A gépi tanulás mibenléte
Legújabb blogbejegyzésünk a mesterséges intelligencia egyik legérdekesebb ágáról szól. A gépi tanulás során a számítógépeket a feladat elvégzésére nem beprogramozzák, hanem betanítják. Ehhez rengeteg releváns adatra és mesterséges neurális hálóra is szükség van. Már most is nagyon jelentős technológiai megoldásokat köszönhetünk a gépi tanulásnak.
Gépi tanulás és a hagyományos programozás
A gépi tanulás nagyon felkapott fogalom, hiszen több, szenzációs megoldás is napvilágot látott az utóbbi években (ezekről később lesz szó). Természetesen, nem ez fogja megoldani az emberiség összes problémáját.
Ugyanakkor nem csak a tudományos életben, hanem számos üzleti területen is nagy előnyökkel kecsegtet. Ilyen terület például a logisztika, kiskereskedelem, filmipar, ügyfélszolgálat, szoftverfejlesztés és még sok más terület.
Nagyon sok olyan problémát meg lehet oldani a gépi tanulás segítségével, melyet a hagyományos programozási logikával eddig nem lehetett. Ilyen például a beszédfelismerés, mellyel cégünk, a Netlife Robotics foglalkozik.
A hagyományos programozás során a fejlesztőnek meg kell mondania, illetve le kell kódolnia, hogy a gép hogyan hajtson végre egy feladatot. A gépi tanulás során erre nincs szükség, ilyenkor a számítógép saját “belátása” szerint végzi a dolgát.
A gépi tanulás az adatok vizsgálatával, megfigyelésével kezdődik. A rendszer ezekben különböző mintázatokat keres. Az elsődleges cél, hogy a tanulási folyamat emberi beavatkozás nélkül, automatikusan menjen végbe. Ehhez elengedhetetlen a mesterséges neurális háló.
A mesterséges neurális háló egy információfeldogozó eszköz. Az emberi neurális hálózat mintájára alkották meg, tehát ez is neuronokból épül fel. Minden neuron között különböző erősségű irányított kapcsolat van, így az információáramlás egyirányú.
A tanulás hasonlóan működik, mint az embernél. Minél több tapasztalatot gyűjt egy gép az adott témában, vagyis minél több adatot szerez, annál jobban fogja majd az adott feladatot végrehajtani.
Például ha egy algoritmussal szeretnének zenét komponálni, akkor az adott stílusból a lehető legtöbb művel ismertetik meg a rendszert.
Mit köszönhetünk ennek a folyamatnak?
Korábban említettem, hogy a gépi tanulás segítségével nagyon sok olyan megoldást lehet létrehozni, melyet hagyományos programozással lehetetlen.
Ilyen például a spam szűrő, a beszédfelismerés, az önvezető autó (mely még meglehetősen gyerekcipőben jár) és a videók feliratozása is. Született már olyan festmény is, melyet szintén gépi tanulással fejlesztett program alkotott. Pletykaként jegyezném meg, hogy ezen festmény egyébként elég jó áron kelt el egy aukció során.
Gépi tanulással létrehozott algoritmus fejezte be Beethoven X. szimfoniáját is. Szoftverek egyébként számos más zeneművet is létrehoztak, híres énekesek, zenészek stílusában.
Ezen művek azonban meglehetősen bizarra sikeredtek és a szóhasználatuk is meglehetősen egyedivé sikerült (többnyire tudományos szakkifejezések domináltak a szövegben).
Mesterséges intelligencia algoritmus tett rendkívül élethűvé egy 1911-es filmet. Színezte és javította is a kép minőségét, illetve egy picit lelassította. Az eredmény egy rendkívül élethű kordokumentum a múlt század eleji New York utcáiról. Érdemes megnézni!
2016-ban Japánban egy mesterséges intelligencia novellát írt, mely továbbjutott még egy irodalmi versenyen is (bár a fődíjat nem sikerült megnyernie). Az algoritmust Hitoshi Matsubara és csapata fejlesztette egy japán egyetemen. Válogatott kifejezéseket és mondatokat tápláltak be és bizonyos paramétereket állítottak be, mielőtt megíratták volna a novellát szoftverükkel.
Ugyanennek a technológiának köszönhetően pixeles fotókból képes egy MI algoritmus élethű arcokat generálni. Sajnos ezek azonban gyakran eltérnek a képeken szereplő arcoktól, itt szemmel láthatóak a mesterséges intelligencia korlátai.
Viszont vannak jól működő, gépi tanulással kidolgozott rendszerek is. Ilyen cégünk voicebotja.
A Netlife Robotics által fejlesztett Pepper robot képes magyar nyelven beszélgetni az ügyfelekkel. Nyilván nem olyan, mintha egy másik emberrel beszélgetnénk. Robotos, néha kicsit lassú, de mindenképp élvezetes a kommunikáció. Ehhez egy voicebotot fejlesztettünk ki, mely mögött szintén egy gépi tanulással tökéletesített mesterséges neurális hálózat áll.
Azure.Microsoft.com; Műszaki Magazin; Expert System; Zdnet; BME MI Almanach; Tudomék blog; Digital Trends;
