Milyen technológiákra alapozhatjuk a mesterséges intelligencia fejlődését? 

A mesterséges intelligencia-rendszerek eddig főként a megnövekedett számítási teljesítményre, a több adat rendelkezésre állására, a jobb algoritmusokra és jobb eszközökre támaszkodtak a fejlődés fenntartásának érdekében. Mind a 4 területen van lehetőség drámai javulásra, ugyanakkor ezeket nehéz időben jól elhelyezni. 

A számítástechnikai teljesítmény fejlődése. 

A "deep learning" a számítástechnikai teljesítményre támaszkodik az összetettebb problémák megoldásához. A jelenlegi technológiával a tanulás túl sokáig tarthat ahhoz, hogy hasznot hozzon, ezért szükség van a számítástechnikai teljesítmény fejlesztésére. Új számítástechnikai technológiák segítségével a vállalatok olyan mesterséges intelligencia modellekkel rendelkezhetnek majd, amelyek képesek megtanulni bonyolultabb problémák megoldását is. 

AI-alapú chipek 

Még a legfejlettebb CPU sem biztos, hogy önmagában javítja az AI-modell hatékonyságát. A mesterséges intelligencia olyan esetekben történő alkalmazásához, mint a számítógépes látás, a természetes nyelvi feldolgozás vagy a beszédfelismerés, a vállalatoknak nagy teljesítményű CPU-kra van szükségük. Az AI-képes chipek megoldást jelentenek erre a kihívásra, ugyanis ezek a chipek "intelligenssé" teszik a CPU-kat, hogy optimalizálják feladataikat. Ennek eredményeképpen a CPU-k egyénileg dolgozhatnak a feladataikért, és javíthatják hatékonyságukat. Az új AI-technológiák megkövetelik, hogy ezek a chipek bonyolult feladatokat oldjanak meg és gyorsabban hajtsák végre azokat. Az olyan vállalatok, mint a Facebook, az Amazon és a Google növelik az AI-képes chipekbe történő befektetéseiket. 

Fejlődés az algoritmusok tervezésében 

Miközben az AI képességei gyorsan fejlődnek, az AI-modellek mögött álló algoritmusok is fejlődni fognak. Az algoritmusok tervezésének fejlődése lehetővé teszi, hogy az AI hatékonyabban működjön és több ember számára legyen elérhető kevesebb technikai tudással. Az alábbiakban az AI-algoritmusok tervezésében bekövetkezett kiemelkedő előrelépéseket mutatjuk be. 

Transzfer tanulás 

A transzfer tanulás egy olyan gépi tanulási módszer, amely lehetővé teszi a felhasználók számára, hogy egy korábban használt mesterséges intelligenciamodellt egy másik feladathoz használjanak. Például a különböző személygépkocsik felismerésére jól képzett mesterséges intelligenciamodell a teherautók esetében is használható. Ahelyett, hogy a nulláról kezdenénk a fejlesztést, a személygépkocsikról szerzett ismeretek a teherautóknál is hasznosak lesznek. 

Megerősítésen alapuló tanulás (RL) 

A megerősítésen alapuló tanulás a gépi tanulás egy részhalmaza, a hagyományos tanulással ellentétben az RL nem keres mintákat, hogy előrejelzéseket készítsen. A módszer maximalizálása érdekében szekvenciális döntéseket hoz, és a tapasztalatok alapján tanul. Napjainkban az RL legelterjedtebb példája a Google DeepMind AlphaGo nevű programja, amely két egymást követő mérkőzésen legyőzte a világ első számú Go játékosát, Ke Jie Ke Jie-t. A jövőben az RL a teljesen automatizált gyárakban és az önvezető autókban is elérhető lesz. 

Önfelügyelt tanulás (önfelügyelet) 

Az önfelügyelt tanulás (vagy önfelügyelet) az autonóm felügyelt tanulás egy formája. A felügyelt tanulástól eltérően ez a technika nem igényel embert az adatok címkézéséhez, és a címkézési feladatot saját maga végzi. Yann LeCun, a Facebook alelnöke és vezető mesterséges intelligencia kutatója szerint az önfelügyelt tanulás kritikus szerepet fog játszani az emberi szintű intelligencia megértésében. Bár ezt a módszert ma leginkább a számítógépes látás és az NLP olyan feladataiban használják, mint a képek színezése vagy a nyelvi fordítás, várhatóan a mindennapi életünkben is szélesebb körben alkalmazzák majd. Az önfelügyelt tanulás néhány jövőbeli felhasználási területe lesz az egészségügy (endoszkópia és robotsebészeti műtétek), és az autonóm vezetés (terep egyenetlenségének felbecsülése). 

Mit várhatunk az elkövetkező években a mesterséges intelligencia fejlődésétől?  

Gyakorlatilag nincs olyan jelentős iparág, amelyet a modern mesterséges intelligencia - (pontosabban a "narrow AI", amely adatokkal képzett modellek segítségével hajt végre objektív funkciókat, és gyakran a "deep learning" vagy a gépi tanulás kategóriájába tartozik) - ne befolyásolt volna már. Ez különösen igaz az elmúlt néhány évre, mivel az adatgyűjtés és -elemzés jelentősen felgyorsult a stabil IoT-kapcsolatoknak, a csatlakoztatott eszközök elterjedésének és az egyre gyorsabb számítógépes feldolgozásnak köszönhetően. 

Az AI Index szerint az aktív AI startupok száma az Egyesült Államokban 2015 és 2018 között 113%-kal nőtt. A "deep learning" terén elért legújabb előrelépéseknek köszönhetően az AI már a keresőmotorokat, az online fordítókat, a virtuális asszisztenseket és számos marketing- és értékesítési döntést képes végrehajtani. 

A PwC jelentése szerint a mesterséges intelligencia 2030-ra 15,7 billió dollárral járul majd hozzá a globális gazdasághoz. Nézzük meg tehát, hogyan lehet ez lehetséges a mesterséges intelligencia jövőjével: 

1. Az AI jövője az egészségügyben 

Az egészségügyi ágazatban szintén drasztikus változás várható. Az AI képes arra, hogy a tünetek alapján felismerje a betegséget; még ha nem is megy orvoshoz az illető, mivel képes elolvasni az adatokat az egyén fitnesz karórájából/gyógyászati előzményeiből, hogy elemezze a tendenciákat, és megfelelő gyógyszeres kezelést javasoljon, vagy sürgős esetekben egyenesen mentőt hívjon (ahogyan erre ma már az Apple Watch képes is). 

A mesterséges intelligenciával rendelkező robotok alkalmazhatóak lesznek komplex műtétek nagyfokú pontossággal való elvégzésére. Emellett az AI növelni fogja az egészségügyben dolgozó szakemberek hatékonyságát, hogy könnyebben megérthessék az általuk gondozott emberek egészségügyi hátterét, egy holisztikusabb megközelítést téve lehetővé, ezért képesek lesznek arra, hogy jobb visszajelzést, útmutatást és támogatást nyújtsanak az egészség megőrzéséhez. 

A Google "deep mind"-ja már részben képes volt legyőzni az orvosokat az olyan halálos betegségek felismerésében, mint például a mellrák. Nincs már messze az az idő, amikor a mesterséges intelligencia fel fogja ismerni az általános betegségeket is, és megfelelő gyógyszeres javaslatokat lesz képes adni. Ennek következménye hosszú távon többek között lehet az is, hogy  nem lesz szükség annyi orvosra, ami a munkahelyek számának csökkenését eredményezheti. 

2. AI az oktatásban 

Egy ország fejlődése a fiatalok oktatásának minőségétől függ, a jövőben azonban az AI várhatóan át fogja alakítani az oktatás klasszikus módját. A világnak már nincs szüksége szakképzett munkaerőre a feldolgozóiparban, amelyet többnyire robotok és automatizálás váltott fel. Az oktatási rendszer nagyon hatékonnyá válhat, az egyén személyiségének és képességeinek megfelelően alakítva. Esélyt adna a okosabb tanulóknak, hogy megmutathassák a bennük rejlő potenciált, és a gyengébben teljesítőknek egy hatékonyabb módot a tananyaggal való megbírkózásra. 

Emellett a tankönyvek digitalizálása mesterséges intelligencia segítségével történik, virtuális oktatók segítik az emberi oktatókat, az arcelemzés pedig felméri a diákok érzelmeit, annak érdekében hogy meglehessen meghatározni, ki küzd vagy unatkozik, és így jobban az egyéni igényekhez igazítsa a tanulás élményét. 

A helyes oktatás növelheti az egyének/nemzetek erejét; másrészt viszont az ezzel való visszaélés pusztító eredményekhez vezethet. 

3. A mesterséges intelligencia a pénzügyekben 

A növekedés számszerűsítése bármely ország esetében közvetlenül kapcsolódik annak gazdasági és pénzügyi helyzetéhez. Mivel a mesterséges intelligencia szinte minden területen hatalmas lehetőségeket rejt magában, nagy potenciállal rendelkezik az egyének és egy nemzet gazdasági egészségének fellendítésében. Napjainkban az AI algoritmust a részvényalapok kezelésében használják. 

Egy AI rendszer sok paramétert képes lenne figyelembe venni, miközben kitudná találni a pénzügyi alapok kezelésének legjobb módját is, jobban teljesítve ezáltal egy emberi menedzsernél. A mesterséges intelligencia által vezérelt stratégiák a pénzügyi piacok területén így meg fogják változtatni a kereskedés és a befektetés klasszikus módját. Ez romboló hatású lehet egyes alapkezelő cégek számára, amelyek nem engedhetnek meg maguknak ilyen eszközöket, és nagymértékben befolyásolhatja az üzletet, mivel a döntés gyors és hirtelen lenne, így a verseny erőssé és állandóan szorossá válna. 

4. Okos városok 

A városok összetett rendszerek, de az alapokra lecsupaszítva, emberekből és közösségekből állnak, amelyek interakcióba lépnek olyan tárgyakkal, mint az utak, épületek és terek a legkülönbözőbb környezetekben és kontextusokban. Amikor a városokat intelligens városoknak nevezik, az lényegében annyit tesz, hogy a különböző érzékelők adatokat gyűjtenek annak érdekében, hogy információkat nyerjenek, és ezeket felhasználva hatékonyan kezeljék ezen objektumokat. Ha például úgy gondolunk rájuk, mint vagyontárgyakra, akkor a hatékony vagyonkezelésnek valódi előnyökkel kell járnia. Egyik példa erre az eszközleállások minimalizálása, valamint az eszközök várható élettartamának növelése. Ezek nagyobb teljesítményt, alacsonyabb kezelési költségeket, boldogabb eszközhasználókat és jobb fenntarthatóságot eredményeznek. 

5. A mesterséges intelligencia a katonai és a kiberbiztonságban 

A mesterséges intelligenciával támogatott katonai technológiák olyan autonóm fegyverrendszereket építettek, amelyek működtetéséhez egyáltalán nincs szükség emberekre, így a legmegbízhatóbb módja a nemzetbiztonság növelésének. A közeljövőben láthatunk olyan katonai robotokat, amelyek ugyanolyan intelligensek, mint egy katona/kommandós, és képesek lesznek bizonyos feladatok végrehajtására. 

A mesterséges intelligenciával támogatott stratégiák fokoznák a küldetések hatékonyságát, és a legbiztonságosabb módját biztosítanák azok végrehajtásnak. A mesterséges intelligenciával támogatott rendszerrel kapcsolatos aggályos rész az, hogy az algoritmus végrehajtásának módja nem teljesen megmagyarázható, mivel a mély neurális hálózatok gyorsabban és folyamatosan tanulnak. Pusztító eredményekhez vezethet, ha a program rossz döntéseket hozna, vagy ellenséges kezekbe kerülne. 

6. Önvezető járművek 

Manapság mindenki az "önvezető járművekről" beszél, a 2.0 szintű autonómiát a Tesla-nak pedig már sikerült elérnie. Az autonóm vezetés a mesterséges intelligencia egyik legfontosabb alkalmazási területe. 

Az autonóm járművek (AV) több érzékelővel, például kamerákkal, radarokkal és lidar eszközökkel vannak felszerelve, amelyek segítenek a környezet jobb megértésében és az útvonaltervezésben. Ezek az érzékelők hatalmas mennyiségű tudást generálnak. 

Amint az autonóm járművek nagyobb mértékben kerülnek az utakra, az olyan taxiszolgáltatások, mint az Uber és az Ola, sofőr nélküliek lesznek, ez pedig megváltoztatná a közlekedési ágazat működését. A mesterséges intelligencia által vezérelt autonóm járművek piaca az előrejelzések szerint 2025-re 127 milliárd dolláros értéket fog elérni. 

7. Szórakozás 

Az OTT-k, mint a Netflix és az Amazon Prime már most is gyorsan növelik felhasználói bázisukat. Az intelligens algoritmusok készek lesznek arra, hogy a legkézenfekvőbb marketing- és hirdetési megoldásokat kitalálják. Az AI segítségével a prediktív analitika felhasználásával minden marketingfolyamatot gyorsabban lehet majd kialakítani. A jövőben az AI nemcsak a preferenciáinkat, hanem a hangulatunkat is képes lesz megjósolni, és ennek megfelelően jelenítene meg tartalmakat is. 

8. Gyártás 

A közeljövőben a gyártás teljesen automatizált lesz. A mesterséges intelligencia a gyártási ellátási láncokat is optimalizálja, segítve a vállalatokat a piaci változások előrejelzésében. Ezek az információk felbecsülhetetlen értékűek a gyártók számára, mert lehetővé teszik számukra a munkaerő-felvétel, a belső ellenőrzés, az energiafogyasztás és ezáltal a nyersanyagellátás optimalizálását. 

A mesterséges intelligencia rendszerek által lehetővé tett gyártási folyamatok nemcsak a szükséges folyamatokat lennének képesek elvégezni, hanem emberi beavatkozás nélkül is képesek lennének a termékek ellenőrzésére, javítására és minőségellenőrzésére. A Marketsandmarkets jelentései szerint a Mesterséges intelligencia a gyártási piacon várhatóan a 2018-as 1,0 milliárd dollárról 2025-re 17,2 milliárd dollárra nő, az előrejelzési időszak alatt 49,5%-os CAGR-rel. 

A távoli célok 

A mesterséges intelligencia végső célja - hogy egy gép az emberi intelligenciához hasonló általános intelligenciával rendelkezzen - az egyik legambiciózusabb cél, amelyet a tudomány valaha is előterjesztett. Nehézségét tekintve összehasonlítható más nagy tudományos célokkal, mint például az élet vagy az Univerzum eredetének megmagyarázása, vagy az anyag szerkezetének felfedezése. 

Az emberi agy valójában nagyon messze áll a jelenlegi mesterséges intelligencia modellektől, ami arra utal, hogy az úgynevezett szingularitás - az agy másolatain alapuló mesterséges szuperintelligenciák, amelyek messze felülmúlják az emberi intelligenciát - nagyon kevés tudományos alappal bíró előrejelzés. 

A mesterséges intelligencia terén minden kutatási erőfeszítés a specializált mesterséges intelligenciák létrehozására irányult, és az eredmények látványosak voltak, különösen az elmúlt évtizedben. A siker lényegében két elem kombinációjának köszönhető: a hatalmas mennyiségű adat rendelkezésre állásának és az ezek elemzéséhez szükséges magas szintű számítástechnikai eszközökhöz való hozzáférésnek. 

A legbonyolultabbak azok a képességek, amiknél korlátozatlan és előzetesen nem előkészített környezettel kell interakcióba lépni. Az ilyen képességekkel rendelkező rendszerek tervezése a mesterséges intelligencia számos területének fejlesztését igényli. Továbbá a fejlesztési robotika lehet a kulcsa annak, hogy a gépeket józan ésszel ruházzuk fel, különösen azzal a képességgel, hogy megtanulják a cselekedeteik és a környezetükre gyakorolt hatásuk közötti összefüggéseket. 

Végső soron viszont kijelenthetjük, bármennyire is intelligensek lesznek a jövőbeli mesterséges intelligenciák, soha nem lesznek azonosak az emberi intelligenciával: a komplex intelligenciához szükséges mentális fejlődés a környezettel való kölcsönhatásoktól függ, ezek a kölcsönhatások pedig a testtől - különösen annak érzékelő és mozgásrendszereitől. 

Forrás: Educba, AI multiple, Openmind BBva, Built in, Techvidvan, Technology Review