Mesterséges intelligencia: féljünk vagy megértsük?

Tanulásra képes robotok, kép- és hangfelismerő rendszerek, önvezető autók és számos olyan felfedezés, amelyekre korábban talán nem is gondoltunk − hihetetlenül felgyorsult a mesterséges intelligencia kutatása. Világszerte nap mint nap születnek kiemelkedő és megdöbbentő eredmények. A továbblépés kulcsa, sikerül-e megértenünk, hogy miért működnek. Mi a matematikai alapjuk? Ezt vizsgálja Szegedy Balázs vezetésével egy új kutatócsoport az MTA Rényi Alfréd Matematikai Kutatóintézetben.


Mi köze a matematikának a mesterséges intelligenciához? − kérdeztük Szegedy Balázst, aki a 2000-es évek elején kezdett foglalkozni nagy hálózatok matematikai modellezésével.

– A mesterséges intelligencia egy gyűjtőfogalom, sok részből áll, és közülük az egyik az úgynevezett mélytanulás (deep learning), amely a neurális hálózatokon alapul. A mesterséges neurális hálózatok fogalma az 1960-as években jelent meg, és az elnevezés a biológiai neuronok, azaz idegsejtek agyi hálózatával való párhuzamra utal. Mi itt az intézetben nem általában a mesterséges intelligenciával foglalkozunk, hanem a mélytanulással, a neurális hálózatok elméletével, ami egy nagyon jól kezelhető modell, azaz matematikailag át­tekinthető a leírása. A neurális hálózatok egy hosszas tanulási/tanítási folyamaton keresztül nyerik ki környezetükből azt a „tudást”, amitől hasznossá válnak, ám ez rendkívül nehéz és időigényes feladat. Bár ma már számtalan, a kísérleti tapasztalatokra épülő, sikeres módszer létezik, még rengeteg a nyitott kérdés, és a matematikai alapok megértésével és az eddigi eredmények elméleti keretbe foglalásával további nagy fejlődés várható.

Egy neurális hálózat egyszerűsített nézete (Forrás: wikipedia.org)
Hogyan lesz egy magyar matematikusból a mesterséges intelligencia kutatója?

– Az ELTE-n matematikus szakon végeztem, itt is doktoráltam. Ezután posztdoktorként az Egyesült Államokban a Microsoft Researchnél kezdtem, ahol mentorom az akkoriban ott dolgozó Lovász László lett. Egyik témánk, a gráflimeszek elmélete arról szól, hogy nagyon nagy struktúrákban egy lényegi komponenst akarunk megfigyelni, meg akarjuk érteni a „rendet a káoszban”. Egész életünkben nagy hálózatokkal vagyunk körülvéve, ilyenek az emberek közti különféle szociális hálózatok, az emberi agyban az idegsejtek hálója vagy az internet. Arra voltunk kíváncsiak, hogyan lehet ezeket a nagy hálózatokat matematikai módszerekkel jobban megérteni.

Princetoni és torontói egyetemi kutatói tapasztalattal, tíz év után, 2012-ben tért vissza Magyarországra. Úgy tudom, hogy a Magyar Tudományos Akadémia Lendület pályázata hívta haza.

– Valóban, ennek a nagyszerű lehetőségnek köszönhetően alapíthattam meg a nagy hálózatok Lendület kutatócsoportját. Nem sokkal később elnyertem az Európai Kutatási Tanács, az ERC Consolidator Grant pályázatát is.
Pár éve kiderült, hogy témánk szorosan kapcsolódik a mesterséges intelligencia területéhez, hiszen ott is az a kihívás, hogy nagy, bonyolult struktúrákból hogyan lehet a lényeget kiemelni. Ez inspirálta azt, hogy egy új kutatócsoportot hozzak létre a Rényi Intézetben, amely túllép a gyakorlati alkalmazások és technológiák kutatásán, és a mesterséges intelligencia elméleti alapjait vizsgálja. A lényeglátás matematikáját próbáljuk megtalálni.

Szegedy Balázs (Forrás: mta.hu)
Milyen alkalmazások vannak? Mostanában sokat hallani az arc- és képfelismerésről.

– A képfelismerésben a nagy áttörés négy-öt éve volt, erre büszke is vagyok, mivel a bátyám, Szegedy Krisztián nevéhez fűződik, ő a Google-nál kutató Kaliforniában. A képfelismerő rendszerek most már lényegében emberi szinten tudnak képeket elemezni, azaz meg tudják mondani, hogy mi a kép témája. Ez használható az orvosi diagnosztikában, az arc, a beszéd vagy a kézírás felismerésében, vagy éppen műholdképek elemzésénél. A neurális hálózatokra épülő alkalmazások ma már körülvesznek bennünket a valóságban, a mobiltelefonunkban, az önmagát irányító robotokban és a videojátékokban egyaránt − bár talán nem is tudunk róla.

Mi leszünk a nagy technológiaváltás szemtanúi?

– Azt gondolom, hogy a mesterséges intelligencia nemcsak technológiai, de drasztikus társadalmi változásokat fog hozni pár éven belül. Ez rengeteg etikai, morális problémát is fölvet, amire megoldást kell találni.
Nemrég Amerikában, a Google-nál tartottam egy előadást a mostani kutatásainkról. Ott annyi lelkesedéssel és energiával találkoztam, amitől úgy éreztem, a világban egy „új ipari forradalom” zajlik. Aki ezzel foglalkozik, azt majdnem minden érdekli, akár elmélet, akár gyakorlat, egyszerűen azért, mert a verseny nyílt, nem lehet tudni, hogy mi vagy ki lesz a befutó. Az az izgalmi helyzet, hogy itt most valami változik, és nem tudjuk, hogy mi fog történni, kinyitja az emberek elméjét. Hihetetlenül jó beszélgetéseket folytattam a dolgok filozófiai távlataitól kezdve egészen az elméleti matematika gyakorlati alkalmazásáig ott a Google csúcskutatóival.

Nálunk még nem jellemző, hogy a hazai nagyvállalatok elméleti kutatásokat is támogassanak.

– A nagy amerikai multicégeknél már mindenki érzi a technológia és a tudomány forradalmi változásait és készülnek rá. Magyarország még nem tart itt, pedig nálunk aztán van szürkeállomány, amivel lehetőségünk volna a világ élvonalához csatlakozni. Erre most minden reményünk megvan!

Magyar Tudományos Akadémia Rényi Alfréd Matematikai Kutatóintézet

Ha itthon sikert érünk el a mesterséges intelligencia alapkutatásában, valószínű, hogy az nagyon gyorsan át fog kerülni a gyakorlatba. Bár a cégek ezt nálunk nem tudják finanszírozni, szerencsére az akadémiai intézetekben egyre több lehetőség van a témához kapcsolódó elméleti munkára.
Én elméleti ember vagyok, de szeretem látni, hogy van egy folytonosság az elmélet és alkalmazása között, érdekel, hogyan kerül át a kutatás eredménye a gyakorlatba. Ezt a hangulatot szeretném behozni a kutatócsoportomba. Jóllehet elméleti kérdésekkel foglalkozunk, de ismerjük a kapcsolatát a gyakorlattal. Célunk, hogy hidat építsünk a kettő között.•

Az interjú bővített változata elolvasható a negyedévente megjelenő Érintő Elektronikus Matematikai Lapokban.
A témához kapcsolódó cikkek:

 
Archívum
 2011  2012  2013  2014  2015  2016  2017  2018  2019  2020  2021  2022  2023  2024
Címkék

Innotéka