Mesterséges intelligenciás fejlesztések applikációkban 2023-ban

Ahhoz, hogy megértsük a mesterséges intelligencia működését és azt, hogy mire is lehet használni, érdemes először beleásni magunkat az alapokba.

Maga az AI egy elég tág fogalom, rengeteg mindent bele lehet magyarázni, de próbáljunk meg most a neurális hálózatok felé menni, hiszen ez az egyik leginkább mesterséges intelligenciának elismert terület.

Mi is az a neurális hálózat?

Biológiai oldalról nézve a neurononok az idegrendszerünk alapegységeit képezik, egy idegsejtből és annak nyúlványaiból állnak.
Egy számítógépen létrehozott neurális hálózat is ehhez hasonló neuronokból áll. Vannak bemeneteink melyeket különböző súlyozással vesz figyelembe az adott neuron belső függvénye, illetve van egy kimenetünk. Sok ilyen neuront összedrótozva jön létre egy neurális hálózat.

Persze az egész semmit nem érne, ha nem lenne képes tanulásra a rendszer. Erre valóak a korábban említett súlyok, amiket a szinapszisokhoz rendelünk.

A tanulási folyamat egy tanító halmazon történik, mely felcímkézett adatokat tartalmaz. Gyakorlatban ezt úgy képzeljük el, hogy ha szeretnénk egy hálóval felismertetni egy képen macskákat, akkor adunk neki néhány ezer olyan képet, amiken ezek az állatok vannak. Ezen kívül persze ellenpéldákat is kell adnunk, tehát például olyan képeket, amiken nincs semmilyen állat.

Ezután egy ellenőrzési folyamat következik, amiben címke nélkül adjuk oda az adatokat a hálónak, hogy ismerje fel a képeken látható állatot. Ennek sikerességéből tudunk következtetni arra, hogy mennyire sikerült jól a tanítás. Ha nem vagyunk elégedettek az eredményekkel, akkor állíthatunk a neuronok vagy a rétegek számán, a konkrét belső függvényen és még jónéhány paraméteren.

Mire tudom ezt az egészet használni?

Mivel az újabb telefonok már rendelkeznek valamilyen AI gyorsító célhardverrel, a számításintenzívebb feladatokat is könnyedén el tudják végezni. Ennek köszönhetően nem csak PC-n, hanem mobil eszközökön is használhatunk mesterséges intelligenciát.

Mi gyakran találkozunk azzal az igénnyel, hogy mobil alkalmazásokban valamilyen fotót vagy dokumentumot kell ellenőrizni, lehetőleg minél gyorsabban, automatizáltan. Ez lehet például aláírás, személyi igazolvány, lakcímkártya, de akár tényleges kézírás is. Az ilyen ellenőrzéseket tényleges kódolással megoldani könnyen nehézkessé válhat, ha a bemeneti adataink nem hasonlítanak egymásra, mert más fényviszonyok között, más méretben, másik kamerával fotózták.

Használható ezen kívül szövegelemzésre is, ami moderációnál jelenthet nagy segítséget. Gyakori példa, hogy a hálózatokat imdb kommenteken tanítják, a cél pedig a szöveg tartalmából megállapítani, hogy az adott komment pozitív vagy negatív kritika-e.

Nyilván vannak ennél sokkal érdekesebb megoldások is, mint például a fotó javítók, beszédfelismerők vagy egyes marketingeszközök, melyek képesek egy felhasználóról megállapítani, hogy releváns-e számára egy termék.

Szinte biztos hogy használunk AI-t jelenleg is, hiszen az Amazon Alexa vagy a Google Assistant is ilyen technológián alapul, ahogyan a ChatGPT és az AI kamerastabilizátorok is.

Összeségében elmondható, hogy olyan feladatokra jó ötlet mesterséges intelligenciát alkalmazni, amiben felfedezhető összefüggés egyes adatok között, de hagyományos értelemben vett programozással nem vagy csak nehezen valósítható meg ezek osztályozása, validálása, esetleg módosítása.