2021.08.31.-én zárult a „Mesterséges intelligencia matematikai alapjai”-t kutató, NKFIH által finanszírozott Nemzeti Kiválósági Program. Ez volt az első olyan nagyszabású kutatási program, amely azzal a célkitűzéssel jött létre, hogy hazánkat felzárkóztassa a gépi tanulás témakörében. A mesterséges intelligencia területén az utóbbi 10 évben világszerte forradalmi áttörések születtek. Stratégiai jelentősége van annak, hogy országunk ne maradjon ki az ezen új eredmények által elérhető gazdasági, társadalmi és tudományos előnyökből. A legfontosabb célkitűzés olyan tudásközpontok fejlesztése volt, melyek az alapkutatás különböző területein dolgozó kutatókat bevonják a mesterséges intelligencia kutatásába is.
Ennek alapjait 2018.09.01-én egy 5 tagú konzorcium rakta le, melynek tagjai:
- Rényi Alfréd Matematikai Kutatóintézet ( ELKH) mint konzorciumvezető,
- Számítástechnikai és Automatizálási Kutatóintézet (ELKH),
- Eötvös Loránd Tudományegyetem,
- Pázmány Péter Katolikus Egyetem,
A program mindegyik résztvevő intézményében vitalizálta és továbbfejlesztette a témakörben már működő kutatócsoportokat. Jelentős eredmények születtek a reprezentáció tanulás, interpretálhatóság, statisztikus gépi tanulás területén, és több más területen. A program keretében kísérleti jelleggel egy orvosi alkalmazás kifejlesztésére is sor került, melynek célja a krónikus sebekkel élő betegek ellátásának javítása volt. A program tekinthető a szintén NKFIH által finanszírozott Mesterséges Intelligencia Nemzeti Labor (MILAB) program előfutárának is, amely még szélesebb körben folytatja az elkezdett munkát.
A Rényi Alfréd Matematikai Kutatóintézet eredményei között szerepelnek az információs metrikák matematikai tulajdonságait feltáró eredmények. Részletes leírást adtak a magasabb rendű Fourier analízis felhasználásával nagy adathalmazokból kinyerhető tömörített információ szerkezetére. Újszerű módszereket dolgoztak ki mesterséges neuronhálók belső állapotainak összehasonlítására, és ezen eszközkészlet segítségével vizsgálták a tanulási folyamat tulajdonságait. Automatikus tételbizonyító rendszerek megerősítéses tanulás alapú vezérlését végző modelleket dolgoztak ki. Ezen eredmények által motivált kombinatorikus játékelméleti kutatásokat folytattak. Mesterséges neuronhálók által megvalósított leképezések simasági viselkedését kutatták, illetve a simaságot elősegítő veszteségfüggvény-tagokat dolgoztak ki.
Az ELKH SZTAKI kiemelt feladata volt a program keretében az alkalmazási igények által motivált alapkutatás és a létrejövő eredmények alkalmazása, demonstrálása. Kutatásaik felölelték a mély tanulás működésének információs geometriai alapjait, a hálózatkutatás, ajánló rendszerek és a megerősítéses tanulás elméletét, és ezek alkalmazását többek között a gépi érzékelés, közösségi médiaelemzés, robotika, autonóm közlekedés területein. A három év során számos kiemelkedő tudományos publikáció született, amelyek eredményeivel több nyilvános szakmai bemutatón szerepeltek.
Legfontosabb demonstrációik: portrérajzoló robot; megerősítéses tanulás robotikai, drón raj vezérlési és gyártási alkalmazásai; az ajánló rendszerek belső működését feltáró rendszer; egy COVID oltásokkal kapcsolatos véleményelemző rendszer és közlekedési objektumok detektálása.
Az ELTE Matematikai Intézete a projekt keretében a gépi- illetve mély tanulás több területét, valamint ezek alkalmazott matematikában való felhasználását kutatta.
A gépi látás területén a mély neurális hálók tanítását és ennek több alkalmazási területen pl. orvosi képek vagy műholdfelvételek feldolgozásában megjelenő sajátosságait vizsgálta.
A matematika modellezés alkalmazási területein a gyakorlatban már használt algoritmusok, eljárások hatékonyságának javítását vizsgálták.
Az egyik ilyen téma a logisztikai vagy általában optimalizálási feladatok megoldásában központi szerepet játszó egész értékű programozás technológiáinak támogatása neurális hálókkal.
Egy másik ide tartozó téma a pénzügyi folyamatok elemzésében is használt sztochasztikus folyamatok paraméterbecslése neurális hálókkal.
Az előző témákkal összefüggésben a kutatások kiterjedtek a természetes nyelvfeldolgozás mély tanulási modelljeinek bevezetésére más, új alkalmazásokban.
A projekt jelentős hatást gyakorolt az egyetemi oktatásra is. Több tucat hallgató kapcsolódott be a kutatásokba, illetve készítette projektmunkát, szakdolgozatot a mesterséges intelligencia és a matematika inter- és transzdiszciplináris területéről vett témákból. A „Mathematics Expert in Data Analytics and Machine Learning” (https://ai.elte.hu/training/ ) angol nyelvű szakirányú képzés elindítása az Intézetben szintén további hosszú távú hatása a projektnek.
A Pázmány Péter Katolikus Egyetemen rangos nemzetközi fórumokon és szakmai folyóiratban bemutatott eredmény születtek többek között hullámmetrika alapú szegmentáció, valamint több diszkriminátoros GAN hálózatok területein. Kiemelten foglalkoztak neurális hálózatok eredetének igazolásával és hálózatok súlyainak lopását meggátló módszerek kidolgozásával. Vizsgálták neurális hálózatok támadhatóságát, valamint a támadások megfordíthatóságát.
Nyelvtechnológiai eredményeik: annotált szövegekből vektortérmodellek létrehozása; zajos szövegek javítása; szövegosztályozás és kivonatolás; valamint zero-shot tudástranszfer alkalmazása korpuszannotációhoz.
Eredményeik között van egy pozitív újdonságkutatást kapott, beadott szabadalom is, melynek ötletét a tragikusan elsüllyedt Hableány kirándulóhajó katasztrófája motiválta. A szabadalom célja egy olyan, gépi tanulást alkalmazó rendszer megvalósítása, ami az áldozatok felkutatását és mentését jelentősen megkönnyíti és nehéz körülmények között is lehetővé teszi.
A Szegedi Tudományegyetem elsősorban az mesterséges intelligencia algoritmusainak interpretálhatóságát és sérülékenységét vizsgálta. Mindkét probléma a mesterséges intelligencia “fekete doboz” problémájával kapcsolatos. A természetes nyelvek feldolgozása területén jól interpretálható és kisebb erőforrásigényű jelentésreprezentációkat, és többnyelvű modelleket javasoltak és az interpretálhatóság elméleti hátterével kapcsolatos kutatásokat végeztek. A mesterséges intelligencia algoritmusainak érzékenységével kapcsolatban eddig nem ismert sérülékenységeket sikerült kimutatni a formális verifikáció terén, valamint több mesterséges neuronháló szimultán támadásának a korlátait vizsgálták. Az eredményeiket rangos nemzetközi fórumokon mutatták be. Az SZTE részt vett az ELKH Rényi Matematikai Kutatóintézet által fejlesztett orvosi alkalmazás kutatásaiban is.
A Rényi Alfréd Matematikai Kutatóintézet és a MedInnoScan Kft. együttműködésében a mesterséges intelligencia gyakorlati alkalmazására volt a központban. A krónikus sebbel élő betegek ellátása jelentős terhet ró az egészségügyi ellátórendszerre, mivel a körülbelül 200,000 ezzel küzdő honfitársunk folyamatos kezelésre, átlagosan kétnaponkénti kötözésre szorul. Ha a seb állapota változik, a kötszer típusát érdemes váltani. Ebben a döntésben segít az a - kutatásunk eredményeképpen létrejött- mobil applikációval egybeépített mesterséges intelligencia, amelynek prototípusa bemutatásra került a zárókonferencián. A klinikai próbák után, vélhetően a jövő év során lesz elérhető e termék a szakszemélyzet számára.
A mesterséges intelligencia betanításához szükséges, 5,500 páciensről készült 220,000 kép összegyűjtésében országos összefogással mintegy 70 intézmény vett részt: a Pécsi Tudományegyetem vezetésével a négy orvosi egyetem, az OORI, mint országos intézmény, egy tucat kórház, és több, mint ötven ápolási szolgálat, illetve magánpraxist folytató sebkezelő centrum is.
Az alábbi kis demó videó felhasználható. (a betegtől speciális hozzájárulást kapott a MedInnoScan Kft., hogy demó célból bemutathatja a sebét. Arca nem látszik, a személyazonossága nem nyilvános.) A seb jellege és kiterjedése miatt a videó a gyengébb idegzetűek számára is nézhető, a nagy lábujján van egy kisebb, nem túl látványos seb.
A 2021. szeptember 17.-i Zárókonferencia előadásainak felvétele a Rényi Intézet Videotárában megtalálható.