dr. Simonka Gábor Aurél, a Nemzeti Adó- és Vámhivatal Pénzmosás és Terrorizmusfinanszírozás Elleni Iroda főosztályvezetője

A nemzetközi követelmények alapján minden állam köteles kijelölni egy központi egységet, amely az ún. „pénzmosás gyanús” bejelentéseket fogadja, azokat elemző-értékelő tevékenysége során megvizsgálja és az elemző-értékelő tevékenysége (operatív elemzése) eredményét bűnüldözési célból – azon belül is elsősorban a pénzmosás és a terrorizmus finanszírozása elleni fellépés érdekében – továbbítja. E központi egységet hívjuk pénzügyi információs egységnek (financial intelligence unit, FIU). Magyarországon a Nemzeti Adó- és Vámhivatal Központi Irányítás szervezetében működő Pénzmosás és Terrorizmusfinanszírozás Elleni Iroda látja el a pénzügyi információs egység feladatait.

Előadás röviden:

Az előadásban röviden bemutatásra kerül a hazai „pénzügyi információs egység” és annak jogszabályban meghatározott főbb feladatai. Az előadás központi témája a Pénzmosás Elleni Komplex Informatikai Rendszer bevezetéséhez kapcsolódó szakmai tapasztalatok összegzése. Bemutatásra kerülnek azok a szakmai, informatikai indikátorok, amelyek a rendszer kialakításában közrejátszottak. Az előadás külön kitér az éles rendszerrel kapcsolatos pro/kontra tapasztalatokra és a jövőbeni célkitűzésekre is.

dr. Yang Zijian Győző, a Nyelvtudományi Kutatóközpont tudományos munkatársa

Dr. Yang Zijian Győző, jelenleg a Nyelvtudományi Kutatóközpont és a MTA-PPKE Nyelvtechnológiai Kutatócsoport tudományos munkatársa. A Pázmány Péter Katolikus Egyetem Információs Technológiai és Bionikai Karon szerezett a PhD fokozatot humán nyelvtechnológia tudományterületen. Kutatási területei: gépi fordítás és kiértékelése, összefoglaló generálás, generatív nyelvmodellek, orvosi nyelvtechnológia, szövegek kategorizálása, szövegek hibáinak detektálása és helyreállítása.

Előadás röviden:

A napokban jelent meg a hír, miszerint a Microsoft és az Nvidia közösen létrehozták a világ egyik legnagyobb nyelvi modelljét, az MT-NLG modellt, amely 530 milliárd paraméterrel rendelkezik. Ez mit is jelent? Ez kinek jó? Akkor a gép most már tud beszélni?

Kelemen Sára Bernadett, a Clementine junior elemzője

2021-ben végezett az Eövös Lóránd Tudományegyetem társadalomtudományi karán survey statisztikusként. A Clementine-nál 2020. június óta dolgozik, mint elemző gyakornok. Munkája során főként hang- és szövegbányászati megoldások (hangfájlok leirataiból információ kinyerése, dolgozók osztályozása, szöveges tartalmak kategorizálása) kivitelezésével foglalkozik, valamint programozási ismereteivel segíti a projektek megvalósulását.

Előadás röviden:

Online szövegelemzések esetében is gyakran elhangzó kritika, hogy a szövegek íróiról nincs háttérinformációnk. Ha nyelvhasználatuk alapján képesek lennénk nemet becsülni, értékes plusz tudást szerezhetnénk. 2021-es kutatásom egyik célja 110 nő és 37 férfi magyar nyelvű Facebook posztjainak felhasználásával annak a kérdésnek a megválaszolása volt, hogy az alkalmazott klasszifikációs modellek közül melyik az, amelyik a legsikersebben szét tudja választani a nemeket nyelvhasználatuk alapján. Ennek keretén belül négy felügyelt gépi tanulási módszert vizsgáltam meg. Elemzésemben kitértem arra is, hogy mely szófajok, illetve emoticonok és emojik a legnépszerűbbek a férfiak és nők körében.

dr. Geszler Nikolett, a Clementine elemzője

2016-ban szerezte meg doktori fokozatát a Budapesti Corvinus Egyetem Szociológia Doktori Iskolájában. Többévnyi tudományos tapasztalattal rendelkezik, hazai és nemzetközi konferenciákon ad elő, publikációi referált szakmai folyóiratokban jelennek meg. Fő kutatási területei közé tartozik a munka és magénélet öszszehangolása, a rugalmas munkavégzés, valamint az aktív apaság kérdésköre, elsősorban szervezetszociológiai és gender szempontok mentén vizsgálva. Öt évet dolgozott a piackutatásban az Ipsos Zrt. képviseletében, kezdetben médiakutatóként majd az ügyfélélmény (CX) kutatásért felelős csapat vezetőjeként. 2020 június óta a Clementine csapatát erősíti szöveganalitikai tanácsadóként.

Előadás röviden:

A UX tervezésen és kutatáson belül az úgynevezett conversational design, azaz a párbeszédre épülő technológiák fejlesztése egyre inkább önálló területté növi ki magát. Nem véletlenül. Az emberi kommunikáció leképezése bonyolultabb, mint elsőre hinnénk és nehézségei messze túlmutatnak a technikai kihívásokon. Mitől válik egy párbeszéd természetessé? Hogyan kezeljük a félreértéseket? Milyen nyelvi, kulturális és társadalmi szempontokat kell figyelembe venni a tervezésnél? Ilyen és ehhez hasonló kérdésekkel foglalkozunk előadásunkban.

dr. Farkas Richárd, a Szegedi Tudományegyetem Informatikai Intézetének docense

Dr. Farkas Richárd a Szegedi Tudományegyetem Informatikai Intézetének docense, a Mesterséges Intelligencia Nemzeti Laboratórium nyelvtechnológiai alprojektjének vezetője. Kutatási területe az üzletileg alkalmazható gépi tanulás alapú szövegelemzés. 

Előadás röviden:

Az elmúlt években a mesterséges intelligencia-alapú szövegelemző megoldások elterjedtek. A jelenlegi megoldások, főleg a neurális nyelvi modellekre (BERT, GPT3) épülő rendszerek, ún. black-box gépi tanult modellek. Ezeket a modelleket az emberi szakértő nem tudja értelmezni és nem tudja kontrollálni, ami a valós üzleti életbeli alkalmazhatóságot meggátolja. Előadásomban a probléma tárgyalásán túl, rövid betekintést nyújtok kutatásainkban, amelyek az emberi szakértői tudás gépi tanulási rendszerekbe való bevonását célozzák.

Láncreakció élő podcast adás a ConTEXT2021-en

Tekintse meg a teljes élő felvételt!