A mesterséges intelligencia térhódítása Ausztriában
A mesterséges intelligencia (MI) egyre inkább meghatározó tudományos területté válik, és Ausztriában is egyre több területen alkalmazzák. A Stanford Egyetem kutatói tavaly arra a kérdésre keresve választ, hogy vajon az MI modellek a világ legjobb kutatói-e. Az MI valóban új lehetőségeket nyit meg a kutatásban és az innovációban.
A tudomány korai alkalmazása
Az újítások gyakran új területek megnyitását eredményezik. A számítástechnika és a tudományos kutatás között szoros kapcsolat áll fenn. Például a világháló eredetileg a CERN fizikai részecskefizikai kutatásainak melléktermékeként jelent meg. Tim Berners-Lee eredetileg csupán a kutatási eredmények megosztását kívánta megkönnyíteni, ám ezzel egy olyan alapokat teremtett, amely a mai internetet hozta létre, amely ma már mindannyiunk számára elengedhetetlen eszköz. Az MI terén hasonló a helyzet. A kutatás ezen a területen már évek óta zajlik, és az eredmények olyan programok formájában jelennek meg, mint például a ChatGPT. Most pedig ezek az alapkutatások elérhetővé válnak a szélesebb közönség számára is.
Kutatás automatizálása az MI segítségével
A ChatGPT képes szövegeket írni, kiszámításokat végezni és akár képeket is generálni. Ennek a szoftvernek a hátterében gépi tanulási modellek állnak. Ezek az AI modellek alkalmazkodnak különféle kutatási feladatokhoz, és képesek betanításra. Például az Institute of Science and Technology Austria (ISTA) Klosterneuburgban és az Osztrák Tudományos Akadémia (ÖAW) Bécsben is folyik ilyen irányú kutatómunka.
„A mesterséges intelligencia számos összetett feladatot elvégezhet, és akár a motiváció és kreativitás növelésének eszközeként is szolgálhat” – magyarázza Christopher Lampert, aki a gépi tanulást kutatja az ISTA-nál.
Jelenleg már számos tevékenység automatizálható az MI segítségével. Azonban még mindig messze vagyunk az egyetemes mesterséges intelligenciától, amely mindenféle kutatási célt kiszolgál. Ezért különböző mesterséges intelligencia programokat fejlesztenek ki különböző feladatokra. Ideális esetben ezek a programok olyan eredményeket produkálnak, amelyek még jobbak, mint amit ember végezne – de ez nem mindig garantált.
Agy jobb megértése az AI segítségével
Sandra Siegert és csapata arra törekszik, hogy az MI segítségével mélyebb betekintést nyerjenek az agy működésébe. Konkrétan az egerek mikroglia morfológiáját vizsgálják, melyek az idegrendszerben található immunsejtek struktúrái. „A mesterséges intelligencia segít azonosítani az adatkészletben olyan struktúrákat, amelyeket máskülönben hiányolnánk” – magyarázza a Neuroscientist. Az ISTA kutatói azonban nem merülnek el teljesen az AI-ban; inkább más módszereket egészítenek ki vele.
Siegert korábbi tapasztalatai rámutattak arra, hogy az MI-nak vannak gyenge pontjai és korlátai. A kutatók például észrevették, hogy az eredményekben torzítások keletkeznek, ha az adatok pontos rögzítése hiányzik. „Ez kihívást jelent, például akkor, ha a vizsgálatok nem rögzítik az állat nemét, vagy csak közelítőleg jelzik az agy adott területét, ahonnan a minta származik” – világít rá Siegert. Ezek azonban jelentősen befolyásolják az adatok értelmezését és az eredmények pontosságát.
Viharmegfigyelések
Caroline Muller klímatudós is óriási lehetőséget lát a mesterséges intelligencia kutatásában. Csapata globális, nagy felbontású klímaszimulációkkal dolgozik, melyek részben a műholdas megfigyelésekből származó nagy adathalmazokra épülnek. „Az AI lehetővé teszi számunkra, hogy nagy mennyiségű adatot nagyon hatékonyan feldolgozzunk” – hangsúlyozza.
„A mesterséges intelligencia segítségével mélyebben megérthetjük a fizikai folyamatokat, például a felhők és viharok kialakulását” – magyarázza a kutató. Az AI segítségével például vizsgálhatjuk, miért hajlamos egy vihar egy adott környezetben egy megnyúlt vagy kör alakú területet érinteni.
A múlt Facebookja
A mesterséges intelligenciát nemcsak a természettudományokban alkalmazzák. A bizánci kutató, Johannes Preiser Kapeller, az Osztrák Tudományos Akadémiánál történeti hálózatelemzést végez vele. „Elő lehet képzelni, mint a múlt Facebookját, csak éppen a történelemre vonatkozik” – magyarázza. „Az AI jelenleg különösen alkalmas nagy mennyiségű adat gyorsabb és hatékonyabb elemzésére” – mondja Preiser-Kapeller.
Azonban tapasztalatai alapján újra és újra arra kellett ráébrednie, hogy az AI nem mindig érti meg teljesen a finom összefüggéseket, és nem tud megfelelően kezelni bizonyos kapcsolatokat: „A pontos és összetett történeti elemzések jelenleg még nem megoldottak” – vonja le a történész.
