"A mesterséges intelligencia nagyon gyorsan terjed, és hatalmas körülötte felhajtás, ami nem feltétlenül könnyíti meg a dolgokat" - véli Shan Chidambaram, a Fujitsu America, Inc. adatanalitikáért, MI-ért és kvantumtechnológia által inspirált számítástechnikáért felelős vezetője. Emiatt sokan fenyegetőnek érzik az MI-t egy olyan korszakban, amikor sürgető szükség lenne az általa elérhető fejlődésre.
Nagyon valószínű, hogy szükségünk lesz a mesterséges intelligenciára olyan egzisztenciális problémák megoldásához, mint például a klímavészhelyzet fenntartható kezelése. De ha nem bízunk meg az MI-ben és általában véve a technológiában, valószínűleg csak késve vagy egyáltalán nem születnek majd meg ezek a megoldások.
A Fujitsunál dolgozó kollégáimmal és szerzőtársaimmal egytértettünk abban, hogy itt az ideje megalapozott és átfogó képet adni arról, hol tart jelenleg az MI és a fejlett analitika. Olyan képet, amely nem kezeli le a kérdést kevésbé ismerőket, és nem esik túlzásokba azokon a területeken, ahol az MI egyelőre még gyengén teljesít. Az erről nemrég közzétett tanulmányunk ingyen elérhető a cikk végén megadott hivatkozáson.
Megpróbáltuk a mesterséges intelligencia valamennyi fontos aspektusát lefedni, hogy mindenki megtalálja az őt érdeklő témát, és mélyebbre tudjon ásni a szükséges információkba. Foglalkoztunk az MI és a fejlett analitika műszaki oldalával, de azzal is, hogyan ösztönzik ezek a technológiák a változásokat az üzleti és a mindennapi életben. Ennek az információnak a birtokában olvasóink egyszerűen továbbléphetnek a kezdőről a haladó MI-rajongók szintjére.
A tanulmány néhány példán keresztül bemutatja, hogyan használták az MI-t az elmúlt évtizedben. A számomra lekedvesebb korai példa 2011-ből származik. Az elektromos távvezetékeknek ütköző madarak problémáját kutató természetvédők nem boldogultak a transzformátorállomásokról begyűjtött audioadatok és a kapcsolódó metaadatok (pl. időpontok és helyszínek) mennyiségével. Ezért MI-szakemberhez fordultak segítségért, és így képesek lettek automatikusan észlelni az ütközéseket. Az eredményekből kiderült, hogy az eredetileg becsültnél sokkal több madár pusztult el. Ennek nyomán új, bizonyítékalapú természetvédelmi módszert tudtak kidolgozni a probléma megoldására.
Ezzel el is érkeztünk az MI különböző fajtáinak tárgyalásához. Az első besorolás a képességeket veszi alapul. Ebből a szempontból létezik a feladatalapú, szűk értelemben vett MI, az általános öntanuló MI és a szuperintelligencia, azaz a Földön elérhető legfejlettebb intelligencia - az úgy nevezett "szingularitás".
A második besorolás a funkcionalitáson alapul. Eszerint az MI-rendszerek alábbi fajtái léteznek:
- Reaktív gépek - A legrégebbi és legkorlátozottabb MI-rendszerek, amelyek az emberi agy különböző típusú ingerekre adott reakcióját emulálják.
- Korlátozott memóriájú gépek - Szinte minden meglévő alkalmazás (a mélytanulást is beleértve) ebbe a kategóriába tartozik, amely múltbeli adatok alapján hoz döntéseket és készít előrejelzéseket.
- Tudatelméleti MI - Ma ezek a rendszerek még a legjobb esetben is csak fejlesztés alatt állnak. Ha elkészülnek, képesek lesznek felismerni a velük kapcsolatba lépő emberek és más MI-entitások szükségleteit, érzelmeit, meggyőződéseit és gondolkodási folyamatait.
- Öntudattal rendelkező MI - A fejlődés végállomása. Ez jelenleg csak elméletben létezik - és akkor válik valóra, amikor az MI eljut a filozófusok által "nehéz problémának" nevezett szintre, és öntudatra ébred.
Nincs adattudomány adatmérnöki munka nélkül
Az MI alapja az adattudomány. A tanulmányban áttekintjük a két terület összefüggéseit és különbségeit. Megvizsgáljuk a gépi tanulás finom árnyalatait és az MI különböző megjelenési formáit. A mögöttes technológiákat is sorra vesszük, mind a jelenlegi, mind pedig a jövőbeni irányokat tekintve - ez a terület egyébként is a Fujitsu hagyományos erősségei közé tartozik. Az alkalmazott technológiák gyakorlatának bemutatására megnézzük, mi zajlik a mobilitás világában, például a forgalomoptimalizálás és az önvezető járművek használata terén.
Az önvezető járművekkel kapcsolatban több kihívás is felmerül: tervezési és hatósági problémák, az egységes iparági technológia és eszközök hiánya, a fogyasztói bizalom és elfogadás kérdése. A legnagyobb kihívást az jelenti, hogy kezelhető az MI-rendszerek betanításához és a már működő rendszereknél a valós idejű döntéshozatal támogatásához szükséges óriási adattömeg. Ismertetjük, hogyan csökkenti a Fujitsu az adatok mennyiségét a videóoptimalizálás segítségével az adatok rendelkezésre állásának és minőségének gyengülése nélkül, és hogyan segít tanulási algoritmusokkal megkülönböztetni egymástól a kritikus és kevésbé fontos információkat.
És mivel az adattudomány nem létezik adatmérnöki munka nélkül, a tanulmányban az adatmérnöki tevékenység fő funkcióit is ismertetjük, hiszen ez minden sikeres adatvezérelt vállalat működésének alapja.
Készen áll a mesterséges intelligenciára?
Tudjuk, hogy ez rengeteg tartalom. Ezért álljunk is meg egy pillanatra. Induljunk ki abból, hol tart ma az MI. Ezt extrapolálva világosan látszik, hogy a szöveg-/beszédfordítás és a számítógépes látási algoritmusok tökéletesedésével robbanásszerű fejlődés várható a virtuális asszisztensek, az önvezető járművek, a csomagszállítás és a logisztika, valamint az akkumulátorszabályozás területén. Az olcsóbb, rugalmasabb és tartósabb anyagok elkészítése terén is előnyökre számíthatunk a mesterséges intelligencia alkalmazásából.
Mindezt figyelembe véve már nem is tűnik annyira futurisztikusnak (az Apple-nél, az SGI-nél, a Microsoftnál és a Google-nél felsővezetői pozíciókat betöltő) Dr. Kai-Fu Lee kijelentése, mely szerint, az MI "nagyobb mértékben meg fogja változtatni a világot, mint eddig bármi is az emberiség történetében. Jobban, mint a villanyáram."
Merész prognózis. Ha szeretne világosabban látni a mesterséges intelligenciával kapcsolatban, válassza ki, melyik terület érdekli Önt a legjobban, és bővítse ismereteit legújabb tanulmányunk segítségével.