogy hogyan tud megalkotni egy eredményes finomhangolási technikát, az ipari felhasználásban például ilyen lehet a selejtfelismerés vagy egy-egy hiba előrejelzése, amihez nagyszámú kép alapján gyakorolja be a program, mi alapján ismerheti fel a problémát egyedül is.

Szertics a gépi tanulás analógiájaként az úgynevezett gyors gondolkodást hozta fel, amit Daniel Kahneman Lassú és gyors gondolkodás című könyvében a lassú gondolkodás társaként jelenik meg: előbbi az intuitív, a második a racionális gondolkodást jelenti. Az ML a képfelismerési és más jellegű feladatokat nem racionális elemzés útján oldja meg, azaz két eltérő objektumot nem a köztük lévő különbségek pontos megértése révén tud elkülöníteni egymástól, hanem inkább úgy tanul, mint egy kisgyerek, állandó gyakorlással. A program egyszerűen addig ismétli a képek osztályozását, míg sikerül egészen alacsony hibaszázalékkal elvégeznie a felcímkézést. A gépi tanulás ezen képessége ma már alapvető szerepet játszik sokféle alkalmazás működésében, pedig amikor az IBM sakkozógépe, a Deep Blue 1997-ben legyőzte Kaszparovot egy sakkverseny során, a képfelismerés még gyerekcipőben járt - mondta el Szertics. A Deep Blue támaszkodott ugyan némi gépi tanulási hozzáállásra is, de elsősorban a sakk szabályainak beprogramozásával “értette meg” és tudja játszani a játékot.

A gépi tanulást főként magas dimenzionalitású problémák esetén érdemes használni az iparban és máshol is, de egyszerűbb feladatok megoldására más típusú rendszerek is rendelkezésre állnak. Egy ügyfél vásárlási szokásainak előrejelzésére elegendő lehet a korrelációs mátrix elemzése, viszont a strukturálatlan adatok feldolgozására, rengeteg együtthatót tartalmazó rendszerek értelmezésére hasznos, sőt kulcsfontosságú a gépi tanulás.

A tanulság "ne használj AI-t, ha nincs szükség AI-ra".

Az ML megfelelő működéséhez ezért az egyik legalapvetőbb összetevőt az jelenti, hogy tudjuk, mikor szükséges alkalmazni, mikor találkozunk olyan problémával, aminek a megoldása túl bonyolult lenne az emberek számára, mivel rengeteg faktort kell figyelembe venni a rendszer áttekintéséhez és a probléma gyökerének feltárásához. A másik lényeges szempont annak felmérése, hogy rendelkezésre áll-e elegendő adat, ami alapján a gépi tanulási algoritmusok tanulni tudnak. Optimalizálás, képfelismerés-alapú alkalmazások, pontszerű selejtválogatás, karbantartás során a hibák felismerésének gyorsítása, a gépek menedzselése - csak néhány azon területek közül, amelyeknél hasznos a mesterséges intelligencia, illetve az ML.

A gépi tanulás egyik típusa, a mélytanulás neurális hálókon alapul, amelyeknek különböző “mélysége”, tehát rejtett rétegei lehetnek és a feladat komplexitása szabja meg, mennyi plusz mesterséges neuront kell a rendszerhez adni a cél eléréséhez. A mélytanulás az ipar 4.0 forradalmának sarokköveként szolgálhat, hatékony segítőként egy adatvezérelt környezetben, ahol a robotok, szenzorok, IoT eszközök, digitális ikrek, mesterséges intelligencia rendszerek együttműködésével növelhető a teljesítmény, de ahol létfontosságú a begyűjtött rengeteg adat kezelése. A legfontosabb pedig felismerni, hogy melyik program hogyan működik és mi a leghatásosabb megoldás egy-egy helyzetben. A konvolúciós neurális hálók, a rekurrens neurális hálók, az SVM (Support Vector Machines) programok, a megerősítéses tanulás és sok más alkalmazás mind más környezetben válhat be a legjobban, de a döntést az embereknek kell meghozni azzal kapcsolatban, hogy melyiket használják fel a munka elvégzésének elősegítésére. Ehhez elsősorban azt szükséges érteni, hogy mik a korlátaik vagy éppen erősségeik a különféle rendszereknek - mondta el Szertics, hozzátéve: "végső soron a mesterséges intelligencia nem veszi el senki munkáját és önmagában nem fog javítani a dolgokon, erre csak az emberek képesek, akik az MI-t használják."

(Fotó: Bernie Nunez/Getty Images)