Mesterséges intelligencia alapjai

Milyen elvek alapján nevezünk egy természetes vagy mesterséges rendszert intelligensnek?

Intelligencia

Az intelligencia fogalmának nincs egyetlen, általános elfogadott, minden helyzetben alkalmazható definicíója

• Webster's Dictionary (szótár):�"Az a képesség, hogy hatékonyan tudjon a tapasztalásból tanulni, vagy megérteni, kinyerni és megőrizni a tudást; mentális (szellemi) képesség; egy új szituációhoz való gyors és sikeres alkalmazkodás képessége; a következtetés használatának a képessége a problémamegoldásban, a viselkedés irányítása, stb.„
• Christopher F. Chabris:�"Mondhatnánk azt: Nem tudom megmondani, mi az intelligencia, de megismerem, ha találkozok vele. Az intelligencia olyan fogalom, amely jelentését a kontextusból, alkalmazási környezetéből nyeri, nem pedig egy felállított modellből, vagy kritériumrendszerből."�

​

• David Wechsler:�"Az intelligencia az egyénnek az az összesített, vagy globális képessége, amely lehetővé teszi, hogy célszerűen cselekedjen, hogy racionálisan gondolkodjon és eredményesen bánjon a környezetével."�
• Alfred Binet és Teophile Simon:�"Úgy tűnik, hogy az intelligenciában van egy alapvető tényező, amelynek megléte, illetve hiánya oly döntő a mindennapi életben. Ez az ítéletek, a józan ész képessége, a gyakorlati érzék, a kezdeményezőkészség és a körülményekhez való alkalmazkodás képessége. A jó döntés, a jó felfogás és a jó okfejtés az intelligencia lényege.„

​

Tehát a fogalomhoz rendszerint a tanulást, az alkalmazkodást, a következtetést, a problémamegoldást, a célszerű cselekvést és a környezettel való eredményes együttműködést társítjuk.

Az intelligencia mérése

• Már korábban felmerült az egzakt mérés igénye
• Mivel az intelligencia definiálása nem egységes, az intelligencia mérése is többféle megközelítéssel lehetséges 🡪 tesztek�
• Tesztek fajtái
• Teljesítménytesztek: elsajátított képességeket mérjen, jelenleg mit tudunk teljesíteni
• Képességtesztek: prognosztizálni, jósolni, hogy gyakorlás után mire leszünk képesek
• Az intelligencia teszt is képességteszt�
• Követelmények:
• Érvényesség: azt mérje, amit mérni szeretnénk
• Megbízhatóság: ismételve közel ugyanolyan eredményt adjon.�
• Kortól, kultúrától való függés�

​

​

​

​

Intelligencia tesztek készítése

• Sir Francis Galton
• Szerinte az intelligencia kivételes érzékelési és észlelési �készségek kérdése, melyek öröklöttek
• Mérésekkel összekötött vizsgálatokat végzett
• Ezek viszont nem igazolták elképzeléseit
• Érdeme: a korrelációs fogalmának úttörője volt�Korreláció: egymást kölcsönösen feltételező dolgok, vagy fogalmak viszonya, dolgoknak egymástól való függése, ill. egymásnak való megfelelése.                                                    
• J. Cattel:
• Első intelligenciateszt, 1890.
• Két csoportra osztotta az emberi képesség tág spektrumát (57 változó)
• Elsődleges faktorok: alapvető emberi képességek
• Másodlagos faktorok:
• Folyékony intelligencia (Fluid): a megértés ereje, a problémahelyzethez való rugalmas alkalmazkodás, öröklés által meghatározott
• Kristályos intelligencia (Rögzült): már megszerzett tudás és képességek alkalmazása
• Ő a tesztmódszerek atyja. �

• Alfred Binet, Teophile Simon
• Teszt gyerekek iskolaérettségének vizsgálatára (3-15 éves kor között), 1908.
• Francia kormány kérte a tesztet, amelynek segítségével a lassú felfogású gyermekeket szűrte ki, akik nehezen tudnak lépést tartani a többiekkel a tananyag elsajátításában
• Gondolkodási és problémamegoldási feladatok.
• Például hónapok nevei, évszakok jellemzői, számemlékezet
• A legkönnyebb feladatban a gyermeknek a szemével követnie kellett egy fénypontot
• Ha a feladatot egy adott korú vizsgált gyermekek 85-90%-a megold, akkor ez jellemző az adott életkorra 
• Mentális kor fogalma, mentális kor skála
• Egy gyermek abból a szempontból jellemezhető, hogy milyen életkornak megfelelő feladatokat képes megoldani -> Mentális szint
• A legmagasabb szintet, ahol sikeresen elvégezte a gyermek a feladatot, azt a gyermek mentális korának tekintették  
• A legelterjedtebb tesztek egyike                

​

​

​

​

​

​

​

​

​

​

Mesterséges intelligencia

• Az Artificial Intelligence (AI) elnevezést McCarthy alkalmazta először 1956-ban
• Wikipédia szerint
• „Mesterséges intelligenciának egy gép, program vagy mesterségesen létrehozott tudat által megnyilvánuló intelligenciát nevezzük. „
• Megközelítések:
1. A mesterségesen létrehozott tárgy állandó emberi beavatkozás nélkül képes legyen válaszolni környezeti behatásokra (automatizáltság) – az egyszerű szoftverágens ilyen;
2. A mesterségesen létrehozott tárgy képes legyen hasonlóan viselkedni, mint egy természetes intelligenciával rendelkező élőlény, még ha az azonos viselkedés mögött eltérő mechanizmus is húzódik meg (TI szimuláltság – ilyen értelemben beszélhetünk pl. a számítógépes játékok gép irányította karaktereinek „intelligenciájáról”);
3. Végül, a mesterségesen létrehozott tárgy képes legyen viselkedését célszerűen és megismételhető módon változtatni (tanulás) – ez utóbbi jelentés az, ami a modern MI-kutatásban előtérbe került, és jelenleg az MI fogalmával legjobban azonosítható.

Patrick Henry Winston definíciója

​

„Gondolkodást, észlelést, cselekvést célzó modelleket támogató reprezentációk által feltárt megkötések által lehetővé tett algoritmusok”

​

Egyszerűbben megfogalmazva:

A rendszer először belső formában leírja a világot vagy a megoldandó problémát (reprezentáció). Ez a leírás megmutatja a lehetséges kapcsolatokat és korlátokat; az algoritmus ezek alapján választja ki, hogyan gondolkodjon, érzékeljen vagy cselekedjen.

Vagyis az intelligens viselkedést a tudás leírása, a feltárt megkötések és az ezeket feldolgozó algoritmus együtt teszi lehetővé.

Probléma

• Egy gép lehet kiváló problémamegoldó anélkül, hogy igazolhatóan tudatos volna, ugyanakkor a tudatosság hiányából önmagában nem következik, hogy működése számítástechnikai értelemben ne lenne intelligens. 
• Gyenge MI:
• Elsősorban intelligensnek tekinthető viselkedésről és funkciókról beszél
• Erős MI
• Megfelelő mesterséges rendszerben valódi gondolkodás vagy elme is létrejöhet.

A Turing teszt�„Imitation Game”

• A tesztet Alan Turing fogalmazta meg a(z igazi) mesterséges �intelligencia minősítésére.
• Bíráló billentyűzet és monitor közvetítésével kérdéseket �tesz fel a két tesztalanynak
• Az egyik tesztalany valóban ember, míg a másik egy gép
• Cél: Meggyőzni a bírálót arról, hogy gondolkodó emberek
• Kritikák:
• Nem minden ember tudná teljesíteni
• A párbeszéd szimulálása kevésbé tekinthető az intelligencia jelének
• Attól még lehet intelligens egy gép, hogy nem képes emberi módon kommunikálni
• A teszten olyan ember is megbukhat, aki nem hajlandó együttműködni, és ez a gép részéről sincs kizárva
• Kellően nagy adatbázissal az előre eltárolt kérdés-válaszok miatt is átmehet egy gép a teszten
• A tesztet általánosították az emberhez hasonlóan gondolkodó gépből kiindulva az emberhez hasonlóan cselekvő gép irányába.

• Turing azt feltételezte, hogy legkésőbb 2000-re �lehetségessé válik egy olyan program �megalkotása, amelynél öt perc „beszélgetés” után�az átlagos felhasználó már csak 70%-os eséllyel �tehet különbséget ember és gép között. �2014. június 7-én – Turing halálának 60. �évfordulóján – egy Eugene Goostman nevű �beszélgetőprogram egy kísérletben 33%-os �arányban volt képes meggyőzni a felhasználókat �arról, hogy ő egy Ukrajnában élő 13 éves gyerek (A vizsgálat Londonban történt)
• GPT-4 2023-ban a felhasználók 54%-át tudta meggyőzni, hogy ember (Az emberek 67%-ot értek el)

​

A mesterséges intelligencia alkalmazási területei

• logikai játékok (logical games)
• tételbizonyítás (theorem proving)
• automatikus programozás (automated programming)
• szimbolikus számítás (symbolic algebraic computation)
• látás, képfeldolgozás (vision)
• robotika (robotics)
• beszédfelismerés (voice recognition)
• természetes nyelvek feldolgozása (natural language processing)
• korlátozás kielégítés (constraint satisfaction)
• cselekvési tervek generálása (planning)
• szakértőrendszerek (expert systems)
• mesterséges neurális hálózatok (artificial neural nets).
• adatbányászat (data mining)
• ágensek, multi-ágensek (agents, multi-agents). �

Logikai játékok (logical games)

Mottó: "A játék nem játék!" ��

• A játék lényege:�
• Ellenérdekű résztvevők felváltva érvényesített stratégiái a végső nyerés érdekében
• Rendelkezik gazdasági, katonai vetülettel

​

• Motiváció: az ember szereti a szellemi kihívásokat �(különösen a férfiak szeretnek versenyezni)

​

• Fő kérdés: Lehet-e a gépnek esélye az ember ellen?

Tételbizonyítás

• Matematikai tételek bizonyítása az alapaxiómákból kiindulva, pl. kijelentés (propozíciós, nulladrendű predikátum-) kalkulust, illetve elsőrendű predikátumkalkulust használó MI programokkal, a rezolúció módszerével. A rezolúció lényege: lássuk be, hogy a tényekből, szabályállításokból és a bizonyítandó állítás negáltjából álló halmaz kielégíthetetlen, ellentmondásos. Ha sikerül, akkor a bizonyítandó állítás csak igaz lehet. (lásd később)�
• A tételbizonyítók automatikus következtetések levonására alkalmasak alapaxiómákból, alapinformációkból kiindulva, következtetési szabályokat alkalmazva. �
• A tételbizonyítók esetében, szemben a logikai programozási nyelvekkel (pl. Prolog) , nem csak a logika, azaz a kiinduló ismeretek, tények és a szabályok megadása hárul a felhasználóra, hanem a vezérlést, azaz a következtetés, bizonyítás menetének módszerét is nyújtania kell. A tételbizonyítók kutatása elsősorban általánosan alkalmazható vezérlők megtalálását célozza.

​

• Konkrét alkalmazások: QA1, QA2, QA3 programnyelvek, a QA4 programnyelv procedurális reprezentációt is alkalmaz.

Automatikus programozás

• Cél: a szoftverkészítés munkájának automatizálása, olyan �eszközök létrehozásával, melyeknél elegendő a megoldandó �feladatot specifikálni, a megoldás algoritmusa és programja �automatikusan készül el.�
• Az automatikus programozás esetén a szoftver specifikációja értelemszerűen kisebb és könnyebben megadható, mint maga �a program lenne valamilyen programnyelven�

Szimbolikus számítás

• Matematikai levezetések, algebrai manipulációk, deriválás, �integrálás azonosságainak, trigonometrikus, logaritmikus, stb. azonosságoknak az alkalmazása szimbolikus alakban adott �feladatok megoldására.�
• Ismertebb szimbolikus algebrai szoftverek: MACSYMA, �REDUCE, CAMAL, LAM, ALTRAN, FORMAC, SYMBOL, �MATHEMATICA �

​

​

• A MATHEMATICA szimbolikus számítási program �
• Egyaránt végez numerikus és szimbolikus számításokat �������
• Automatikusan végzi az alapvető egyszerűsítéseket:��������
• Összetett kifejezésekre addig alkalmazza az átalakítási szabályokat, amíg a kifejezés tovább nem változik, egyszerűsödik

​

Gépi látás, képfeldolgozás

• Az ember a külvilágból szerzett információknak a �legnagyobb részét látással szerzi meg. Ezért fontos �az MI számára a mesterséges látás.�
• A feladat: Adott egy kétdimenziós bit-térkép, ebből kiindulva meg kell adni a kép leírását, beleértve az alakzatok, méretek, színek, helyzetek paramétereit. Lényegében a nagyon alacsony szintű vizuális adatból egy magas szintű absztrakciót kell elérni, mely megfelel a képen látható objektumoknak.�
• Fontos mozzanatok: az emberi látás jellegzetességeinek modellezése, pl.: élek, kontúrok detektálása. �
• Az elért eredmények magukba foglalják az elektronikus recehártyát is, mely a recehártya sok funkcióját, köztük a látvány elsődleges feldolgozását is modellezi. Létrehozása megkönnyíti a mesterséges neurális hálók bemenőjeleinek előállítását.��

• Input: kétdimenziós bitmap fájl alakjában a látvány, a kép.
• Output: a felismert objektumok és térbeli viszonyuk, fizikai jellemzőik.�
• A képfeldolgozás lépései: �
• Élek detektálása
• Mélység meghatározása
• Alak meghatározása az árnyékoltságból
• Vonalak címkézése
• Objektum beazonosítás, helyzet meghatározás

�������

Robotika

• A szó jelentése a rabota (kemény munka) szóból ered
• Mit értünk alatta:
• Önálló tevékenységre képes
• Mozgásra képes
• Többnyire nyílt kinematikai láncú gép
• A környezetével interakcióban van
• Ismétlődő, az ember számára fáradságos vagy veszélyes munkát végez
• Célja: Az ember helyettesítése
• Így egyre több emberi vonást mutatnak, melyek között a humanoid, �emberszerű felépítés és a szándékos cselekvésre emlékeztető vonások �egyaránt megjelennek�
• A robotvezérlő intelligenciájának növelésével �nemcsak emberhez hasonlóan gondolkodó, �Turing tesztet teljesítő gépi intelligencia jöhet �létre, hanem az emberhez hasonlóan cselek-�vő, humanoid, emberszerű gépi intelligencia �is. �
• Az ily módon létrejövő gépi intelligencia �hasznosíthatósága (és veszélyessége) is megnő.

Beszédfelismerés

• Cél: Az emberi beszéd gép által kezelhető, szöveges formára alakítása, végső célként, a nyelvfeldolgozással egyesítve a beszélt nyelv gépi megértése céljából. �
• Kezdeti eredmények: szűk szókincs, vagy ugyanazon beszélő esetén nagyobb szókincs felismerése. �
• Az emberi nyelvek kb. 50 fonémát, beszédhangot különböztetnek meg.�
• Szegmentálás, szavakra bontás 🡪 gond: a beszéd szavai egybefolynak.�
• A fonémák és a szavak leírására használt betűk között nincs teljesen egyértelmű megfeleltetés 🡪 gond. (Pl: eltérő fonémák, azonos betűk: Mondd, Zsanett, kell findzsa? Vagy: azonos fonémák, eltérő betűk: Mi hájjal kenjük a kenyeret, Mihály.)

A hangjel feldolgozása

• Cél: az információ csökkentése és a jellemzők kiemelése.

Lépések:

• Mintavételezés, kvantálás �
• Jellemzők kinyerése, keretekben, azonos időintervallumokban�
• Vektorkvantálás: a jellemzők hiperterének régióihoz rendelése a keretek jellemzővektorainak. ��

• A beszédfelismerés célja a beszélőktől független, de a beszédre jellemző paraméterek kinyerése�
• A beszélőfelismerés ezzel szemben éppen a beszélőkre jellemző paraméterek kinyerését jelenti. �
• A szavak egyértelmű felismerése további statisztikai, illetve valószínűségi adatok felhasználását kívánja meg.�
• A legjobb rendszerek a szavak több, mint 95%-át jól ismerik fel. �
• A beszédfelismerő rendszerek statisztikai, valószínűségi adatait általában betanítással adják meg.

​

• (Próbálják ki a Word diktálás funkcióját)

Számítógépes fordítás

• A természetes nyelvek feldolgozása nagy jelentőségű a számítógépes fordítás, tolmácsolás megoldásához is.
• Az emberi nyelv összetettsége miatt a megoldást csak az emberi intelligenciával, tudással összemérhető képességű géptől várhatjuk.

​

• A természetes nyelvek megértésének problematikájára jól rávilágít egy mondat értelmezésének 4 szintje: �
• Szintaktikai
• Szemantikai
• Pragmatikus
• Intencionális.

​

• A mondat jelentésének négy szintje��Az egyes szintek tartalmát legjobban egy példa kapcsán mutathatjuk be:
• Éva: Tudod, hogy Viktor ugyanúgy dohányzott, mint te?
• Imre: Nem. Miért, mi van vele?
• Éva: Tüdőrák. Feldobta a bocskorát.
• Imre: Szomorúan hallom.�
• Figyeljük azt a mondatot: "Feldobta a bocskorát."
• Szintaktikailag (formailag) egy múlt idejű állítmányt és egy tárgyat figyelhetünk meg.
• Szemantikailag (tartalmilag) azt jelenti: Felhajította a lábbelijét.
• Pragmatikus (valóságos) jelentése: Meghalt.
• A mondat intencionális (szándékolt) jelentése, célja a szövegkörnyezettel együtt Imre figyelmét felhívni, hogy ne dohányozzon annyit.�

​

Korlátozás kielégítés

• A korlátozás kielégítési feladat a benne szereplő változók értékeit korlátozza. A korlátok megadhatók az értékek felsorolásával, explicit módon, vagy egy kifejezéssel, implicit módon.�A változók által felvehető értékek száma véges.�
• A feladat megoldása alatt a változók olyan értékhalmazát értjük, melyek kielégítik az összes korlátozást.�
• Megelégszünk egyetlen megoldással, bár gyakran több megoldás is lehetséges. Egyes esetekben az összes megoldást meg kell találnunk.�
• A korlátozás kielégítés kedvenc feladata volt a 8 vezér probléma: úgy helyezzünk el a sakktáblán 8 vezért, hogy ne üssék egymást.

​

• A megoldó módszerek egyike a lehetőségtér állapotait tartalmazó fagráf „mélységben először” technikával történő bejárása.�
• A megoldáskeresés gyorsítható a korlátozás propagáló, azaz a korlátokon kívül eső, megoldást biztosan nem adó pontok kizárásával.

​

Cselekvési tervek generálása

• A cselekvéstervezés lényege hatékony célirányos tevékenységsorozat generálása valamilyen, a világban felmerülő feladat megoldására.

​

• A megoldás meghatározására általános, azaz a problémától független valamint alkalmazás-specifikus módszerek közül választhatunk.�
• Megoldási módszerek:
• keresés - nehezíti a nagy elágazási tényező, s a talált megoldások a cselekvések egyszerű szekvenciái lehetnek csak.
• Szituációkalkulus - nehezen irányítható és könnyen adódnak nem megfelelő lépések is. (A szituációkalkulus az elsőrendű logika módszerét alkalmazza a világ egy adott állapotára, azaz egy szituációra.)�
• A cselekvési terv a két módszer együttes alkalmazásával áll elő, a finomító tervezési szakasz előre/hátra láncoló technikájánál a keresés jut szerephez.�
• Végeredményként egy olyan cselekvésegyüttes jön létre, amely végrehajtható és a világot a megadott korlátokat kielégítő új állapotba viszi át.

​

Hol találkozhatunk a mesterséges intelligenciával?

• E-kereskedelem
• Személyreszabott vásárlás
• A mesterséges intelligenciát ajánlómotorok létrehozására használják
• Cél a jobb kapcsolatba lépés az ügyféllel, és a márkahűség javítása
• Figyelembe veszi a böngészési előzményeket, a preferenciákat és az érdeklődési köröket
• Mesterséges intelligencia alapú asszisztensek
• A virtuális vásárlási asszisztensek és chatbotok javítják a felhasználói élményt az online vásárlás során
• Természetes nyelvfeldolgozást arra használják, hogy a beszélgetések a lehető legemberibb és legszemélyesebb hangzásúak legyenek
• Csalásmegelőzés
• Hitelkártya-csalás és hamis értékelés megakadályozására
• Használati szokásminták figyelembevételével a mesterséges intelligencia csökkenti a hitelkártya-csalás lehetőségét (Repülőtéren a táskánkhoz nyomott terminál általi csalást is akár)

​

​

​

​

• Önvezető járművek
• Az autógyártó vállalatok gépi tanulást alkalmaznak arra, hogy a számítógépeket úgy tanítsák meg, hogy az emberekhez hasonlóan gondolkodjanak és fejlődjenek meghatározott környezetben történő vezetés során és detektáljanak objektumokat az ütközések elkerülése érdekében
• Spam szűrő
• Levélszemét kiszűrésére használnak mesterséges intelligenciát
• A Gmail szűrési kapacitása körülbelül 99.9% (Van-e tapasztalat más levelezőrendszerekkel?)
• Arcfelismerés
• A kedvenc eszközeink (mobiltelefon, laptop, stb) arcfelismerési technikákat alkalmaznak hogy növeljék az eszköz biztonságát
• Alkalmas megfigyelőkamerák képe alapján bűnözők, eltűnt emberek beazonosítására
• A koronavírus fertőzés alatt a maszkot nem viselő embereket is beazonosította
• Alkalmas bizonyos genetikus betegségek diagnosztizálásának segítésében is
• Alkohol vásárlásakor a személy korának meghatározására

​

• Robotika
• Dohányboltban, bevásárlóközpontokban
• Takarítórobot, robotporszívó
• Kórházi robotok, sebészeti robotok
• Robotpincér
• Fűnyírórobot
• Ipari robotok, szerelőrobotok (például Kuka)

​

​