Magyar tudásközpont a mesterséges intelligencia matematikai alapjaitól a konkrét alkalmazásokig
A felfedező kutatások társadalmi és gazdasági hasznosulását ösztönző Nemzeti Kiválósági Program 2018-ban a mesterséges intelligencia alkalmazását megalapozó kutatásokat versenyképes stratégiai területként jelölte meg. A program által támogatott pályázatok listája néhány hete került nyilvánosságra. Az egyik nyertes a Magyar Tudományos Akadémia Rényi Alfréd Matematikai Kutatóintézet, az Eötvös Loránd Tudományegyetem, a Magyar Tudományos Akadémia Számítástechnikai és Automatizálási Kutatóintézet, a Pázmány Péter Katolikus Egyetem és a Szegedi Tudományegyetem A mesterséges intelligencia matematikai alapjai című közös pályázata.
A projekt célja egy olyan tudásközpont létrehozása, amely elősegíti, hogy az ország a mesterséges intelligencia kutatása és alkalmazásai terén a világ élvonalába kerülhessen. Ehhez elengedhetetlen a mesterségesintelligencia-kutatások magyarországi felfuttatásához szükséges kritikus kutatói erőforrás koncentrálása, strukturálása és megerősítése. Az öt akadémiai, illetve felsőoktatási intézmény együttműködésével egy olyan új kutatási eredményeket létrehozó szellemi műhely létesül, amelynek keretében folytonosság teremthető a mesterséges intelligencia legelméletibb és leggyakorlatibb irányai közt. A különböző jellegű feladatokon dolgozó kutatók nem izoláltan, hanem szorosan együttműködve fognak dolgozni, biztosítva a folytonos információáramlást az elméleti és gyakorlati irányok közt.
Napjainkban ez a téma olyan gyorsan fejlődik, olyan gyors az elmélet és a gyakorlat között az információáramlás, hogy amin ma az elméleti kutatók dolgoznak, abból akár már fél év múlva alkalmazás lehet. A képfelismerő rendszerek most már lényegében emberi szinten tudnak képeket klasszifikálni, azaz meg tudják mondani, hogy mi a kép témája. Ennek számtalan hasznát már ma is látjuk, például az orvosi diagnosztikában, az arc, a beszéd, vagy épp a kézírás felismerésénél, vagy műholdképek különböző célú (katonai, geológiai) elemzésénél. Azonban a mesterséges intelligencia nem csak a gyakorlati alkalmazások, a technológia kutatása, fejlesztése, több annál. Elmélete többek között a neurális hálózatokon alapul, amelyeket egy tanulási folyamaton kell keresztül vinni ahhoz, hogy hasznosak legyenek. A neurális hálózat a tanítási folyamat során tanulja meg, hogyan kell további, még ismeretlen adatokat feldolgoznia. Ma már kísérleti tapasztalatok alapján többféle módszer van arra, hogyan lehet különféle rendszereket jól tanítani, de arra, hogy ezek miért működek, mi az elméleti hátterük, még nincsenek meg a megfelelő válaszok.
A gépi tanulás elméletét megalapozó matematikai kutatások az Akadémia két kutatóintézetének összefogásával Szegedy Balázs kutatásvezető irányításával indulnak, támaszkodva a korábbi MTA Lendület és az Európai Kutatási Tanács ERC pályázatainak eredményeire. A mesterséges neuronhálókhoz és a mélytanuláshoz (deep learning) kapcsolódó elméleti matematikai kutatások során olyan modellek születhetnek, amelyek alapvetőek a mesterséges intelligencia működésének megértéséhez.
A gépi tanulás algoritmusait fejlesztő, és az algoritmusokat matematikailag elemző kutatásokban mind az öt partnernek szerepe lesz. Számos sikertörténet mellett, a jelenleg alkalmazott modelleknek és modellépítési módszertanoknak jónéhány hiányosságuk van. A megfelelő hálózati struktúrán és alkalmazott regularizációs technikán keresztül a rendszerbe kézzel beleépített priorok megválasztása gyakran ad hoc próbálkozások, és hosszas mérnöki munka eredménye, kevés elméleti háttérrel. A mesterséges intelligencia alkalmazásának megalapozásához a kutatási program egyik fő kérdésköre a természetes adathalmazok szerkezetét jól megfogó fogalmak megtalálása, abból a célból, hogy minél jobb általánosító képességgel rendelkező modelleket lehessen építeni.
Természetesen a kifejlesztett modelleket konkrét problémák megoldására fogják felhasználni. Ilyenek a magyar nyelvtechnológia és a gépi érzékelés. A magyar nyelvű nyelvtechnológia területén az egyik nagy kihívás a modern szóbeágyazási modelleknek az erősen ragozó magyar nyelvhez igazítása. Ez a kutatási irány nagy lendületet adhat a magyar nyelvű szövegfeldolgozásnak.
A mélytanulást használó modellek mind több és fontosabb mindennapi döntés meghozatalában játszanak szerepet, így döntéshozatali mechanizmusuk megértésére, a tanult modell interpretálhatóságára egyre komolyabb igény mutatkozik többek között az irányításelméletben, gyártási folyamatok előrejelzésében vagy éppen biológiai jelenségek megértésében, modellezésében vagy felismerésében.
Különösen fontos a mesterséges intelligencia szerepe az orvosi alkalmazások területén. Ebben a pályázatban egy krónikus sebek ellátását segítő képfeldolgozó rendszer kifejlesztésére kerül sor. A sebről mobiltelefonnal készített képek alapján a rendszer egy másodperc alatt javaslatot tesz az ápoló személyzet számára az optimális kötszerre, kötözési módra, illetve jelzi, ha kórházi szakellátásra van szükség.
Az összehangolt és részeiben egymásra épülő kutatási program lehetőséget ad arra, hogy az ország különböző részein folyó mesterségesintelligencia-kutatások közös tudásközpontot létrehozva világszínvonalú eredményeket érhessenek el.