Egy chatrobotba oltott Pandacsöki Boborján, vagy a Tesla önvezető rendszere az „igazi” mesterséges intelligencia? Miért kellett húsz évig várni, hogy a sakk után a góban is győzedelmeskedjék a gépi intelligencia az emberiség legjobbjai felett? Benczúr András a mesterséges intelligencia mai helyzetét világítja meg előadásában.
Már az 1960-as években kifejlesztettek egy ELIZA nevű csevegőprogramot, amely pszichoterapeutának kiadva magát, egészen emberszerű kommunikációra volt képes. A program persze hamar lelepleződött, ha valaki kicsit is életszerű beszélgetésbe próbált vele elegyedni – a beépített szófordulatok ezekben a helyzetekben egyszerűen nem működtek. Ez a példa is jól mutatja, hogy a mesterséges intelligencia minőségének megítélése egyáltalán nem egyszerű feladat.
Benczúr András néhány érdekes példával – köztük a fent említett Boborjánt imitáló csevegőprogram és az ismert bútoráruház szilikonagyú asszisztense között lezajlott beszélgetéssel – illusztrálja a problémát, de inkább eltávolodik az elvi kérdésektől, és bemutatja, hogy mire képes ma a mesterséges intelligencia. Az okostelefonokon egyre gyakrabban elérhető prediktív szövegbevitel nagyszerű példa a specializált mesterséges intelligencia alkalmazására, mint ahogy a beszédfelismerés, vagy az automatizált fordítás terén is komoly fejleményeket hozott az utóbbi időszak.
Azoknál a helyzeteknél, ahol gyors reakciókra, hirtelen elvégzendő bonyolult műveletekre van szükség, a gépi intelligencia előbb-utóbb felülmúlja az emberi képességeket. Jó példa erre a kötöttpályás járművek robotpilótája, – ilyen működik már a budapesti 4-es metrón is – vagy a vezetéssegítő technológiák, ahol a gépi szenzorok villámgyorsan érzékelik a környezet változásait, és képesek például eltérő erővel fékezni az egyes kerekeket.
A stratégiai-logikai játékokban a rengeteg lehetséges eset gyors áttekintése előnyt adhat a gépeknek – ez már 1996-ban megmutatkozott, amikor az IBM Deep Blue nevű szuperszámítógépe egy történelmi sakkjátszmában legyőzte Garri Kaszparovot. A go játék lehetséges állásainak száma azonban nagyságrendekkel nagyobb a sakkban elképzelhetőnél. Itt csak húsz év múltán, 2016-ban sikerült egy AlphaGo nevű mesterséges intelligenciának győzedelmeskednie a világ egyik legjobb gojátékosa, Lee Sedol felett. A győzelemben jelentős szerepe volt az úgynevezett mély tanulásnak, amely a hierarchikus rétegekbe szervezett mesterséges neuronhálózatok tanulási képességeire épít. E területen ugrásszerű fejlődésnek lehettünk tanúi az utóbbi években.
Benczúr András szerint a gépi intelligencia fejlődése három alapfeltételre épít:
1. Rengeteg tanító adatra van szükség hozzá. Nem is véletlen, hogy a mesterséges intelligencia fejlesztésében élen járó óriásvállalatoknál – mint a Google, a Facebook vagy az önvezető autókat fejlesztő Tesla – elképesztő mennyiségű adat koncentrálódik keresési eredmények, szociális kapcsolati adatok vagy épp a vezetés alatt készülő élő videófolyam formájában.
2. Fontosak a tanulás matematikai alapjai – e területen hozott komoly előrelépést egyebek mellett a mély tanulás elve.
3. Nem szabad elfeledkezni az eredménnyel szemben támasztott elvárásokról: nem mindegy, hogy szűk területen használható csevegőprogramot, globális problémák megoldására hivatott módszereket vagy „intelligens” fegyverrendszereket szeretnének előállítani.