Ugrás a fő tartalomhoz

A mesterséges intelligencia alapjai

Bevezetés​

A mesterséges intelligencia (MI vagy AI) napjaink egyik leggyorsabban fejlődő és legnagyobb hatású technológiája. Ebben a leckében megismerjük az alapvető fogalmakat, a különböző MI típusokat, és áttekintjük a technológia fejlődésének főbb állomásait.

Mi az a mesterséges intelligencia?​

A mesterséges intelligencia olyan számítógépes rendszerekre utal, amelyek képesek olyan feladatok elvégzésére, amelyek hagyományosan emberi intelligenciát igényelnek. Ezek közé tartozik:

  • A vizuális érzékelés
  • A beszédfelismerés
  • A döntéshozatal
  • A nyelvek közötti fordítás
  • A kreatív alkotás
Történelmi érdekesség

Az "artificial intelligence" kifejezést először John McCarthy használta 1956-ban a Dartmouth-i konferencián, amely a mesterséges intelligencia kutatás születési helyének tekinthető.

MI típusok​

1. Szűk vagy gyenge MI (Narrow/Weak AI)​

A szűk MI egy specifikus feladat elvégzésére specializálódott rendszer. Ez a típus nem rendelkezik valódi öntudattal vagy általános problémamegoldó képességgel.

Példák szűk MI-re:

  • Sakkprogramok
  • Képfelismerő rendszerek
  • Spam szűrők
  • Időjárás előrejelző rendszerek
Gyakorlati példa

Az okostelefonod időjárás alkalmazása szűk MI-t használ az előrejelzések elkészítéséhez. Gyűjti és elemzi a meteorológiai adatokat, majd előrejelzést készít, de nem tud segíteni neked a bevásárlólista összeállításában.

2. Általános vagy erős MI (General/Strong AI)​

Az általános MI olyan (egyelőre hipotetikus) rendszer, amely képes lenne az emberhez hasonló általános problémamegoldásra és gondolkodásra.

Főbb jellemzői:

  • Emberi szintű vagy azt meghaladó intelligencia
  • Általános problémamegoldó képesség
  • Adaptív tanulás és alkalmazkodás
  • Öntudat és önreflexió
Fontos megjegyzés

Jelenleg nem létezik általános MI. Amikor a médiában "MI"-ről hallunk, az szinte mindig szűk MI-re vonatkozik.

Gépi tanulás vs. mély tanulás​

Gépi tanulás (Machine Learning)​

A gépi tanulás az MI egyik alapvető megközelítése, ahol a rendszerek képesek tanulni és fejlődni a tapasztalatokból anélkül, hogy explicit módon programoznák őket.

Főbb típusai:

  1. Felügyelt tanulás
    • A rendszer címkézett adatokon tanul
    • Például: spam szűrés, betegség diagnosztika
  2. Felügyelet nélküli tanulás
    • A rendszer maga fedezi fel a mintázatokat
    • Például: vásárlói szegmentálás, anomália detektálás
  3. Megerősítéses tanulás
    • A rendszer próba-szerencse alapon tanul
    • Például: robotikai alkalmazások, játék AI-k
Interaktív feladat

Gondold végig: Milyen típusú gépi tanulást használna...

  • egy arcfelismerő rendszer?
  • egy vásárlási ajánlásokat készítő rendszer?
  • egy önvezető autó?

Válaszaidat indokold meg!

Mély tanulás (Deep Learning)​

A mély tanulás a gépi tanulás egy speciális ága, amely többrétegű neurális hálózatokat használ a komplex minták felismerésére.

Jellemzői:

  • Nagy mennyiségű adat szükséges
  • Jelentős számítási kapacitás igény
  • Kiváló mintázatfelismerő képesség
  • Nehezen értelmezhető "fekete doboz" működés

Történeti mérföldkövek​

1950-es évek​

  • 1950: Alan Turing publikálja a "Computing Machinery and Intelligence" című művét
  • 1956: Dartmouth konferencia, az MI születése
  • 1958: Frank Rosenblatt megalkotja a Perceptront

1960-70-es évek​

  • ELIZA, az első chatbot megjelenése
  • Az első szakértői rendszerek fejlesztése
  • MI nyelv, a LISP elterjedése

1980-90-es évek​

  • Neurális hálózatok újrafelfedezése
  • 1997: Deep Blue legyőzi Garry Kasparovot sakkban

2000-es évek​

  • Support Vector Machines elterjedése
  • Big Data forradalom kezdete
  • Növekvő számítási kapacitás

2010-es évek​

  • 2012: Deep Learning áttörés képfelismerésben
  • 2014: Generatív modellek megjelenése
  • 2016: AlphaGo legyőzi Lee Sedolt

2020-as évek​

  • 2022: ChatGPT és nagy nyelvi modellek
  • 2023: Generatív AI forradalom
Időutazás

Kreatív feladat: Képzeld el, hogy 2050-ben vagy. Írj egy rövid bejegyzést egy technológiai blogba, amelyben visszatekintesz a 2020-as évek MI fejlesztéseire! Mi tűnik majd jelentős mérföldkőnek a jövőből nézve?

Gyakorlati feladatok​

1. MI típusok azonosítása​

Nézz körül az általad használt alkalmazások között! Készíts listát, melyik milyen típusú MI-t használ és miért?

2. Történeti kutatás​

Válassz ki egy történeti mérföldkövet és kutass utána részletesebben! Milyen hatással volt ez a fejlesztés a mai technológiákra?

3. Etikai megfontolások​

Gondold végig és vitasd meg társaiddal:

  • Milyen etikai kérdéseket vet fel az általános MI fejlesztése?
  • Milyen biztonsági intézkedésekre lenne szükség?

Összefoglalás​

Ebben a leckében megismertük:

  • Az MI alapvető típusait és jellemzőiket
  • A gépi tanulás és mély tanulás közötti különbségeket
  • A technológia fejlődésének főbb állomásait

A következő leckében az MI gyakorlati alkalmazási területeit fogjuk részletesen megvizsgálni.

Ellenőrző kérdések
  1. Mi a különbség a szűk és az általános MI között?
  2. Sorold fel a gépi tanulás három fő típusát!
  3. Melyik évben és hol született meg hivatalosan az MI, mint tudományterület?
  4. Mik a mély tanulás főbb jellemzői?
  5. Nevezz meg három jelentős mérföldkövet az MI történetéből!

További olvasmányok​

Hivatkozások​

  1. A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence - McCarthy, J., et al. (2006)
  2. Computing Machinery and Intelligence - Turing, A.M. (1950)
  3. The Deep Learning Revolution - Nature, 2015