A konferencia Körmendi György, a Clementine ügyvezetőjének előadásával indult, aki azt pedzegette, hogy történelmi korban élünk-e valamilyen szempontból, és ha igen, akkor vajon korunk „A mesterséges intelligencia hajnala” -ként fog majd bekerülni a történelemkönyvekbe vagy esetleg más okból? Ezután bemutatta a gépi tanulási projektek számításigényének változásait, valamint az MI területen az ipari és akadémiai résztvevők arányának drasztikus változását az ipari résztvevők javára.

Körmendi György

A szakmai előadásokat Dr. Abonyi János a Pannon Egyetem tanára, a mesterséges intelligencia megoldásokat fejlesztő adattudományi szakmérnök képzés vezetője indította. Előadásában a neurális hálózatok működési elvének ismertetése után ipari alkalmazási lehetőségeket mutatott be. Kitért a gépi tanulási megoldások költséghatékony bevezetésének és karbantartásának öntanuló diagnosztikai megoldásaira, kihangsúlyozva az ML-Ops módszertan fontosságát, mint a sikeres alkalmazások egyik alappillérét. Mondandóját a MOL-ban gyártott adalékanyagok minőségbiztosításával kapcsolatos esettanulmány bemutatásával zárta.

Dr. Abonyi János

Dr. Sipos László a Magyar Agrár- és Élettudományi Egyetem docense. Előadása során a neurális hálózatok élelmiszertudományokban való alkalmazásának lehetőségeibe kaptunk betekintést. Fő kutatási területe az emberi érzékelés érzékszervi vizsgálata szenzometria segítségével és a mérésekből származó adatok elemzése. Elmondása szerint a kutatások során és az ipari alkalmazások területén is egyre nagyobb szerepet kapnak a neurális hálózat alapú megoldások. Beszélt az általuk alkalmazott validálási módszerekről, illetve a modelltanításban rejlő hibalehetőségekről is.

Kis Kornél István a Bosch magyarországi MI csapatában dolgozik, ahol főleg önvezető autókkal kapcsolatos fejlesztésekben vesz részt. Előadásában az önvezető autók egyik kulcsfontosságú komponensére, a viselkedés előrejelző modulra vonatkozó kutatásokat mutatta be. Elmondás szerint a fő megoldandó kérdés itt az, hogy az autó környezetében előforduló dinamikus objektumok hol fognak tartózkodni a következő másodpercekben. Kihangsúlyozta azt is, hogy ez még messze nem egy megoldott probléma. Szó esett validációs módszerekről, illetve a Gráf Neurális Hálózatokról, mint a terület legfejlettebb módszeréről.

A konferencia szerves része volt, a korábbi évekhez hasonlóan, egy Láncreakció felvétel, amelyen a podcast legénysége egyetemi oktatókkal egészült ki - dr. Abonyi János a Pannon Egyetem egyetemi tanára, tudományos és stratégiai dékánhelyettes, az adattudományi szakmérnök képzés szakvezetője és dr. Mihajlik Péter, a Műegyetem TMIT tudományos főmunkatársa, aki a SpeechLabben foglalkozik mélytanulásra épülő beszédleiratozási kutatással. A podcast résztvevői arról beszélgettek, hogy mit gondolnak a skynetezésről - amikor a média és a szakemberek egy része is az emberiség feletti uralmat megszerző MI-ről értekezik -, a tudás fontosságáról, az MI-közmű mivoltáról és arról, született-e valaha gyümölcsöző beszélgetés egy baráti vacsorán a Bűn és bűnhődés felett.

Láncreakció

Dr. Zainkó Csaba a BME Távközlési és Médiainformatikai Tanszék Beszédtechnológia és Intelligens Interakciók Laboratóriumának adjunktusa, a deep learning alapú beszédszintézissel kapcsolatos kutatásaikról és eredményeikről számolt be. Elmondta, hogy munkájuk során számítógép által generált szövegek átalakítása történik hangzó beszéddé, oly módon, hogy nagy mennyiségű emberi beszédet használva beszéd generáló modelleket tanítanak. Beszélt még a felmerülő dilemmákról, problémákról és veszélyekről, de arról is, hogy jelentős fejlődés történt az elmúlt években a területen. Előadásának zárásaként kiemelte, hogy bemutatójának mely elemeit készítette gép és melyet ő.

Dr. Zainkó Csaba

Dr. Mihajlik Péter a BME-TMIT és NYTK tudományos főmunkatársa a magyar nyelvű beszédfelismerés és leiratozás szakértője. Kutatásainak középpontjában a mélytanulásra épülő beszédleiratozás áll. Előadásában beszélt a szakterület fejlődésének történetének főbb állomásairól. Bemutatott kutatásaik során sorra vették a legújabb mélytanulási technikákat és alkalmazták magyar nyelvű beszédleiratozásra és ennek tanulságait ismertette. Előadása során szó volt a sima neurális hálózatos, a deep learning és transzformer alapú modellekről, illetve felügyelt, önfelügyelt és gyengén felügyelt módszerekről egyaránt.

Dr. Mihajlik Péter

Tamási-Mészáros Evelin, a Clementine elemzője és Molnár Anna Enikő, a Clementine junior elemzője a szöveges adatokban előforduló duplikációs problémák kezelésére mutatott egy lehetséges megoldást. Előadásuk első felében ismertették az alkalmazott módszertant, valamint választ kaptunk arra is, miért érdemes angol nyelvűre lefordítani az elemzendő szövegeket. A prezentáció második felében vizuálisan is bemutatták, hogy új adatokra kis módosítással, de ugyanolyan hatékonyan használható a modell például a hasonló újságcikkek megtalálására.

Tamási-Mészáros Evelin és Molnár Anna Enikő

Huszti Dániel, az IBM DATA&AI Technical Sales szakembere előadásában megismertette velünk az IBM AI Governance keretrendszert, amelynek segítségével a mesterséges intelligencia modellek etikusak, jól átláthatók és törvényi szabályozásoknak megfelelően kezelhetők lehetnek. Az AI Governance-en belül több komponensről is szó esett (pl. AI Factsheets, Watson Openscale), amelyek célja, hogy feloldják a modellek „fekete doboz”-szerű működését.

Huszti Dániel

Dr. Bányász Péter, a Nemzeti Közszolgálati Egyetem Államtudományi és Nemzetközi Tanulmányok Karának adjunktusának prezentációja során áttekintést adott a mesterséges intelligencia és a kiberbiztonság közötti kapcsolatról. Az előadó kitért több mesterséges intelligencia alapú platform jelentette kiberbiztonsági kockázatra. Ezután szó esett arról, hogy milyen kihívásokkal kell a szervezeteknek szembenéznie az MI alkalmazásakor, valamint azt is, hogy milyen előnyei lehetnek az MI használatának (pl. rosszindulatú tevékenységek azonosítása).

Dr. Bányász Péter

Hegedüs Pál, a Clementine senior elemzője előadásában az i2 Analyst’s Notebook és az i2 iBase alkalmazásával mutatott példát arra, hogy hogyan lehet biztosítási csalásokat felderíteni. Választ kaptunk arra a kérdésre is, hogy mikor érdemes a kapcsolati háló és mikor az idővonalas ábrázolást választani. Az előadó elmondta, hogy hálózatelemzésnél különösen fontos a duplikált entitások összevonása, és ennek a problémának a megoldására az IBM Infosphere Identity Insight (ISII) szofver különösen jól használható.

Hegedüs Pál