És ha épp nem szereti a tudományos fikciót, ez a cikk akkor is érdekesnek bizonyulhat. Miután elolvasta, észre fogja venni, hogy a mesterséges intelligenciával már ezelőtt is találkozott. Talán még ihletet is meríthet, hogyan építse be a „Machine Learning”-et elektronikus eszközébe, ezáltal pedig jelentős előnyre tehet szert verseny társai előtt.
A mesterséges intelligencia nem új keletű dolog...
Úgy gondolja, hogy a mesterséges intelligencia és a gépi tanulás mind-mind újdonságok? A mély tanulási technikát (Deep learning), amely alapján a gépek képesek korábbi tapasztalatok, és nem explicit programozás útján tanulni, Arthur Samuel már 1955-ben alkalmazta. Nagy kihívás előtt állt, a dámajáték lépéseire és nyerési technikájára „tanította” számítógépét. De hogyan sajátíthatja el a tanáránál is jobban egy egzakt szerkezet a játék lépéseit? Egyszerűen hagyta, hogy két számítógép egymás ellen játsszon, és az összegyűjtött adatok alapján a szoftver végül is a hetvenes években sorra verte a játék addigi bajnokait.
A gond akkoriban azonban a szám tógépek számítási teljesítménye volt. A megerősítéses, vagy mély tanulás – mint a gépi tanulás egyik leggyakrabban használt módszere – ugyanis jelentős adatmennyiségen alapszik. Tehát minél több adat és ismétlés, annál pontosabb a tanulás. A Samuel-féle dámajáték sem 10 vagy 100 játékeredmény után lett ilyen sikeres. Manapság azonban már olyan számítógépek és technológiák birtokában állunk, amelyeknek elengedő számítási teljesítményük van a Deep learning algoritmusok használatához. És a tanulási sebesség exponenciálisan növekszik!
Az explicit programozás már a múlté
Az Ön által kifejlesztett és gyártott eszközök közül sok a hagyományos, explicit programozáson alapul (IF-THEN-ELSE). Tehát "ha teljesül a feltétel, akkor tegye meg ezt, máskülönben ezt". Ez teljesen rendben van, de egyre összetettebb műveleteket várunk el a számítógépektől, amelyeket szinte lehetetlen ilyen módon előre programozni.A legjobb példa a képfelismerés. Szeretnénk megtanítani a számítógépnek, hogyan ismerjen fel olyan egyszerű tárgyat, mint amilyen például az asztal.
1. Az explicit programozás során készül egy script, amelyben meghatározzák, hogy „ha négyszögletes tárgy és 4 lába van, akkor az egy asztal”. De mi van akkor, ha az asztal épp kerek formájú? Rendben, kiegészítik a scriptet... És mi van akkor, ha az asztalnak csak középen van egy lába? Ez a feltétel is bekerül a scriptbe...Na, és ha egy ovális, láb nélküli dohányzóasztalt kell felismernie?
2. A gépi tanulás teljesen más megközelítést alkalmaz. Olyan matematikai modelleket használ, amelyek az adatok sokaságában hasonló karakterek után kutatnak. Kezdetben az ember (programozó) segít a gépnek a tanulásban. Megjelöl pár képet, amin asztal látható.
A gép aztán hasonló tulajdonságok alapján megpróbálja a nagyszámú adathalmazból kiválogatni azokat a képeket, amelyek asztalt ábrázolnak. A programozó aztán megerősíti vagy cáfolja a gépi munka eredményességét. Több iterációt követően a program már elég pontos lehet. A hagyományos programozás és a gépi tanulás közötti különbséget az alábbi vázlat ábrázolja:
Eddig olyan programokat írtunk, amelyek bemenő adatokon alapuló kimenő adatokat generáltak. A gépi tanulás eredménye pedig maga a program, amely a kimenő adatok alapján tökéletesíti önmagát.
Olyan kihívások előtt állunk, mint például az akadályok felismerése az autonóm járművek esetében, fordítás és tolmácsolás, vagy pontos diagnózis az egészségügyben, stb... El tudja képzelni, hogy hagyományos programozás útján alkosson meg efféle programot? Hogyan írná meg explicit módon azt a szoftvert, amely képes megkülönböztetni a fától gyalogost? Szinte lehetetlen!
Az A.I. (artificial intelligence – mesterséges értelem) első gyakorlati úttörője kétségkívül a Google. Emlékszik még, hogy a fordító milyen pontatlan volt az explicit fordítás során, amikor még csak szó szerinti fordítást végzett? Ma már ennek a hátterében is a gépi tanulás áll, és Önnek lehetőségében áll a lefordított szöveget kijavítani. Ez újabb ösztönzésként hat a programra, és így egy fokkal „okosabbá” válik. Ráadásul mindez emberi, programozói beavatkozás nélkül zajlik.
Vagy el tudná képzelni, hogy explicit módon programoz egy intuitív webes keresést? Ha a Google kereső nem a mesterséges intelligencián alapulna, higgye el, hogy inkább nem szeretné használni. Nem tudna releváns találatokat felhozni ahhoz, amit keres. Ma ugyanis már nem 1-2 szót adunk be a keresőbe, hanem egész mondatot vagy kérdést. :-)
És miért bízzuk mindezt gépekre és azok intelligenciájára?
Ezzel a témával nemrégiben, az Industry 4.0 cikken belül foglalkoztunk. A 4. ipari forradalom célja elsősorban a perszonalizáció és a személyre szabott követelményeknek való megfelelés. A mai világban mindannyian jól akarjuk érezni magunkat, viszont egyre többen vagyunk. A perszonalizáció és testre szabás nélkül ez nem fog menni. Emberileg lehetetlen az összes eljárást milliárdok elvárásaihoz alakítani. Az A.I.gépeknek viszont ez sikerülhet.
A mesterséges intelligenciával felvértezett gépek nem felejtenek, és az előzményeket kiértékelve pontosabban meg tudják jósolni az elkövetkezendő eseményeket. Ezeknek a gépeknek nincsenek előítéleteik, érzelemmentesek tudnak maradni, és az embereket viselkedésük, és nem az általános feltételezések (életkor, nem, vagy felmérési eredmények) alapján ítélik meg. Vajon miért készül a legtöbb autóreklám a férfiak számára, ha az autókat érintő mobiltelefonos keresések több mint 60% -át nők végzik?
Az A.I. képes egyedi ajánlatot készíteni a viselkedésben fellelhető érdeklődésre alapozva. Sokszor mi magunk se tudjuk, mit akarunk. A gépek viszont a jövőben viselkedésünk alapján tudni fogják. Úgy gondolom, hogy a mesterséges intelligencia végre megérteti a férfiakkal a nők gondolkodását, és segít nekik megfelelően reagálni egy adott helyzetben (és persze fordítva is, hogy a nők is megérthessék a férfiakat). :-)
Kipróbálnám a mesterséges intelligenciát. Hogyan lássak neki?
Amennyiben úgy gondolja, hogy itt az idő, hogy alkalmazásaiba és készülékeibe beültesse az A.I –t, akkor érdemes 3 részre osztani a folyamatot.1. Tanulás - hogyan és milyen adatokkal?Próbáljon meg elvonatkoztatni a hagyományos programozási technikáktól. Meglepőnek találhatja, de manapság a gépi tanuláson alapuló technológiák már ingyen hozzáférhetők. Különböző nyílt forráskódú platformok és keretrendszerek állnak rendelkezésre. Ismeri például ezeket?
TensorFlow
Torch
Caffe
AML (Amazon Machine Learning) Apache Mahout
stb.
Számos felhőalapú megoldás (például a Google Cloud, a Microsoft Azure vagy az Amazon AWS) közvetlenül tartalmazza ezeket a kereteket. Már a legelején fontos tudni, hogy pontosan mit szeretnénk tanítani a gépnek, tehát milyen adatokat érdemes neki szolgáltatni. A Machine Learning ugyanis elegendő adatmennyiség nélkül nem működik kellőképpen. Kezdetnek jó, ha csak valami egyszerűvel kezdünk, csupán a tesztelés miatt. Például egy ilyen rögtönzött ötlet: Ha a cég étkezőjét vesszük alapul, dolgozhatnánk az étlapon szereplő kínálattal és a fennmaradt adagokkal. Az intelligens gépek a betáplált adatok alapján kidolgozhatnának egy mindenkinek tetsző étlapot . :-)
2. Megoldástervezés és kivitelezés milyen technológiákra épüljön (hardver és szoftver), és milyen lesz a megoldás szerkezete?
Bizonyára már nem meglepő, hogy minden felhőbe van mentve – a szervereket, tárolókat, adatokat, számítási teljesítményeket mind a cloudba központosítjuk, hogy megsokszorozzuk a lehetőségeket. A központosítás tehát a hatékonyság növelésére szolgál. Ma már a közvetlen cégen belüli informatikai infrastruktúra nagyon drága, viszont a felhőn belüli minőségi informatikai szolgáltatások működési költsége arányosan megoszlik a felhasználók között. Ez az ún. megosztott gazdaság.
Miért érdemes felhőalapú megoldásokat használni eszközeinkben?
A legegyszerűbb, ha egy Amazon termék példáján keresztül mutatjuk be. Ismerik az Alexa hangvezérlésű Echo Dot smart hangszórót? Egy apró eszközről van szó, amely reagál az emberi hangra, és válaszol a feltett kérdésekre. És valóban bármilyen kérdésre tud válaszolni… Ha ezt az intelligenciát magába az eszközbe építették volna, akkor nagy teljesítményre lenne szüksége, és több száz, vagy akár ezer dollárt is érne. Mindez csupán 30-40 dollárba kerül.
Tudja miért? Lényegében ez csak egy „primitív” eszköz mikrofonnal, hangszóróval és internetkapcsolattal. Rögzíti a kérdést, és továbbítja a felhő szerverébe. Ott az egész megoldás „szíve” és agya, amely a beszédet szöveggé alakítja át, az interneten rákeres a válaszra, majd a szöveget hanggá alakítja és elküldi a készülékbe. Maga a készülék aztán Alexa hangján lejátssza a választ. A készüléknek nem kell óriási teljesítményű számítógéppel és kifinomult szervízszoftver rendelkeznie. És éppen ezért tudják olyan olcsón – 30 dollárért - értékesíteni. Sokat eladhatnak belőle, és a központi megoldással járó költségeket szétszámolják a készülékekre. És a megosztott gazdaságnak még nincs vége...
Az Amazon nem csupán erre célja használja ezt a megoldást, hanem bizonyos felár ellenében bárki megszerezheti ezt a szolgáltatást, aki saját eszközén is meg szeretné valósítani. Így a költségek még inkább feloszlanak a harmadik fél részére is. Még mindig vannak kétségei a felhő használatával kapcsolatban?
3. Eredmény - milyen eredményekre és előnyökre számíthatunk?
Az A.I. kényelemnövelésre szolgál? Vagy netán emberi életek megmentése a cél azáltal, hogy leküzdi az emberi korlátokat? Mindezt megpróbáljuk példákon keresztül szemléltetni:
Az USA-ban a mesterséges intelligenciát már a stroke diagnosztizálásánál is használják.
Még egy tapasztalt neuroradiológusnak is legalább 30-60 percbe telik, mire kiértékeli a
páciens CT felvételeit. A gond viszont az, hogy az agy már 12 perc elteltével elkezd
károsodni. A rendszer hatalmas mennyiségű adatot tárol a CT és ezek kiértékelésének
formájában, amely 15 másodperc alatt kiértékeli a beteget, hogy valóban szélütés érte el.
Egy másik, mesterséges intelligenciát használó csoport pedig tumorok és a környező sejtek nagyszámú adatai alapján korai rákos megbetegedéseket tud előre azonosítani, még mielőtt a rákot szabad szemmel is felismernék a felvételeken. Az ember memóriája korlátolt, az A.I. nem, ráadásul rendkívüli gyorsasággal képes dolgozni!
fordítják. És ezalatt nem a klasszikus szinkrontolmácsolást értjük. A rendszer mély tanulás
útján megtanulja utánozni az Önök hangját, és így Önök helyett szólal meg idegen nyelven.
Ez még természetesen nem tökéletes, de az alapok már megvannak, és a rendszerek
exponenciális gyorsasággal tanulnak.
A mesterséges intelligencia másik jelentős felhasználási területe a mezőgazdaság. Egy
hardverfejlesztéssel foglalkozó cég olyan eszközt alkotott, amelyet traktorok után lehet
kötni, mint egy pótkocsit vagy utánfutót. Ez az eszköz a mély tanulás révén elsajátította,
hogyan néz ki az egészséges termesztett növény, és miről ismerni fel a gyomot, kártevőket
vagy akár a növényi betegségeket. Egy percen belül 5000 növényt tud megvizsgálni és
kiértékeli, hogy vizet vagy permetet kell-e rájuk locsolni. Ezáltal az öntözés vagy
permetezés nem egységesen zajlik az egész mező területén, hanem minden egyes növény
külön ellátásban részesül. Egy ilyen berendezés naponta 20 hektárnyi területet képes ellátni, ami évente 2,5 trillió növényt jelent. Mit nyer ezzel az emberiség? A jelenlegi globális mezőgazdasági földterületeken ötször több élelmiszert tudnánk előállítani, miközben 90% -kal csökkenthetjük a víz és növényvédőszerek használatát.
Utószó, avagy van-e hátulütője a dolognak...?
Vizsgáljuk meg újra, mire képesek a mesterséges intelligenciával felvértezett gépek? Tudnak írni és olvasni, hallgatni és beszélni, böngészni, tudást összegyűjteni és integrálni. Néhány esetben talán még nem tudják úgy végrehajtani a feladatokat, mintha azt ember tenné, de módot adtunk nekik arra, hogy megtanulják és folyamatosan dolgozhassanak magukon. Mindezt exponenciális gyorsasággal!A modern fejlett országokban élő emberek 80% -a olyan munkát végez, amire a gépeket tanítják (pl. tömegközlekedés, élelmiszerelőállítás, betegségek diagnosztizálása, stb.). Készen állunk arra, hogy az emberek 80%-a munka nélkül maradjon? Alig két évvel ezelőtt ezen a helyen, az Industry 4.0-n belül, az automatizációval foglalkoztunk, pontosabban azt feltételeztük, hogy az emberek egyre inkább adatkezeléssel fognak foglalkozni. Sajnos, mára már ez is megváltozott. Megmutattuk a gépeknek, hogyan tudnak adatokkal dolgozni, elemezni és kiértékelni azokat. Most már arról hallani, hogy az emberek ún. „taking actions” tevékenységeket fognak végezni, azaz a miénk marad a döntéshozatal és az algoritmusok megalkotása.
Valóban igaz lenne?
Eljött az idő, hogy az emberiség új tár- sadalmi és gazdasági felépítését újra gondoljuk? Mi lesz számos ember éle- tének a célja, ha nem a munka?
Ez az ipari forradalom (Industry 4.0) eltér az előzőktől. Minden ipari forradalmat hirtelen teljesítményugrás jellemzett, amit aztán stabilizáció követett. Most viszont gépi tanulással egybekötött ipari forradalomról van szó, és itt exponenciális növekedésre számíthatunk, amelyet valószínűleg nem követ majd állandósulás.
Nem utolsó sorban itt van még az egyre időszerűbb biztonság kérdése. Milyen mértékben tudjuk garantálni, hogy egy bizonyos érdekcsoport nem fogja helytelen célra használni az A.I. által szerzett adatokat? A mesterséges intelligenciával ellátott gépek olyanok, mint a gyerekek - amilyenek a szülők (emberek), olyanokká válnak ők is. És lehet, hogy ebbe a biztonsági szférába kéne terelni azt a feltételezett 80% munkanélkülit. Valamennyi találmány ugyanis jó és nemes szándékkal születik…
Mit jelent az A.I Önnek és nekünk?
Ma már nem az a kérdés, hogy van-e hely a készülékekben a mestersé- ges intelligenciának. A kérdés inkább az, hogy ott leszünk-e a legnagyobb technológiai vezetők között, vagy csak futunk a vonat után?
Kap tőlünk egy házifeladatot :-) Szer- vezzen cégében ötletelőt arra a té- mára, hogy hogyan csempészhetnék be az okos gépeket alkalmazásaikba. Lehet, hogy az ablakon kitekintve azt gondolja, hogy „nem létezik, mester- séges intelligencia, pont itt?” ha vi- szont megszületik az elképzelés, Ön ott lehet az elsők között – és így ga- rantált a versenyelőny és a siker!
A hardver részével alkatrészeink ré- vén örömmel segítünk. És még na- gyobb örömmel megvitatjuk Önnel ötletét a Microsoft-tal tervezett egye- dülálló workshopok alkalmával. Egy olyan modellt tervezünk megalkotni, ahol a mi hardvertudásunkat ötvöz- zük a Microsoft szoftverismereteivel, és a mesterséges intelligencia eleme- ivel a felhőhöz is csatlakoznánk.
Hamarosan részletesebb információ- val jelentkezünk!
Rastislav Talárovič
Head of Marketing Department & Google Partners Trainer
Ne maradjon le a hasonló cikkekről!
Önnek is tetszenek cikkeink? Ne maradjon le egyről sem! Nem kerül erőfeszítésébe, mi eljuttatjuk Önhöz.