Wikiszótár

mesterséges intelligencia

Magyar

Kiejtés

  • IPA: [ ˈmɛʃtɛrʃeːɡɛʃintɛlːiɡɛnt͡sijɒ]

Főnév

mesterséges intelligencia

  1. (informatika, mesterséges intelligencia) A mesterséges intelligencia (MI) az informatika egyik legizgalmasabb és legdinamikusabban fejlődő területe, amely az emberi intelligenciát utánzó gépi rendszerek és szoftverek létrehozásával foglalkozik. Az MI célja, hogy a gépek képesek legyenek olyan feladatokat elvégezni, amelyekhez általában emberi intelligencia szükséges, például döntéshozatal, problémamegoldás, tanulás, nyelvfeldolgozás és érzékelés. Az MI technológiái napjainkban számos iparágban alkalmazásra találnak, az egészségügytől a pénzügyeken át a közlekedésig, és jelentős hatást gyakorolnak az emberi életre.

A mesterséges intelligencia története és fejlődése

A mesterséges intelligencia kutatásának gyökerei az 1950-es évekre nyúlnak vissza. Alan Turing, a modern számítástechnika egyik atyja, már ekkor felvetette, hogy a gépek képesek lehetnek az emberi intelligenciához hasonlóan működni. Az 1956-os Dartmouth Konferencia tekinthető az MI megszületésének hivatalos kezdetének, ahol John McCarthy, Marvin Minsky és más kutatók megalapozták az MI fogalmát és célkitűzéseit.

Az MI kutatása több hullámban fejlődött. Az 1950-es és 1960-as évek optimizmusa után, amikor sokan azt hitték, hogy az MI hamarosan megoldhatja a legtöbb emberi problémát, az 1970-es és 1980-as években a fejlődés lelassult. Ezt az időszakot MI télnek nevezték, mivel a kutatás finanszírozása csökkent, és az optimista jóslatok nem váltak valóra. Azonban az 1990-es években és a 2000-es évek elején, a számítástechnika teljesítményének növekedésével, az MI ismét lendületet kapott. A gépi tanulás és a neurális hálózatok fejlődése újra a középpontba helyezte a mesterséges intelligenciát.

Az MI típusai

Az MI technológiákat többféleképpen lehet kategorizálni, de az egyik leggyakrabban használt felosztás három fő típust különít el:

  1. Szoros (keskeny) MI (ANI – Artificial Narrow Intelligence): Ez a legelterjedtebb mesterséges intelligencia, amely egy adott feladatra specializálódott. A szoros MI képes jól teljesíteni egy specifikus területen, például beszédfelismerésben, arcfelismerésben vagy játékmenetben (pl. sakk vagy Go). A legtöbb jelenlegi MI technológia ebbe a kategóriába tartozik.
  2. Általános MI (AGI – Artificial General Intelligence): Az általános MI egy olyan rendszer, amely képes emberi szinten gondolkodni és cselekedni. Az AGI célja, hogy a gépek képesek legyenek megérteni, tanulni és alkalmazkodni különböző feladatokhoz, ahogy az emberek teszik. Bár az AGI koncepciója már régóta jelen van a kutatásban, még messze állunk attól, hogy egy ilyen rendszert megvalósítsunk.
  3. Szuperintelligencia (ASI – Artificial Superintelligence): Ez a mesterséges intelligencia olyan szintű lenne, amely minden szempontból túlszárnyalná az emberi intelligenciát. A szuperintelligencia magában foglalhatná a döntéshozatalt, kreativitást és érzelmi intelligenciát is. Sok tudós és filozófus (például Nick Bostrom) szerint az ASI jelentős kihívásokat és kockázatokat jelentene az emberiség számára.

Az MI fő területei és alkalmazásai

Az MI sokféle technológiát és módszert foglal magában, amelyek közül a legfontosabbak a következők:

1. Gépi tanulás (Machine Learning)

A gépi tanulás az MI egyik legfontosabb alappillére, amely lehetővé teszi a rendszerek számára, hogy nagy mennyiségű adatból tanuljanak és javuljanak az idő előrehaladtával. A gépi tanulás célja, hogy a gépek képesek legyenek előrejelzéseket vagy döntéseket hozni anélkül, hogy kifejezetten programoznák őket egy adott feladatra. A gépi tanulás három fő típusa:

  • Felügyelt tanulás (Supervised Learning): Ebben az esetben a gépnek előre megadott példákat (input-output párokat) mutatnak, és megtanítják, hogy az inputok alapján milyen eredményeket várjanak el. A felügyelt tanulást gyakran használják osztályozási és regressziós problémák megoldására.
  • Nem felügyelt tanulás (Unsupervised Learning): Itt a gép nem kap előre meghatározott eredményeket, hanem meg kell találnia a rejtett mintákat és struktúrákat az adatokban. Ez a módszer különösen hasznos a klaszterezésre és dimenziócsökkentésre.
  • Megerősítéses tanulás (Reinforcement Learning): A megerősítéses tanulás során a gép egy környezettel interakcióba lép, és megtanulja, hogyan cselekedjen úgy, hogy maximális jutalmat érjen el. Ez a módszer különösen hasznos az olyan helyzetekben, ahol a döntések sorozata kritikus, például autonóm járművek vagy játékstratégiák esetében.

2. Neurális hálózatok és mélytanulás

A neurális hálózatok az emberi agy működésén alapuló modellek, amelyek több rétegből állnak, és képesek összetett adatok feldolgozására és minták felismerésére. A mélytanulás (deep learning) a neurális hálózatok egy speciális formája, ahol a hálózat több réteggel rendelkezik, ami lehetővé teszi a bonyolultabb problémák megoldását.

A mélytanulás különösen sikeres az olyan területeken, mint a képfelismerés, beszédfelismerés, természetes nyelvfeldolgozás (NLP) és a játékok (például az AlphaGo, amely legyőzte a Go játék világelsőjét). Az olyan technológiák, mint a konvolúciós neurális hálózatok (CNN) és a rekurzív neurális hálózatok (RNN) különösen fontosak ezen a területen.

3. Természetes nyelvfeldolgozás (Natural Language Processing, NLP)

A természetes nyelvfeldolgozás az MI azon ága, amely lehetővé teszi a gépek számára, hogy megértsék és feldolgozzák az emberi nyelvet. Az NLP segítségével a gépek képesek szövegeket elemezni, fordítani, összefoglalni, sőt, válaszolni a felhasználók kérdéseire is. Az NLP alkalmazásai között találhatóak a chatbotok, automatikus fordítók és a szövegbányászati eszközök.

4. Számítógépes látás (Computer Vision)

A számítógépes látás lehetővé teszi a gépek számára, hogy érzékeljék és értelmezzék a vizuális világot. Az MI segítségével a rendszerek képesek felismerni tárgyakat, arcokat, képeket és videókat. Ez a technológia széles körben alkalmazható az autonóm járművektől a biztonsági rendszereken át az orvosi diagnosztikai eszközökig.

A mesterséges intelligencia etikai és társadalmi kérdései

A mesterséges intelligencia gyors fejlődése számos etikai és társadalmi kérdést vet fel, amelyeket a technológia kutatóinak, fejlesztőinek és szabályozóinak meg kell oldaniuk.

  1. Adatvédelem és biztonság: Az MI rendszerek gyakran nagy mennyiségű adatot igényelnek a tanuláshoz, ami adatvédelmi aggályokat vet fel. Az adatok nem megfelelő kezelése vagy

védelme súlyos következményekkel járhat, beleértve az adatlopást és a személyes adatokkal való visszaélést.

  1. Elfogultság (Bias): Az MI rendszerek gyakran az emberi döntéshozatal és viselkedés alapján tanulnak, ami elfogultsághoz vezethet. Ha a tanuló adatok elfogultak, a gép is olyan döntéseket hozhat, amelyek hátrányosan érinthetnek bizonyos csoportokat vagy egyéneket.

  2. Munkahelyek automatizálása: Az MI és az automatizálás növekedésével egyre több munkahely válik automatizálhatóvá, ami komoly kihívásokat jelenthet a munkaerőpiacon. Az alacsonyabb képzettségű munkák fokozottan veszélyeztetettek, ami társadalmi egyenlőtlenségekhez vezethet.

  3. Az MI autonómiája és felelőssége: Ha egy mesterséges intelligencia rendszer autonóm döntéseket hoz, felmerül a kérdés, hogy ki viseli a felelősséget a gép döntéseiért, különösen akkor, ha ezek a döntések káros következményekkel járnak. Az autonóm járművek, katonai drónok és orvosi MI-rendszerek esetében különösen fontos ennek a kérdésnek a megválaszolása.

A mesterséges intelligencia (AI) területén számos kiemelkedő vállalat és kutatóintézet tevékenykedik, amelyek jelentős hatással vannak a technológia fejlődésére. Az alábbiakban bemutatok néhány vezető AI vállalatot és azok főbb projektjeit:

1. OpenAI

  • Legismertebb termékek: ChatGPT, DALL-E, Codex.
  • Fő tevékenységek: Az OpenAI az AI kutatására és fejlesztésére összpontosít, különösen a természetes nyelv feldolgozás (NLP) és a generatív modellek terén. A ChatGPT egy interaktív beszélgetési AI, míg a DALL-E képgenerálásra specializálódott.

2. DeepMind

  • Legismertebb termékek: AlphaGo, AlphaZero, AlphaFold.
  • Fő tevékenységek: A DeepMind az AlphaGo-val vált híressé, amely legyőzte a világ legjobb Go-játékosait. Az AlphaFold forradalmasította a fehérjehajtogatás előrejelzését, míg az AlphaZero önállóan tanult játszani sakkot és más játékokat.

3. Google AI

  • Legismertebb termékek: TensorFlow, BERT, Google Assistant.
  • Fő tevékenységek: A Google AI különböző kutatási projekteket folytat, beleértve a természetes nyelv feldolgozást és a gépi tanulást. A TensorFlow egy nyílt forráskódú keretrendszer, míg a BERT a nyelvi modellek fejlődését segíti.

4. IBM Watson

  • Legismertebb termékek: Watson Assistant, Watson Health.
  • Fő tevékenységek: Az IBM Watson különösen a vállalati AI megoldásokra és a természetes nyelv feldolgozására összpontosít. Az Watson Health az orvosi diagnosztika és a betegellátás területén használható.

5. Microsoft AI

  • Legismertebb termékek: Azure AI, Cortana, GitHub Copilot.
  • Fő tevékenységek: A Microsoft AI megoldásai közé tartozik az Azure AI felhőszolgáltatás, amely lehetővé teszi a vállalatok számára, hogy AI modelleket építsenek és telepítsenek. A GitHub Copilot kódgeneráló AI eszköz, amely segíti a programozókat.

6. Facebook AI Research (FAIR)

  • Legismertebb termékek: PyTorch, AI által vezérelt tartalomkezelés.
  • Fő tevékenységek: A FAIR a gépi tanulás és a mesterséges intelligencia kutatására összpontosít, különösen a közösségi média és a számítógépes látás területén. A PyTorch egy népszerű nyílt forráskódú keretrendszer a mélytanuláshoz.

7. NVIDIA

  • Legismertebb termékek: GPU architektúra, CUDA, Deep Learning AI.
  • Fő tevékenységek: Az NVIDIA a grafikus processzorok (GPU) gyártásában élenjáró, és az AI terén a gépi tanulás és a mélytanulás teljesítményének növelésére specializálódott.

8. Amazon AI

  • Legismertebb termékek: Amazon SageMaker, Alexa.
  • Fő tevékenységek: Az Amazon AI megoldásai közé tartozik az Amazon SageMaker, amely lehetővé teszi a fejlesztők számára, hogy AI modelleket építsenek és kezeljenek, míg az Alexa egy népszerű virtuális asszisztens.

9. Baidu

  • Legismertebb termékek: Baidu Apollo, DuerOS.
  • Fő tevékenységek: A Baidu Kína legnagyobb keresőmotorja, amely AI megoldásokat kínál a járművezetés, a természetes nyelv feldolgozás és a számítógépes látás terén.

10. Alibaba DAMO Academy

  • Legismertebb termékek: AI kereskedelmi megoldások, Ant Financial.
  • Fő tevékenységek: Az Alibaba DAMO Academy a mesterséges intelligencia kutatására és fejlesztésére összpontosít, különösen az e-kereskedelem és a pénzügyi technológia területén.



Fordítások

Tartalom

További információk

A lap eredeti címe: „https://hu.wiktionary.org/w/index.php?title=mesterséges_intelligencia&oldid=3455190”