Láncreakció

Kitárgyaltuk a 2012-es "How We're Predicting AI - or Failing To?" című kutatást. A jövőkutatás története, avagy mindig is a mindentudást hajszolta az emberiség. Mit jelent a 2001. Űrodüsszeia befejező jelenete? A sci-fi szerzők vajon túl tudják-e lépni a valóságot? Felelősségre kell-e vonni a téves jóslatok hangoztatóit? Mire jutott a kutatás, amelynek válaszadói az elmúlt negyven évben azt a témát tárgyalták, mikor jelenik meg az "emberi szintű MI"? Spoiler: nagy a szórás. Általában: hogyan lehet - és kell-e egyáltalán - kis elemszámú mintákat statisztikailag vizsgálni? Kiment-e a divatból mára a futurológia? És végül: szerintünk létrejön-e valaha a General AI?

A kéretlenül keletkező adatból akár pénzt is lehet csinálni, de erre alapozni üzleti modellt - ez már foglalt? Ez igaz lehet, ha startupokról beszélünk, de vannak-e másféle vállalatok is? Balgoh Petya bejegyzése a Linkedinen. Heraklesz sikerdíjért kitakarítja Augeiasz istállóját, de mi köze mindennek az adattúltengéshez? A régi programozók azt gondolták, adatokkal vacakoljon a Cobol-programozó, ma már ez a legmenőbb munkák egyike. Adatgyárnak indult-e a Facebook és a Google, vagy csak beletenyereltek valamibe? Minden adat egyformán értékes-e, vagy kell-e szitálni az adatainkat? Mi nem tudunk befogadni 30 diagramot, de a gép igen, és ő magának termeli az adatot. (A láthatatlan gorilla) Már csak egy kérdés maradt a végére: ha az adat egyre fontosabb, az lesz-e az adattudós is, vagy éppen hogy eltűnnek tíz év múlva? (KDnuggets cikke) Ki csinálta az IRIS adatbázist?

Hogyan alakult ki az intelligencia fogalma, avagy hogyan lehet különböző képességeket összehasonlítani? Miért kellett ehhez feltalálni a faktoranalízist? Örökölt vagy tanult készség az intelligencia? Hogy jön ide Adolphe Quetelet, Francis Galton és az eugenika? Összefügg-e a Palatinus strand látogatói száma a Jégbüfé fagylaltozóival? Olyan-e az intelligencia, mint a sötét anyag vagy inkább olyan, mint a szeretet? Lehet-e a neurózist a pácienshez intézett direkt kérdésekkel mérni? Mit mér az intelligenciateszt és hányféle van belőle? Enrico Fermi vajon átment a teszten? Miért ne nevezzük tehát mesterséges intelligenciának beszélgetéseink tárgyát? Mit mond erről Byron Reese könyve, a Negyedik kor? Látunk-e esélyt egyáltalán az általános mesterséges intelligencia megjelenésére?

Ki cserél izzót a szereplők autójában és mi köze ennek a szintaktikus hibák megkereséséhez? Egy régi megközelítést vett elő újra a világ, hogy szabaduljon a programozó-csapdából: a vizuális felületeken összerakható, kódsorok nélküli fejlesztési eszközöket: a No-Code megközelítést. Ha képet manipulálunk, vagy 3D tervezünk, fel se merül a fejlesztés gondolata - adatmanipuláláshoz miért kell? Hogyan lett ennek a világnak az egyik legjobb képviselője a Clementine? (Tom Khabaza írása) Honnan jött az R? Van-e köze a P-nek a pythonhoz? Kell-e tudnia egy oktatásfejlesztőnek programoznia?

Hogyan készül a párizsi? A dmLab cikkét követve igyekszünk megfejteni, hogyan magyarázható az MI működése, és egyáltalán miért van erre szükség? Miért nem fogadják el a szülők az iskolaérettségi vizsgálat eredményét? Szabad-e a bankoknak hitelképességet vizsgálni nem transzparens prediktív modellel? Van-e értelme a modellezésnek, ha a fejlesztő nem fejlődik közben? Vannak-e olyan gépi tanulásos megoldások, ahol nincs szükség a magyarázhatóságra? Hogyan lehet kikerülni a pixelmódosító algoritmustámadásokat egy okostelefonnal? Mi lehet a matek a magyarázhatóság mögött? Hogyan tanulnak a biztosításmatematikusok az átláthatatlan MI munkájából? Hogyan rombolja az adattudományt a Kaggle mentalitás? Hány rossz modell kell egy jó előállításához?

Ebben a részben, ahol nemcsak Cher, hanem Előd is énekel, megtárgyaljuk, hogy vajon mi köze van a hamis hangokat helyrehúzó AutoTune-nak az adattudományhoz? Elrontotta-e az európai füleket a rekedtség elleni fohászból kialakult szolmizálás? Jó zenét ír-e a mesterséges intelligencia és érdekes-e ez egyáltalán? Mire való az AIVA és az AmperMusic? Mekkora matekos volt Bach és Mozart? Milyen zene lett az egy évtizednyi slágerből Watsonnal lepárolt átlagból, azaz hogy tetszik Alex Da Kid Not Easy-je? Hogy függ össze a generált trash metál és az Ut queant laxis, és mit jósolt meg Ada Lovelace a gépzenével kapcsolatban? Hogyan fejleszti tovább a művészetét Björk? 

A nagy MI fiaskók többnyire emberi hibáról vagy a technológia rossz alkalmazásáról szólnak. A csak mosollyal aktiválható fénymásolók ötlete például hibás megközelítésnek bizonyult, miközben technikailag nyilván tökéletesen megvalósítható. Erről eszünkbe jutott a parancsra nem működő pozitív gondolkozás és a vezényszóra nem gyógyuló depressziós páciens, viszont idéztünk Coelhót. 

A Covid járvány alatt készült, gépi tanulásra alapuló orvosdiagnosztikai publikációk túlnyomó többségéről kiderült, hogy módszertanilag elfogadhatatlanok. Túl nagy volt a nyomás a tudományon? Vagy a kutatók versengése miatt történhetett mindez? Esetleg csak a világnak hamar volt szüksége az eredményekre és ezzel a helyzettel nem mindenki tudott felelősen bánni? Ezért van egyre nagyobb szükség az elemzések elemzésére, avagy a metastatisztikákra? Mennyi idő után lesznek valóban elemezhetők a járványadatok? És aki túl hamar áll neki, vagy hibázik közben, kapjon-e büntetést?

Mit gondolunk a magyar foci EB szereplésről? Hogyan jutott a Brentford harmadosztályból a Premier League-be, és miért kellett ehhez egy adattudós tulajdonos? Mi köze a sikerhez a várható gólnak és számít-e még a passz-statisztika? Hogy jön a focihoz a Poisson eloszlás (említett könyv: Moroney - Számoktól a tényekig) és mi köze a szignifikancia számításoknak a lórúgástól elhunyt katonáknak? Melyik focicsapatok bányásszák a legtöbb adatot, hogyan alakult a magyar válogatott xG pontszáma az EB-n, milyen szenzorokat akasztanak a sportolókra és honnan szerezzünk ballábas védekező középpályást támadó focihoz? Mi a helyzet a sportágak mélységével, hogyan alakul át a vívás, hová lettek a csodadresszes úszócsúcsok? Hogyan működnek a félreárazások a sportfogadásban és mire optimalizál a fogadóiroda?

A Google Asszisztens kijavította Elődöt a lapméretek kérdésében és pénzt dob fel Feriéknél, Cortana velünk nem akart szóba állni, Siri viszont remek angol-japán tolmácsként mutatkozott be Gyurinak. A hangfelismerés régi történet - Öveges professzor Heki kutyájának is sikerült - és már egész jól megy, akárcsak a beszédszintézis, viszont a megértés még nagyon nagy kihívás. Miért van női hangja az asszisztenseknek és mit kezdenek a beszédhibásokkal? Kell-e az anyanyelv az értelmes használathoz, és tudjuk-e, mit kérhetünk tőlük? Mikor lesznek olyan okosak, mint Tarzan csimpánz barátja? Milyen használati helyzetben érdemes hozzájuk fordulni? Hányan használják - sokan vagy kevesen? Egyáltalán, mennyire természetes felhasználói felület a hangvezérlés? Könnyebb feladat-e call centert automatizálni, mint hangasszisztenst készíteni? Végül: az milyen lesz, amikor Siri fog telefonálni az étterem call center MI-jével arról, hogy asztalt foglaljon a gazdájának?

Van-e köze az IBM Watsonnak Sherlock Holmes-hoz, és mivel nyerte meg a Jeopardy tévévetélkedőt? Az IBM elnöke hány számítógépet jósolt a világnak és mi köze Előd sajtreszelőinek ehhez a vállalathoz? Kik azok az adatmarsallok és mire való az asztalos szoftver? Ki lehet-e tolni az összes adatot a kerítésen kívülre, vagy elterjednek a hibrid felhők? Csak a nagyvállalatoknak ajánlja az IBM a Watsont, vagy van értelme startupként vagy közepes cégként is megnézni a kínálatát? Hogyan küzd meg az IBM azzal a kihívással, hogy egyszerre kínálja a Watsont a grafikus felületekhez szokott menedzsereknek és a karakteres képernyőkhöz szokott "kódfaragóknak"? Az összes kérdésre választ adunk, ezúttal vendégünkkel, Kelemen Ritával együtt.