Mesterséges intelligencia? Igen, de a döntés továbbra is az emberé marad!
Sokan még ma is úgy gondolnak a mesterséges intelligenciára, mint egy valamikor a távoli jövőben kialakuló, megfoghatatlan technológiára, amely előbb-utóbb leigázza az emberiséget.

 

Pedig már 2017-ben a PwC nemzetközi tanácsadó cég kutatása is arról szólt, hogy a mesterséges intelligencia lesz a jövő legnagyobb üzlete.Tanulmányukban megállapították, hogy a világ GDP-je 2030-ban 14 százalékkal lesz magasabb a mesterséges intelligenciának köszönhetően, ami 15,7 billió dollár növekedésnek felel meg. Ez több mint Kína és India jelenlegi gazdasági teljesítménye együttvéve. Az elemzés kiemeli, hogy a mesterséges intelligencia akár az automatizálásnál is nagyobb mértékben bővítheti, egészítheti ki a vállalkozások lehetőségeit. A termelékenységre gyakorolt hatás önmagában is átalakíthatja a versenyt, sőt akár diszruptív is lehet.

Azok a vállalkozások, amelyek nem alkalmazzák a mesterséges intelligenciát, rövid időn belül olyan helyzetbe kerülhetnek, hogy nem lesznek képesek lépést tartani versenytársaikkal a vállalási idők, a költségek és a tapasztalat tekintetében, ezért piaci részesedésük nagy részét elveszíthetik. Az igazi kihívást a tehetséges munkavállalók, a technológia és az adatokhoz való hozzáférés biztosítása jelenti, annak érdekében, hogy a legtöbbet tudjuk kihozni ebből a lehetőségből. De hogy a sci-fi irodalmon túl, a hétköznapokban mit is jelent a mesterséges intelligencia, és mire használható, arról Tóth Gáborral, a VariaTech Consulting Kft. ügyvezető igazgatójával és Gados Dániel fejlesztésvezetővel beszélgettünk.

– Mi a mesterséges intelligencia?

– Gados Dániel: A mesterséges intelligencia viszonylag új technológia, és számos olyan megoldás, algoritmus, megközelítés létezik, amit ebbe a fogalomkörbe sorolnak. Nekünk, szoftvermérnököknek mesterséges intelligencia minden olyan algoritmus halmaza, amely valamilyen formában a precízen megfogalmazható és algoritmizálható feladatmegoldáson túlmutat. De mesterséges intelligenciának nevezhetünk minden olyan rendszert, amelyik autonóm módon, emberi beavatkozás nélkül képes problémákat megoldani, vagy az emberhez hasonlóan viselkedni. Egy másik definíció szerint mesterséges intelligenciának nevezzük azokat a rendszereket is, melyek érzékelni képesek a környezetüket, és ahhoz tanulás útján képesek adaptálódni. Ilyen lehet egy tanuló rendszer.

Képzeljük el, hogy a háziorvosi vizsgálat előtt a mesterséges intelligencia elvégzi a korábbi megbetegedések, orvosi diagnózisok adatai nyomán a szükséges szűrővizsgálatokat, és a további orvosi diagnózisok során képes tanulni, és adaptálódni az újabb és újabb betegtalálkozók adatai alapján. Így egyre pontosabb szűrés elvégzésére lesz képes a rendszer. De, hogy egy másik példát is hozzunk! A sakkprogramok esetében sokszor nem is sejtjük, hogy az asztal túloldalán élő emberrel vagy programmal játszunk, gyakorlatilag nem tudunk különbséget tenni a kettő között. Sok esetben a programok lényegesen jobban teljesítenek, mint az emberek. Bár ezeknek a programoknak más a technológiája, vannak algoritmusok, amelyek eleve betáplált információból vagy előre meghatározott algoritmusokra építve alakítják a mesterséges intelligenciát.

 

 

Amit ma divatos mesterséges intelligencia címkével ellátni, az a mélytanulás fogalma. Ez a mesterséges intelligencia egyik ága, ahol nagy adathalmazok és tanítóminták segítségével dolgozunk. Minél nagyobb és pontosabb az összerakott minta, annál jobb lesz az eredmény. Egy másik terület az útkereső, útválasztó algoritmusoké. Ezek egyáltalán nem igénylik, hogy nagy adathalmazból dolgozzanak. Mesterséges intelligencia ez is, csak a mélytanuláshoz képest jóval kevésbé komplex eszközrendszerrel, de ugyanazzal a céllal működnek. Ugyanúgy egy intelligens ágens az, ami ennek eredményeként létrejön, majd autonóm módon képes döntéseket hozni és azokat végrehajtani. A cél többnyire mindenhol az, hogy automatizált, embert helyettesítő megoldást kapjunk, melynek eredményeként az ember tudása, képessége a folyamat során máshol is kamatoztatható.

– Mennyire bízhatunk a mesterséges intelligenciában?

– Gados Dániel: Erre a kérdésre nincs egyértelmű válasz. A mesterséges intelligencia nem magától születik, az algoritmusokat emberek fejlesztik, ennek minden előnyével és hátrányával egyetemben. Ezért ez a kérdés mindig megmarad. Amit mi látunk, hogy a mesterséges intelligencia nagyon hatékonyan képes működni, az embernél sokkal gyorsabban tud megoldani olyan problémákat, amelyek kellőképpen nehezek, és ezekre általában jó megoldásokat ad. De azt gondolom, hogy az embernek, mint más esetekben is, fenntartással kell kezelni az eredményeket. Szükség van a kontrollra, hogy valóban a kívánt eredmény szülessen.

Szót kell ejteni a felelősség kérdéséről is. Ez jellemzően nem műszaki vagy technológiai kérdés, de megkerülhetetlen. Például ha az önvezető autó balesetet okoz, az kinek a felelőssége? Előbb-utóbb bizonyára el fogunk jutni arra az állapotra, hogy a mesterséges intelligencia is felelőssé tehető azokért a döntésekért, amelyeket meghoz, de jelenleg nem tartunk itt. A mesterséges intelligencia vagy annak fejlesztője nem vonható kérdőre a döntésekért. De fontos, hogy legyen valaki, aki megnézi és elfogadja a mesterséges intelligencia javaslatait, majd vállalja a döntésekért a felelősséget. A jogszabályi környezet jelenleg nem teszi lehetővé a felelősség áthárítását, és azt gondolom, hogy a technológia sem áll még azon a szinten, hogy ez lehetséges volna.

– Ezek a rendszerek már a napi termelési folyamatokban is szerepet kaphatnak?

– Tóth Gábor: A piacon elsőként alkalmazzuk gyártási rendszerekben a genetikus algoritmus alapú mesterséges intelligenciát, melynek köszönhetően a kis- és közepes vállalkozások az adott folyamatra fordított időt és költségeket legalább 30-40 százalékkal tudják csökkenteni. Ez a fejlesztés a jövő technológiája. Abban bízunk, hogy világszerte el fog terjedni, ugyanis az ebben alkalmazott megoldásoknak köszönhetően legalább két év versenyelőnyünk van.

 

 

A genetikus algoritmusnak köszönhetően új szemlélet jelent meg a folyamatokban: a szoftver az adott válaszra nem a tökéletes, hanem számos paramétert mérlegelve a lehető legjobb megoldást adja meg úgy, hogy mindig érvényes és végrehajtható tervet hoz létre a gyártástervező számára. Így rendkívül rövid idő alatt képes a termelés optimális megtervezésére. A szoftver egyik előnye, hogy nagyon gyorsan használatba lehet venni. A legtöbb finomtervező ugyanis úgy van felépítve, hogy akár egy évet is kell dolgozni a bevezetésén, ez azonban akár 6 hét alatt bevezethető.

A tapasztalataink alapján a szoftver használói nemcsak a költségeket, de a ráfordított időt is legalább 30-40 százalékkal tudják csökkenteni. Emellett a szoftver szimulálni is tud, tehát hogyha nem várt probléma, megoldandó feladat keletkezik, akkor ezeket nem kezdi el azonnal végrehajtani, hanem több változatot készít, és ezek közül választja ki a legoptimálisabbat. A mesterséges intelligenciának köszönhetően ráadásul ezt villámgyorsan megteszi, hiszen rengeteg adatot képes pillanatok alatt feldolgozni, „átgondolni”.

 


Az egyik partnerünknél például a szoftver bevezetése előtt két napig tartott a havi termelési terv elkészítése, ezt a szoftverünk 4 másodperc alatt készíti el.


 

A genetikus algoritmus alkalmazásával a szoftver tulajdonképpen az evolúciót próbálja szimulálni az adott rendszeren belül. Így a régebbi algoritmusokhoz képest az a legnagyobb különbség, hogy a mesterséges intelligencia sohasem tökéletest alkot, hanem mindig egy már jó megoldást keres, és ezt fejleszti folyamatosan.

Többféle mesterséges intelligencia megoldásunk van a termeléstervező rendszerünkben, de mindegyik azt célozza, és az a fő funkciója, hogy megpróbáljuk a lehető legnagyobb mértékben kiváltani a termeléstervező szakember munkáját. Vagyis ne olyan kérdésekkel foglalkozzon nap mint nap, amelyek teljesen jól helyettesíthetők egy automatizált intelligens termeléstervezéssel. Neki csak a kivételekre, az általánostól eltérő specifikus esetekre kell koncentrálnia, és azokat megoldani.

A mi termeléstervező rendszerünk nagyon hasonló válaszokat ad, mint amit egy szakember is adna, ha neki kellene megoldania a problémát. A termelésoptimalizálás során az a feladatunk, hogy meg kell értenünk nagyon komplex, egymásra épülő rendszerek működését, és el kell tudnunk oda jutni, ahova más 6-10 óra alatt jut el egy probléma elemzésénél. A mi algoritmusunknak az a dolga, hogy közel ugyanazt az eredményt érje el egytized másodperc alatt.

 

 

A hagyományos termelésütemezési rendszerekhez képest a végén mi is azt az eredményt produkáljuk, de lényegesen gyorsabban, és a mesterséges intelligencia által biztosított jóval szélesebb körű lehetőségek igénybevételével. A mi rendszerünknek azáltal, hogy sokszorosára nőtt a probléma megoldásának gyorsasága, lehetősége van teljesen más szempontból megközelíteni a termelést. Pl. pillanatok alatt ki lehet próbálni megoldásokat, föl lehet építeni és összehasonlítani különböző alternatívákat, és a problémamegoldás minőségét a sebesség támogatásával tudja egy teljesen más szintre helyezni.

 


Még egy fontos megjegyzés! Általánosságban nincs olyan, hogy „a” mesterséges intelligencia. Minden esetben célszoftverekről beszélünk, amelyek mindig valamilyen probléma specifikus megoldásáról szólnak.


 

A mesterséges intelligencia legmélyén nagyon hasonló algoritmusokat találunk. Mi például az optimalizáláshoz egy hibrid, de alapvetően genetikus algoritmust használunk. Ugyanez az alapja a járatoptimalizáló megoldásunknak, ami egy teljesen más típusú problémára nyújt megoldást. Genetikus algoritmus működik a raktár-optimalizáló szoftverünkben is. Az biztos, hogy a termelésoptimalizáló nem lesz képes raktárt optimalizálni, és a járatoptimalizáló sem fog termelést ütemezni. Amit mindenre lehet használni, az végül semmire sem lesz igazán alkalmas.

– Gados Dániel: Az embereket is nagyon sokáig tanítjuk születésüktől kezdve, hogy képesek legyenek bizonyos problémák megoldására, a mesterséges intelligenciától sem várhatjuk el, hogy egy célalgoritmus mindenre univerzális megoldás legyen. Ne feledjük, hogy a mesterséges intelligencia sohasem lesz kreatív! Azokat a feladatokat képes átvenni, amelyeket az emberek is elvégeznek, olykor még jobban is, de a kreativitást igénylő feladatokban ezek az algoritmusok már nem szerepelnek jól.

– Hogyan kezdjünk a mesterséges intelligencia bevezetéséhez?

– Tóth Gábor: Először is ne mesterséges intelligencia bevezetésében gondolkozzunk, az a következő lépések egyike lehet. Mindenekelőtt pontosan meg kell határozni, hogy a vállalkozásnak mire van szüksége, hogy hatékonyabbá tudja tenni például a termelését. Ha megtaláljuk ezeket a pontokat, és a hagyományos eszközökkel nem megoldható a probléma, akkor lehet szoftveres megoldást keresni. Ez nem feltétlenül a mesterséges intelligenciát kell hogy jelentse. Tíz évvel ezelőtt is megoldották a termelési problémákat. Ugyanakkor a genetikus algoritmusok jelenleg lehetőségeik töredékét használják, ezért a mi szoftverünk – az egyéb, képességeik tetején lévő rendszerekhez képest – teljesítményben és tudásban még nagyságrendeket fog fejlődni. Ez a különbség, amit tapasztalatok alapján lehet megszerezni. Valószínű, hogy én nem kezdenék 10-20 évvel ezelőtt fejlesztett rendszerekkel dolgozni.

 

Genetikus algoritmus
 
Genetikus algoritmusok alatt olyan keresési technikák egy osztályát értjük, melyekkel optimumot vagy egy adott tulajdonságú elemet lehet keresni. A genetikus algoritmusok speciális evolúciós algoritmusok, technikáikat az evolúcióbiológiából kölcsönözték. (Forrás: Wikipédia)

 

– Gados Dániel: A mesterséges intelligencia eszköz, és így is kell rá tekinteni. Egy probléma másféle, jobb, hatékonyabb, optimálisabb megoldására képes, de az nem cél, hogy valaki mesterséges intelligencia megoldásokat használjon. Akkor érdemes ezt megtenni, ha ezáltal jobb eredményeket fog kapni. Egy olyan támogató rendszerről beszélünk, ami tehermentesíteni tudja az embert. Nem mindenható, bár sokszor szokták azt gondolni, hogy a mesterséges intelligencia majd mindent tökéletesen megold, de ez nem így működik.

Érdemes azt is felidézni, hogy az emberek emberekkel szeretnek interakcióba lépni, és nem gépekkel. Olyan helyzetekben, amikor az embereknek gépekkel kell kommunikálni – pl. számos helyen az ügyfélkapcsolatot már megpróbálják mesterséges intelligenciára bízni –, gyorsan kiderül, hogy a legjobb algoritmus sem képes helyettesíteni a valódi embert. Vagyis még nem tartunk ott, hogy ne tudjunk különbséget tenni a gépi és emberi kommunikáció között. Erre a szintre még nem jutott el a mesterséges intelligencia.

– Milyen lehetőségek állnak a mesterséges intelligencia fejlesztésével és bevezetésével foglalkozó cégek előtt?

– Tóth Gábor: Jól ismerjük a hazai piacot, de nekünk többnyire azokkal a cégekkel van kapcsolatunk, akik valamilyen megoldást keresnek konkrét problémájukra. Hozzánk már csak ilyen cégek fordulnak, és nem feltétlenül a mesterséges intelligencia miatt keresnek bennünket. Van, ahol ez szóba sem kerül. Egyszerűen a cég fejlődésével, az ügyfélkör bővülésével elérnek egy olyan pontra, amikor a korábbi eszközökkel nem tudják átlátni működésüket, és ezért keresnek valamilyen szoftveres támogatást. Mindig elmondjuk, hogy a mesterséges intelligencia sohasem lehet cél, csupán eszköz.

Kétségtelen, hogy ezzel az eszközzel egy másfajta metódust tudunk ajánlani, amivel sok esetben nagyságrendekkel hatékonyabban tudják megoldani problémáikat, mint a hagyományos eszközökkel. Úgy látjuk, hogy a digitalizáció és a mesterséges intelligencia térnyerésének következtében sokkal hatékonyabb munkára lesznek képesek a cégek és az egész emberi társadalom. Az emberek egyre inkább olyan területen fognak dolgozni, ahol kreatív munkával értéket állítanak elő, és a mechanikus feladatok elvégzését a technológiára bízzák.

Szerintem ez nem baj, legalábbis a mi technokrata megközelítésünk szerint. Természetesen ezek a változások nem egyik napról a másikra következnek be. Úgy gondolom, hogy a társadalmat és az oktatást időben fel kell készíteni erre a folyamatra. Ez nem magyar sajátosság, az egész világon nagy kérdés, hogy a társadalmak hogyan lesznek képesek megbirkózni a változásokkal. Senki sem látja a jövőt, nincsenek kész megoldások. Ez egy folyamatos adaptáció lesz az elkövetkezendő évtizedekben, amely arról szól, hogy az emberiség hogyan lesz képes alkalmazkodni a változó világhoz.

Premier a győri Audinál
Az Audi Hungaria megkezdte a mild-hibrid (MHEV, Mild Hybrid Electric Vehicles) hajtásláncú Q3 és Q3 Sportback modellek sorozatgyártását.
Mi kell az Y és Z generációnak
A teljesítmény alapú honoráriumnál vonzóbb a fix, kiszámítható alapbér, és meghatározó a közvetlen felettes vezetői stílusa is a 16-28 éves korosztály számára.
GigaDevice 32 bites RISK-V architektúrájú mikrokontroller
A GigaDevice GD32 sorozatú eszközeivel vezető szerepet tölt be Kína nagy teljesítményű, 32 bites, általános célú mikrokontroller-piacán, első kínai gyártóként kínálva Arm Cortex-M3, Cortex-M4 és Cortex-M23 MCU termékcsaládokat.
Német autóipar - borúra derű
Az autóipar termelésének jelentős csökkenése lefelé húzza a német gazdaságot, és az ágazat strukturális változása kedvezőtlenül hat a munkaerőpiacra - figyelmeztetett a müncheni ifo gazdaságkutató intézet.
Hiba volt lemondani a kötelező nyelvvizsgáról
Csak átmeneti intézkedésként tartja fenntarthatónak a felsőoktatási felvételihez előírt kötelező nyelvvizsga eltörléséről szóló kormányhatározatot az Együtt a Jövő Mérnökeiért Szövetség (EJMSZ).