Aki elolvasta háromrészes alapozónkat, már jó közelítéssel el tudja képzelni, hogyan épülnek fel a mesterséges intelligencia megoldásai a hétköznapi életben, az üzlet világában, és ipari területen. A mesterséges intelligencia használata leginkább arról szól, hogyan lehet az adatokból értéket előállítani, hogyan lehet az információ begyűjtésétől eljutni a döntéshozatalig.

Ennek a folyamatnak minden fázisára egyedi megoldásokat tudnak nyújtani a gyűjtőnéven csak mesterséges intelligenciának hívott technológiák. A “mesterséges intelligencia” kifejezés eléggé félrevezető lehet, hiszen a sci-fi történetekből jól ismert panelek szerint ez a tervezés útján “mesterségesen” létrehozott “intelligenciát”, gondolkodási képességet jelent, végső soron az emberi elme működését lemásoló gépi megoldást. Ez egy merőben elméleti feltételezés, a modern tudományok egyfajta szent grálja, mint például a kvantumszámítógépek és a hidegfúzió - teljesen új dimenzióba emelné az emberi létezést egy ilyen felfedezés.

De a mesterséges intelligenciának mégis vannak már most is hétköznapinak mondható alkalmazásai. Hogyan lehetséges ez? Úgy, hogy teljesen mást értenek a szakértők e fogalom alatt, mint a sci-fi írók. Korántsem arról van szó, hogy az emberi gondolkodást imitáljuk, hanem arról a képességről, hogy egy szoftver úgy képes problémákat megoldani, hogy az messziről emlékeztet egy kicsit a “döntéshozás” folyamatára:

Vagyis ha ez történik ezt csinálom, ha az történik akkor meg azt.

Ez annak köszönhető, hogy sokkal gyorsabbak lettek a számítógépek, sőt, egyre inkább elterjednek a gépi tanuláshoz fejlesztett, arra optimalizált, ezért még gyorsabban működő célhardverek.

Szintén fontos jelentősége van annak, hogy a kutatók az elmúlt években egyre több empirikus megfigyelést gyűjtöttek egyes algoritmusok hatékonyságáról. Az, hogy pontosan miért is működnek jól ezek az algoritmusok, sok esetben még jelenleg is aktív kutatási terület.

Azért nevezzük tehát mesterséges “intelligenciának”, mert a gép már olyan műveletek végrehajtására is képes lehet, amelyek messziről emlékeztethetnek olyan folyamatokra, amelyekre eddig csak az emberi elme volt képes: észlelésre, tanulásra, és a környezetre való reagálásra.

Ez teremtette meg például a megerősítéses tanulás (reinforcement learning) lehetőségét is. A program kísérletezhet a megoldásokkal, és meg tudja figyelni, hogy mely döntések (inkább választások) milyen eredményekhez vezetnek. Ezután folyamatosan optimalizálni tudja a saját munkafolyamatát úgy, hogy egyre kevesebb lépésből (hatékonyabban) jusson el az eredményig, vagy egyre jobb eredményeket érjen el.

Okos televíziók, intelligens mosóporok

A sci-fit tehát a nulladik pillanatban ki kell zárni a keretből, ha az AI (Artificial Intelligence - Mesterséges Intelligencia) valódi lehetőségeiről beszélünk, legalábbis egyelőre. Az “intelligens” kifejezés ugyanolyan köznyelvi fogalom lett, mit az “okos”. Mit jelent az, hogy egy tévé, egy telefon, vagy akár bármilyen háztartási eszköz “okos”?

Csupán azt, hogy képes adatok rögzítésére, továbbítására, illetve fogadására és értelmezésére, azaz kommunikál, megkülönböztetve ezeket a régebbi társaiktól, amelyekben még nem volt netkapcsolat.

okos otthon, okos város
Otthonainkban egyre több “okos” dolog vesz körbe bennünket

Miért “intelligens” az a bizonyos mosópor a reklámban? Azért, mert a kémiai összetevőinek köszönhetően agresszíven bontja a szennyezőanyagokat, de a ruha anyagát nem bántja - legalábbis ez az ígéret. Vagyis a mosópor “döntést tud hozni”: itt a zsírfolt, feloldom, ez már a pamut, békén hagyom.

A mesterséges intelligencia szerencsére ennél azért már kifinomultabb. Az ún. “neurális hálózatok” nagy komplexitásra képesek. Persze nem olyanra, mint az emberi idegrendszer, amiről a nevüket kapták, de elvében és szerkezetében legalább hasonlít arra.

neurális háló
Neurális háló 


A mesterséges intelligencia működésének feltétele, üzemanyaga a digitális adat. Az indítóadatok előteremtésére sokféle mód van, a legtipikusabb a szenzor, például egy digitális hőmérő esetében: méri a hőfokot, a skálán elfoglalt pozíciót digitális jel formájában rögzíti. De mit tud kezdeni a mesterséges intelligencia ezekkel az adatokkal? Itt van néhány példa arra, hogy milyen felhasználási módokkal lehet ma gyakran találkozni:

  • Chatbot
  • Képfelismerés
  • Intellinges robot

Chatbot

Ma már a legtöbb internethasználó találkozott chatbottal, vagyis automatikus üzenetkezelő programmal. Egy cég weboldalát böngészve kinyílik egy chatablak, amiben megszólítja a látogatót “valaki”. Mivel jó eséllyel be lehet határolni, hogy a látogatók 90 százaléka mi járatban van (például érdeklődik, vásárolni szeretne, vagy ügyet intézne), ezért a tipikus látogatói viselkedésminták ismeretében könnyen fel lehet kínálni nekik üzenet formájában ezeket a megoldásokat, és néhány kérdés-válasz után jó eséllyel hasznos segítséget lehet nyújtani neki. És természetesen, ha a beszélgetés komplexitása meghaladja a bot képességeit, az ügyfélszolgálati alkalmazott “átveheti a kormányt”. Ma már a jellemzően lazább szabályozásokkal működő Egyesült Államokban például komoly banki szolgáltatásokat is igénybe lehet venni chatbot segítségével, például átutalást indítani, számlatörténetet megtekinteni vagy rendszeres átutalást rögzíteni. A chatbotok néhány éven belül teljesen általánosak lehetnek rengeteg olyan üzletnél, ahol az ügyfelek igényei jól paraméterezhetőek, például ételrendelésnél, gépjárművek rutinszerű szervízelésénél, vagy akár a fodrászhoz bejelentkezésnél. Ezzel kiváltva egy repetitív, időrabló munkafolyamatot, amivel több idő juthat értékesebb üzletfejlesztési feladatok ellátására.

Képfelismerés

A Google képfelismerés funkcióját mindenki ismeri, aki keresett már képre az interneten. A böngészőnek adhatunk olyan parancsot, hogy “ehhez hasonló” képet keressen, és döbbenetes eredményeket kaphatunk. Nem csak pont ugyanazt a képet találja meg többféle verzióban, de hasonló színekkel, formákkal rendelkező képeket is felhozhat a rendszer.

A Google képfelismerés azonban csak a jéghegy csúcsa. Nem csak digitális állóképet lehet használni, hanem élő kameraképet, felvételeket, szkennelt dokumentumokat és minden egyebet, ami képpontokból áll. A fedélzeti kamerák képének folyamatos elemzésével működnek az önvezető autók. Az ipari felhasználásban emberi felvigyázók helyett számítógépek által működtetett kamerák tudnak minőségbiztosítási feladatokat ellátni, mert ha megtanítjuk, hogy néz ki a tökéletes termék, akkor ki fogja szúrni a hibákat. A mesterséges intelligencia alkalmazásának fázisait bemutató sorozatunk harmadik részében alaposabban bemutattuk, milyen, már létező felhasználási módjai vannak az ipari képfelismerésnek.

A képelemzés tipikus felhasználási területe az egészségügyi diagnosztika, a röntgenképek, ultrahang-felvételek elemzése, vagy akár a szívhang mintázatainak legapróbb részletei. Természetesen az orvosok szakértelmét nem helyettesítheti semmi, de hasznos segédeszköz lehet számukra egy képelemző megoldás, ami például előszűrhet, és a teljesen egyértelmű eseteket beazonosíthatja, vagy bizonyos paraméterek mentén csoportosíthat  így az orvosnak csak azzal kell foglalkozni, amivel valóban kell. Ezek már most is sikeresen alkalmazott kisegítő megoldások.

intelligens adatelemzés az orvoslásban
Gyorsíthatják az orvosi kezeléseket az intelligens megoldások

Intelligens robot

Ha használható üzenetváltásra fel lehet használni már mesterséges intelligenciát, akkor egyszerű bürokratikus feladatokra is érdemes lehet kipróbálni? Persze, a BNY Mellon nevű befektetéskezelő cég “értékpapír-kiegyenlítés” és adatbekérés feladatokkal “bízott” meg digitális robotokat, vagyis asszisztens szoftvereket. A kísérlet kiválóan sikerült, közel 100%-os pontossággal, emellett rendkívüli hatékonyságnövekedéssel:

- az értékpapír-kiegyenlítés munkafolyamata 10 percről negyed másodpercre csökkent

- az adatbekérési átlagos időtartam 6-10 napról 24 órára csökkent

Ezek az eszközök és megoldások valóban hatalmas értéket tudnak előállítani, és az emberként gondolkodó géppel ellentétben ez már nem science fiction. A mesterséges intelligencia még nem egy digitális komornyik vagy titkár, de számos részfeladatban már hatékonyan tud segíteni. A magánéletben, az üzletfejlesztésben, az ipari gépsorok működésének optimalizálásában, szinte minden területen vannak olyan eszközök és szolgáltatások, amelyek tényleg hasznosak, és 3-4 évvel ezelőtt még nem is léteztek.


Szeretne többet tudni a témakörről?  Adja meg elérhetőségét és értesítjük az új blogbejegyzésről


Következő cikk:

Big-Data
Mi az a Big Data és mire használjuk?