Részletes betekintés az AI technológia rejtelmeibe

AI Blog,

Az AI technológia elképesztő mértében terjed. Bár a mesterséges intelligencia, avagy az AI technológia számos definíciója született az elmúlt évtizedekben, John McCarthy a következő definíciót adja ebben a 2004-es tanulmányban:

„Az intelligens gépek, különösen az intelligens számítógépes programok készítésének tudománya és mérnöki tudománya. Kapcsolódik ahhoz a hasonló feladathoz, hogy a számítógépek segítségével megértsük az emberi intelligenciát, de az AI-nak nem kell a biológiailag megfigyelhető módszerekre szorítkoznia.”

 

Az AI technológia kialakulása

A mesterséges intelligenciáról szóló beszélgetés születését azonban évtizedekkel e meghatározás előtt Alan Turing 1950-ben megjelent Computing Machinery and Intelligence című korszakalkotó munkája jelezte. Ebben az írásban Turing, akit gyakran a számítástechnika atyjaként emlegetnek, azt a kérdést teszi fel, hogy tudnak-e a gépek gondolkodni. Ebből kiindulva felajánl egy tesztet, amelyet ma már Turing-teszt néven ismerünk, és amelyben egy emberi kérdező megpróbál különbséget tenni egy számítógép és egy emberi szöveges válasz között.

Bár ez a teszt a közzététele óta sok vizsgálatnak van kitéve, továbbra is fontos része a mesterséges intelligencia történetének, valamint a filozófián belül a nyelvészet körüli elképzeléseket felhasználó, folyamatos koncepció. Stuart Russell és Peter Norvig ezután megjelentette az Artificial Intelligence: A Modern Approach című könyvét, amely a mesterséges intelligencia tanulmányozásának egyik vezető tankönyve lett.

Ebben elmélyednek a mesterséges intelligencia négy lehetséges céljában vagy definíciójában, amely a számítógépes rendszereket a racionalitás és a gondolkodás vs. cselekvés alapján különbözteti meg:

  1. Emberi megközelítés: Olyan rendszerek, amelyek úgy gondolkodnak és viselkednek, mint az emberek. (Alan Turing definíciója az emberekhez hasonlóan viselkedő rendszerek  kategóriájába esne.)
  2. Ideális megközelítés: Racionálisan gondolkodó és cselekvő rendszerek

 

Legegyszerűbb formájában a mesterséges intelligencia egy olyan terület…

…amely az informatikát és a robusztus adathalmazokat kombinálja, hogy lehetővé tegye a problémamegoldást. Magába foglalja a gépi tanulás és a mélytanulás részterületeit is, amelyeket gyakran említenek a mesterséges intelligenciával együtt. Ezek a tudományágak olyan mesterséges intelligencia-algoritmusokból állnak, amelyek olyan szakértői rendszereket igyekeznek létrehozni, amelyek a bemeneti adatok alapján előrejelzéseket vagy osztályozásokat tesznek.

Az évek során a mesterséges intelligencia számos népszerűségi cikluson ment keresztül, de még a szkeptikusok számára is fordulópontnak tűnik az OpenAI ChatGPT kiadása. Legutóbb, amikor a generatív mesterséges intelligencia ekkora méreteket öltött, az áttörés a számítógépes látás területén történt. Most azonban a természetes nyelvi feldolgozásban történt az ugrás. És nem csak a nyelvről van szó. A generatív modellek képesek megtanulni a szoftverkódok, molekulák, természetes képek és számos más adattípus nyelvtanát is.

Ennek a technológiának az alkalmazási területei napról napra bővülnek, és még csak most kezdjük felfedezni a lehetőségeket. Ahogy azonban a mesterséges intelligencia üzleti felhasználása körüli felhajtás egyre nagyobb méreteket ölt, az etikai kérdések megvitatása egyre fontosabbá válik.

 

Az AI technológia típusai, avagy a ‘gyenge AI’ és az ‘erős AI’

A gyenge mesterséges intelligencia, más néven szűkített mesterséges intelligencia, rövidítve ANI, egy olyan mesterséges intelligencia, amelyet meghatározott feladatok elvégzésére képeztek ki és összpontosítottak. A gyenge mesterséges intelligencia határozza meg a legtöbb mesterséges intelligenciát, amely ma körülvesz minket. A „szűk” talán pontosabb leírás lenne erre a típusú mesterséges intelligencia típusra, mivel minden, csak nem gyenge.

Az erős mesterséges intelligenciát a mesterséges általános intelligencia, rövidítve AGI és a mesterséges szuperintelligencia, röviden ASI alkotja. A mesterséges általános intelligencia vagy általános AI technológia az AI egy olyan elméleti formája, amelyben egy gép az emberrel megegyező intelligenciával rendelkezik. Öntudatos tudattal rendelkezik, amely képes problémákat megoldani, tanulni és tervezni a jövőt. A mesterséges szuperintelligencia felülmúlná az emberi agy intelligenciáját és képességeit.

Bár az erős mesterséges intelligencia még mindig teljesen elméleti jellegű, és ma még nincsenek gyakorlati példák. Ez nem jelenti azt, hogy a mesterséges intelligencia kutatói ne foglalkoznának a fejlesztésével.

 

Mély tanulás vs. gépi tanulás

Mivel a mélytanulás és a gépi tanulás gyakran felcserélhető, érdemes megemlíteni a kettő közötti árnyalatokat. Mint fentebb említettük, mind a mélytanulás, mind a gépi tanulás a mesterséges intelligencia részterületei, a mélytanulás pedig valójában a gépi tanulás egyik részterülete.

A mélytanulás valójában neurális hálózatokból áll. A „mély” a mélytanulásban arra utal, hogy egy háromnál több rétegből álló neurális hálózat, amely magában foglalná a bemeneteket és a kimenetet, mélytanulási algoritmusnak tekinthető.

A mélytanulás és a gépi tanulás abban különbözik, hogy az egyes algoritmusok hogyan tanulnak. A mélytanulás automatizálja a folyamat jellemzőinek kinyerését, így kiküszöböli a szükséges kézi emberi beavatkozás egy részét, és lehetővé teszi nagyobb adathalmazok használatát.

A klasszikus vagy „nem mély” gépi tanulás jobban függ az emberi beavatkozástól. Az emberi szakértők határozzák meg a jellemzők hierarchiáját, hogy megértsék az adatbevitelek közötti különbségeket, ami általában strukturáltabb adatokat igényel a tanuláshoz. A „mély” gépi tanulás felhasználhatja a címkézett adathalmazokat, más néven a felügyelt tanulást, hogy tájékoztassa algoritmusát, de nem feltétlenül igényel címkézett adathalmazt.

A strukturálatlan adatokat nyers formában, például szöveget és képeket is képes befogadni. Emellett képes automatikusan meghatározni a különböző adatkategóriákat egymástól megkülönböztető jellemzők hierarchiáját. A gépi tanulástól eltérően nem igényel emberi beavatkozást az adatok feldolgozásához, így a gépi tanulást érdekesebb módon skálázhatjuk.

 

A generatív AI technológia térhódítása

A generatív mesterséges intelligencia olyan mélytanulási modellekre utal, amelyek képesek a nyers adatokat. Magas szinten a generatív modellek egy egyszerűsített reprezentációját a képzési adatoknak, és abból merítenek, hogy egy új, hasonló művet hozzanak létre, de nem azonos az eredeti adatokkal.

A generatív modelleket évek óta használják a statisztikában numerikus adatok elemzésére. A mélytanulás térhódítása azonban lehetővé tette, hogy kiterjesszék őket képekre, beszédre és más összetett adattípusokra is.

A jövő a címkézetlen adatok széles halmazán képzett modelleké, amelyek minimális finomhangolással különböző feladatokra használhatók. Az egy adott területen speciális feladatokat végrehajtó rendszerek átadják a helyüket a széles körű mesterséges intelligenciának, amely általánosabban tanul, és több területen és problémán keresztül működik.

Ezt az elmozdulást a nagy, címkézetlen adathalmazokon képzett és számos alkalmazáshoz finomhangolt alapmodellek irányítják. A generatív mesterséges intelligenciát illetően az előrejelzések szerint az alapmodellek drámai mértékben felgyorsítják a mesterséges intelligencia vállalati bevezetését. A címkézési követelmények csökkentése sokkal a vállalkozások számára, és az általuk lehetővé tett rendkívül pontos, hatékony AI-alapú automatizálás azt jelenti, hogy sokkal több vállalat lesz képes az AI-t a kritikus helyzetek szélesebb körében alkalmazni.

 

Végezetül az Ai technológoa alkalmazása

A mesterséges intelligencia rendszereknek ma már számos valós alkalmazása létezik. Az alábbiakban bemutatunk néhányat a leggyakoribb felhasználási esetek közül:

  • Beszédfelismerés: Más néven automatikus beszédfelismerés, számítógépes beszédfelismerés vagy beszédből szöveggé alakítás, és olyan képesség, amely a természetes nyelvfeldolgozást  használja az emberi beszéd írásbeli formátumba történő feldolgozására. Számos mobileszköz beépíti a beszédfelismerést a rendszerébe, hogy hangalapú keresést végezzen, vagy nagyobb hozzáférhetőséget biztosítson a szövegíráshoz.
  • Ajánlómotorok: A korábbi fogyasztási viselkedési adatok felhasználásával az AI-algoritmusok segíthetnek felfedezni az adattrendeket, amelyek segítségével hatékonyabb keresztértékesítési stratégiákat lehet kidolgozni. Ezt arra használják, hogy az online kiskereskedők a pénztárfolyamat során releváns kiegészítő ajánlásokat tegyenek a vásárlóknak.
  • Ügyfélszolgálat: Az online virtuális ügynökök felváltják az emberi ügynököket az ügyfélszolgálaton. Válaszolnak a gyakran feltett kérdésekre (GYIK) olyan témákban, mint például a szállítás, vagy személyre szabott tanácsadást nyújtanak, keresztértékesítik a termékeket, illetve méreteket javasolnak a felhasználóknak, megváltoztatva ezzel a weboldalakon és a közösségi médiaplatformokon való ügyfélkapcsolatról alkotott elképzeléseinket. Példaként említhetők az e-kereskedelmi oldalakon virtuális ügynökökkel rendelkező üzenetküldő botok, az üzenetküldő alkalmazások, például a Slack és a Facebook Messenger, valamint az általában virtuális asszisztensek és hangalapú asszisztensek által végzett feladatok.
  • Számítógépes látás: Ez a mesterséges intelligencia technológia lehetővé teszi a számítógépek és rendszerek számára, hogy digitális képekből, videókból és más vizuális bemenetekből értelmes információkat nyerjenek, és ezek alapján cselekedjenek. Ez a képesség, hogy ajánlásokat adjon, megkülönbözteti a képfelismerési feladatoktól. A konvolúciós neurális hálózatok segítségével a számítógépes látás a közösségi médiában a fényképek címkézése, az egészségügyben a radiológiai képalkotás, az autóiparban pedig az önvezető autók területén alkalmazható.
  • Automatizált részvénykereskedelem: A részvényportfóliók optimalizálására tervezett, mesterséges intelligencia által vezérelt nagyfrekvenciás kereskedési platformok naponta több ezer vagy akár több millió kereskedést hajtanak végre emberi beavatkozás nélkül.

 

MÉG TÖBB AI:

AI AI technológia