Fókuszban a neurális hálók és a mély tanulás
A mesterséges intelligencia területén az utóbbi 10 évben világszerte forradalmi áttörések születtek. Stratégiai jelentősége van annak, hogy Magyarország ne maradjon ki az új eredmények által elérhető gazdasági, társadalmi és tudományos előnyökből. A Rényi Alfréd Matematikai Kutatóintézet kezdeményezte kiválósági program volt az első nagyszabású hazai kutatási program, amely azzal a céllal jött létre, hogy az országot felzárkóztassa a gépi tanulás témakörében.
A legfontosabb célkitűzés olyan tudásközpontok fejlesztése volt, melyek az alapkutatás különböző területein dolgozó kutatókat bevonják a mesterséges intelligencia kutatásába is. Ennek alapjait 2018.szeptember 1-jén egy 2 kutatóhelyből és 3 egyetemből álló konzorcium rakta le, melynek tagjai a Rényi Alfréd Matematikai Kutatóintézet (ELKH) konzorciumvezetőként, a Számítástechnikai és Automatizálási Kutatóintézet (ELKH), az Eötvös Loránd Tudományegyetem, a Pázmány Péter Katolikus Egyetem és a Szegedi Tudományegyetem. A program a felénél tartott, amikor kitört a Covid-járvány, a nehéz időszak ellenére azonban
minden résztvevő intézményben jelentős eredmények születtek
többek között a reprezentációtanulás, az interpretálhatóság és a statisztikus gépi tanulás területén. A program keretében kísérleti jelleggel egy orvosi alkalmazást is kifejlesztettek, amelynek célja a krónikus sebekkel élő betegek ellátásának javítása volt.
Az ELTE Matematikai Intézete a projekt keretében a gépi 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 matematikai 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 megoldás a pénzügyi folyamatok elemzésében is használt. sztochasztikus folyamatok paraméterbecslése neurális hálókkal. Az előző témákkal összefüggésben a kutatások kiterjedtek a természetesnyelv-feldolgozás mélytanulási modelljeinek bevezetésére más, új alkalmazásokban.
A projekt jelentős hatást gyakorolt az egyetemi oktatásra is.
Több tucat hallgató kapcsolódott be a kutatásokba, illetve készített projektmunkát, szakdolgozatot a mesterséges intelligencia és a matematika inter- és transzdiszciplináris területéről vett témákból. A Mathematics Expert in Data Analytics and Machine Learning angol nyelvű szakirányú képzés elindítása az intézetben szintén további hosszú távú hatása a projektnek.
A konzorciumvezető Rényi Alfréd Matematikai Kutatóintézet és a MedInnoScan Kft. együttműködésében a mesterséges intelligencia gyakorlati alkalmazása volt a középpontban: a krónikus sebbel élő betegek ellátását segít a kutatásuk nyomán létrejött, mobil applikációval egybeépített mesterségesintelligencia-alkalmazás. A SZTAKI kiemelt feladata volt a program keretében az alkalmazási igények által motivált alapkutatás és a létrejövő eredmények alkalmazása, demonstrálása. A Pázmány Egyetem Információs Technológiai és Bionika Karán rangos nemzetközi fórumokon és szakmai folyóiratban bemutatott eredmények születtek többek között hullámmetrika alapú szegmentáció, valamint a több diszkriminátoros GAN-hálózatok területein. A Szegedi Tudományegyetem elsősorban a mesterséges intelligencia algoritmusainak interpretálhatóságát és sérülékenységét vizsgálta: mindkét probléma a mesterséges intelligencia „fekete doboz” problémájával kapcsolatos.
A program eredményeként 3 év alatt összesen 79 tudományos cikk, egy szabadalom és egy prototípus készült el. Létrejött a tervezett kutatási infrastruktúra, jellemzően nagy számítási kapacitású szerverekkel, amelyek ezekhez a kutatásokhoz elengedhetetlenek. Ez idő alatt a konzorciumban résztvevő kutatók, oktatók több száz egyetemi hallgatóval ismertették meg a mesterséges intelligencia alapjait. További
nem várt eredmény volt a teledermatológia megjelenése.
A Covid-járvány ugyanis lehetetlenné tette a krónikus sebek kutatásához a fényképek elkészítését, viszont a fejlesztett technológiát felhasználva ‒ a bőrgyógyászok és a betegek segítségére ‒ nagyon rövid idő alkalmassá lehetett tenni bőrgyógyászai távdiagnosztikára. (A beteg maga készít néhány fényképet a kérdéses területről, azokat elküldi az orvosnak, aki felállítja a diagnózist, terápiát javasol, és a szükséges recepteket is fel tudja tölteni a felhőbe – anélkül, hogy a páciensek ki kellene tennie a lábát a lakásából.) Mindeddig közel 20 ezer vizsgálatot végeztek el ilyen módon. A Rényivel szorosan együttműködő, szakmai hátteret adó MedInnoScan Kft. nélkül ez a szolgáltatás nem jöhetett volna létre.
A kitűzött célt a program elérte a mesterséges intelligencia matematikai alapjainak kutatásával. A megkezdett munkát szélesebb körben folytatja a szintén az NKFIH által támogatott Mesterséges Intelligencia Nemzeti Labor (MILAB), mely egyaránt erősíti az alapkutatási, az alkalmazott kutatási és az innovációs tevékenységet, azok szinergiáját és eredményességét.
Az eredményekről a konzorcium 2021. szeptember 17-én számolt be a nagyközönségnek, ekkor mutatták be az új alkalmazást is.