Bevezetés

A mesterséges intelligencia (továbbiakban: MI) használatával olyan megoldásokat fejleszthettek, amelyek nem is olyan régen még fantázia volt. Mostanra azonban hatalmas haladást tettek lehetővé, például az egészségügyben, a munkaerőpiacon, pénzügyi területeken, a környezetvédelemben, a mezőgazdaságban és egyéb olyan területeken, amelyek a világot mindenki számára jobbá tehetik.

Ez a tananyag elsősorban a munkaerőpiac kihívásaira fókuszál, ahol egyre gyakrabban feszegetik azt a kérdést, hogy a robotok, a digitalizáció vagy éppen a mesterséges intelligencia egyre nagyobb térhódításának milyen következményei lesznek a munkaerőpiacra. Napjainkban két szélsőséges nézőponttal találkozhatunk: 1. a technológia miatti munkanélküliség fenyegetettsége (a robotok elveszik a munkát), 2. a technológia minden társadalmi és környezeti problémát orvosolni fogja.[1] A következő fejezet két fő témakört érint: MI és robotok.

1. A mesterséges intelligencia (MI)

Az Európai Bizottság fogalommeghatározása szerint a mesterséges intelligencia (MI) olyan, intelligens viselkedést mutató rendszereket takar, amelyek konkrét célok eléréséhez elemzik a környezetüket és – bizonyos mértékű autonómiával rendelkeznek – különféle műveleteket hajtanak végre. A mesterséges intelligencián alapuló technológiák lehetnek kizárólag szoftveralapú rendszerek, amelyek a virtuális világban működnek (pl. hangasszisztensek, képelemző szoftverek, keresőprogramok, hang- és arcfelismerő rendszerek), illetve a mesterséges intelligencia beépíthető hardvereszközökbe is (pl. robotok, autonóm járművek, drónok és a dolgok internetéhez kapcsolódó – okos - alkalmazások, stb.)[2].

Más megközelítésben a mesterséges intelligencia egy számítógépes algoritmus (program), mely – bizonyos keretek között - képes az emberi viselkedést utánozni, de jelenlegi fejlettségi szintjén az MI nem tud olyan módon gondolkodni, mint az ember. A mesterséges intelligencia nagy mennyiségű adatot (big data) elemezve, statisztikai algoritmusokat felhasználva keres összefüggéseket adatokban, és ezek alapján szolgáltat eredményt a felhasználó embernek. A MI tehát nem működik sem nagy adathalmazok (big data) nélkül, sem algoritmus (előre megtervezett cselekvési lépések) nélkül. 

Fontos hangsúlyozni, hogy a mesterséges intelligencia nem egy gondolkodó gép, hanem egy emberek által létrehozott adatokat elemző szoftver, mely a nagy adatmennyiségben képes összefüggéseket keresni, és ezek alapján előrejelzéseket készíteni, válaszokat adni.[3]

Például a MI megjelenik a google keresőjében, a youtube videók személyre szabott ajánló-listáiban, a facebook hírfolyam mögött, a közlekedésirányításban, az önvezető autókban, OpenAI ChatGPT-ben, ügyfélszolgálatoknál, egészségügyben, robotok alkalmazásában, stb. A példák sora kimeríthetetlen. 

Kiemelten fontos a kapcsolódás az (ipari) automatizálással, ami a gépek (sok esetben robotok) automatizált, emberi beavatkozás nélküli vezérlését jelenti, amit szoftverek segítségével érnek el.[4] Az automatizálás olyan eszköz vagy rendszer, amely (részben vagy teljes egészében) egy olyan funkciót valósít meg, amelyet korábban (részben vagy teljes egészében) ember végzett vagy végezhetett[5].

1.1. Algoritmus - algoritmizálás 

Az algoritmus az informatika egyik legfontosabb fogalma. Nagyon leegyszerűsítve, ha egy feladat megoldását egy vagy több az előzetes tervek(ek) - meghatározott és nagyon egzakt módon meghatározott lépések - szerint hajtjuk végre, az már algoritmizálás. A kifejezés jelentése: elemi műveletek lánca, szabályrendszer vagy számolási eljárás.

A számítógép is algoritmus szerint működik, ami eljárási sorozatok, döntések és parancsok sokaságát foglalja magában. Általuk feladatokat, problémákat oldhatunk meg, amiket adott útmutatás szerint vezet le a gép, tehát programozottan végzi el a műveletet és teszi mindezt a lehető legrövidebb úton. Igaz, hogy bizonyos problémákat többféleképpen is meg lehet oldani, azonban minél hosszabb egy algoritmus, annál több a hibalehetőség is. Az algoritmus legfontosabb elemei: 1. a probléma meghatározása; 2. tervezés; 3. kezdőpont és 4. végpont.[6]

A mindennapi életben szinte folyamatosan algoritmusokat hajtunk végre, sőt az emberek többsége alkot is algoritmusokat saját maga és mások számára (pl. útvonaltervezés, termék összeszerelési útmutató, ételrecept, stb.). Eközben tevékenység-sorozatokat, információáramlási folyamatokat tervezünk, s ezt a világot az érti igazán, aki tisztában van ezen tevékenységek alapjaival.

Az alapos megtervezés után következhet az, hogy a precízen megfogalmazott algoritmus végrehajtását egy automatára, a számítógépre bízzuk. Ez alapvetően azért igényel más gondolkodást, mert egy algoritmus az utasításokat ésszerűen hajtja végre, kontrollálja, időnként kijavítja az általunk elkövetett hibákat. Egy automata azonban nem gondolkodik, ami a programjában szerepel, azt végre is hajtja (ha tudja).[7]

1.2. Adat (digitalizált)

A számítógép adatokkal dolgozik. A számítógépek feladata az adatok feldolgozása. Ha szeretnénk megérteni a számítógépek működését, először értenünk kell az A) információ és B) adat fogalmát.

A) Az információ olyan új ismeret, amely megszerzője számára szükséges, és korábbi tudása alapján értelmezhető. Az információ olyan tény, amelynek megismerésekor olyan tudásra teszünk szert, ami addig nem volt a birtokunkban. (Úgy is fogalmazhatunk, hogy az információ valamely meglévő bizonytalanságot szüntet meg.) Azokat az információkat, amelyekből valamilyen konkrét tényt tudunk meg adatnak is nevezzük. Röviden, az információ értelmezett adat.[8]

B) Az adat elemi ismeret, tények, fogalmak vagy utasítások formalizált ábrázolása, amely az emberek vagy automatikus eszközök számára közlésre, megjelenítésre vagy feldolgozásra alkalmas. Az adatokból az adatfeldolgozás eredményeként új ismeretek nyerhetők. Az adat értelmezhető (észlelhető, érzékelhető, felfogható és megérthető) ismeret. Az adatok tömegesen állnak rendelkezésre, amiket adott szabályok szerint kezelnek, strukturálatlan vagy strukturált formában (pl. táblázatokba, adatbázisokba) szervezve. Az adatok többféle formában tárolhatók (számok, szövegek, képek, hangok stb.).[9]

1.3. Nagy adathalmazok (big data)

A Gazdasági Együttműködési és Fejlesztési Szervezet (OECD) meghatározása[10] szerint a nagy adathalmazok (big data) olyan adatállományok, amelyeket a mennyiség (nagy méret), a sebesség (folyamatos növekedés) és a változatosság (strukturált és strukturálatlan formák, például szövegek) jellemez, és amelyeket gyakran használnak fel a mesterséges intelligenciával működő gépek.

A Big Data azért “big”, tehát nagy, mert az addig megszokotthoz képest nagyságrendileg nagyobb adatmennyiségről van szó, ami az addig megszokott eszközökkel már feldolgozhatatlannak számít. A big data az adatelemzés új fázisa, az új típusú adatalapú gazdaság sarokköve.[11]

A “Big Data” nem egy konkrét eszköz vagy technológia, hanem egy fogalom, egy korszak jellemzése. A 2010-es években az addig megszokottnál sokkal több lehetőség nyílt arra, hogy adatokat gyűjtsenek. Ennek egyik oka, hogy az interneten zajló adatforgalom mennyisége és minősége is fejlődött, egyre több és egyre többféle adatot lehet tudni például a weboldalak látogatóiról, a digitális szolgáltatásokról, stb. Számtalan cég - a bankoktól az energiaszektoron át az autóiparig -, korábban ismeretlen mennyiségű adathoz jutott a saját tevékenységéről. Olyan sok adathoz, ami már minőségi ugrást jelentett a megelőző korszakokhoz képest. Egy bizonyos adatmennyiség felett ugyanis már olyan alaposan meg lehet ismerni egy adott ipari folyamatot, digitális szolgáltatást vagy akár emberi viselkedésmintákat, hogy már jó hatékonysággal lehet előrejelzéseket megfogalmazni a segítségükkel. Ezért van az, hogy a Big Data teljesen új korszakot nyitott a design, az orvostudomány, a szoftverfejlesztés és akár a marketing előtt is.[12]

Például a fejlett big data segítheti az orvostudomány fejlődését, újabb gyógyszerek feltalálását, genetikai rendellenességek megértését. A környezeti adatok felhasználása által jobban megérthető a bolygó ökoszisztémáját, pontosabb időjárási előrejelzéseket készíthetnek, stb. Mindezek segíthetnek felkészülni a jövő megpróbáltatásaira, hatékonyabbá tehetik a gazdálkodást, fenntartható fejlődést. A vásárlók igényeiknek megfelelőbb termékekkel, szolgáltatásokkal, esetleg hirdetésekkel találkozhatnak. Ezáltal javulhat a fogyasztók szubjektív jóléte, a vállalatok pedig magasabb profitot érhetnek el.

A Big Data a lehetőségek mellett veszélyeket is magában hordoz. Például a hatalmas adatmennyiség következtében létrejövő adat-zaj, mely nem megfelelő következtetések levonásához vezethet. Emellett a másik és talán legfőbb probléma a személyes adatok védelme. A nagy adathalmaz (Big Data) jelentős része érzékeny személyes adatnak minősíthető. A meglévő adatok alapján sok esetben olyan információk nyerhetők ki az adott egyénről, melyekkel még ő maga sincs tisztában.

A nagymennyiségű adat következtében a lehetőség nyílik az emberek befolyásolására, megtévesztésére, ízlésük hatékony alakítására, stb. Ilyen szempontból az adatok felhasználása és gyűjtése alapvetően felvet etikai és jogi kérdéseket.[13]

1.4. Az MI betanítása

Önmagában azonban az adat használhatatlan, az adatokat elemezni, értelmezni kell, és ezt a folyamatot nevezzük a mesterséges intelligencia betanításának. A betanításnak több módja közül a legismertebbeket emeljük ki: 

1. Gépi tanulás (Machine Learning)
2. A dolgok internete (IOT) és az AIOT
3. Mélytanulás (Deep Learning)
4. Megerősítő tanulás (Reinforcement Learning).

1.4.1. Gépi tanulás (Machine Learning)

A gépi tanulás a mesterséges intelligencia egy alcsoportja, ahol a gép megpróbál tudást kinyerni az adatokból. Ennek lényege, hogy a nagy adatmennyiségen különböző statisztikai eljárások segítségével összefüggéseket keresnek. A gépnek előkészített adatokat adnak, majd megkérik, hogy találjon ki egy algoritmust, amely segít megjósolni az eredményeket egy új, friss adathalmazra. Az algoritmus tehát óriási mennyiségű vizsgálatot végez, míg az összefüggések felfedezését követően a jövőre vonatkozó döntéseket, előrejelzéseket ad.

Például az egyik legismertebb alkalmazás az autonóm vezetés, ahol az autó a gépi tanulás segítségével képes felismerni az akadályokat, a gyalogosokat és a többi autót. Másik fontos felhasználási területe a betegségek előrejelzése vagy felismerése.[14]

1.4.2. A dolgok internete (IOT) és az AIOT

A dolgok internete (angolul: Internet of Things, rövidítve: IoT) lényegében olyan különböző, egyértelműen azonosítható elektronikai eszközöket jelent, amelyek képesek felismerni valamilyen lényegi információt, és azt egy internet alapú hálózaton egy másik eszközzel kommunikálni. A “dolgok internete” semmi többet nem jelent annál, hogy egyre több eszközben van adatok rögzítésére, továbbítására és fogadására alkalmas hardver beépítve, ami lehetőséget teremt arra, hogy az okos eszközök kommunikáljanak egymással.

Az IoT kifejezés robbanásszerű elterjedésének kezdete visszavezethető egy egészen konkrét okos termékhez. Ez a „dolog” egy fali (öntanuló) termosztát volt, amivel a fűtést lehet szabályozni. Ezért a bizonyos termosztátért azonban a Google 2014-ben kifizetett 3,2 milliárd dollárt: ennyiért vásárolták fel a Nest nevű okosotthon céget, aminek fő terméke ekkor az öntanuló termosztát volt. Ez a készülék volt az egyik első példája annak, amikor egy hétköznapi háztartásban megjelenhet egy olyan eszköz, ami már nem csak “smart”, vagyis nem csak távvezérelhető és más eszközökkel kapcsolatba hozható, hanem a gépi tanulás is megjelenik a működésében: megfigyeli, hogyan használják, mikor hogyan módosítják a hőmérsékletet, és egy idő után a felhasználó viselkedését utánozva magától képes beállítani a megfelelő értékeket a megfelelő időpontban.[15]

Az IoT-hez kapcsolt AI megoldások abban segítenek, hogy ez az egész organikusan, magától működjön egyre jobban, ne kelljen mindent előre és alaposan paraméterezni, azután manuálisan változtatgatni, ha valami megváltozik a személy életmódjában. Az IOT digitalizálja, adatok által értelmezhetővé teszi a fizikai valóságot, az MI pedig képes felhasználni és cselekvéssé formálni az a nagymennyiségű adatot (Big Data). Ez egy olyan eredmény, ami az egész tech világ térképét újrarajzolja. A közeljövő fő fejlődési iránya az AI és az IoT kombinációja, amit “AIOT” néven emlegetnek.

Erre egy jó példa az “ET City Brain”, ami sikeresen működik már a kínai Huangzhou városában: a közlekedési lámpákba épített kamerarendszer által gyűjtött adatok alapján a rendszer valósidőben (real-time) beavatkozik a lámpák programozásába, amivel általános hatékonyságnövelést ér el, gyorsítja a forgalmat, automatikusan észleli a baleseteket, tilosban parkolást, és természetesen olyan specialitásokra is képes, mint a szabad út biztosítása a mentőautók számára. Ez már egy jelenleg is egy működő rendszer, ami európai szemmel számos adatvédelmi kérdést vet fel.[16]

1.4.3. Mélytanulás (Deep Learning)

A mélytanulás a gépi tanulás egy speciális formája, amely az IoT-n és az AIoT-n alapul. Az alapvető különbség, hogy amíg a gépi tanulásnál az adatokat nagyrészt manuálisan készítik elő, manuálisan hoznak létre kategóriákat, címkézési szabályokat, addig a deep learning során ez már automatikusan történik. Ilyen például a képalkotás, ahol egy kategóriát (pl. autó) nehéz manuálisan leírni. Némi magyarázattal, a gépi tanulás esetében a híd formája elsődlegesen definiálva van, egy kategóriához van rendelve, és ha ezzel egyezik az adat, akkor az algoritmus valóban hidat fog azonosítani a képen. Ettől eltérően a mélytanulásnál a nagyon sok megvizsgált kép alapján egy meghatározott valószínűséggel állapítja meg az algoritmus a látott tárgyat, a hidat.[17]

A mélytanulási technikát leggyakrabban az alábbi területeken alkalmazzák:

1. Önvezető technológiák.
2. Űrkutatás, hadipar: objektumfelismerés.
3. Egészségügy: betegségek felismerése képalkotó eljárások (pl. MRI, röntgen, stb.) alapján.
4. Ipar: biztonsági rendszerekben, melyek érzékelik a munkavállalókra veszélyt jelentő járműveket, eszközöket stb.

Példa: Egy autó felismerése mélytanulásban. A gépi tanulás esetén az autó formája elsődlegesen definiált, egy kategóriához rendelt, és ha ezzel egyezik az adat, akkor az algoritmus valóban autót fog azonosítani a képen. Azonban a mélytanulásnál a nagyon sok megvizsgált kép alapján egy meghatározott valószínűséggel állapítja meg az algoritmus a látott tárgyat.[18]

1.4.4. Megerősítő tanulás (Reinforcement Learning)

A megerősítő tanulás az emberi tanulást mintázza, azaz a próbálkozás, hibázás, próbálkozás, (trial and error) eljárás alkalmazása, többnyire dinamikusan változó környezet(ek)ben. Amíg a gépi tanulás módszerei statikus adatokkal dolgoznak, addig a megerősítő tanulással eredményeket lehet elérni olyan adatbázisokon is, melyek folyamatosan változnak. A módszer lényege, hogy meghatároznak bizonyos teljesítménymutatókat, és az algoritmus addig próbálkozik az összefüggések keresésével, amíg a legjobb eredményt meg nem találja. 

Például, dinamikusan változó környezetként képzeljünk el egy számítógépes játékot, egy sakkjátszmát, ahol az algoritmus próbálkozik, a lépésének lesz valamilyen következménye, amit megjegyez, majd sok száz, ezer próbálkozás után kitapasztalja a legjobb megoldást az adott helyzetre.[19]

1.5. A mesterséges intelligencia néhány veszélye

Tagadhatatlan, hogy a MI alkalmazásának vannak valós veszélyei. Ezért van/lesz szükség jogi szabályozásra. A veszélyei közül az alábbiakat emeljük ki: 

1. Számos munkahely veszélyben van a mesterséges intelligencia térnyerése miatt. (Már nemcsak az alacsonyabb, hanem a magasabb képzettséghez kötött szakmák is veszélyben lehetnek.)
2. A mesterséges intelligencia csak annyira megbízható, amennyire a mögötte levő adatok megbízhatók. Ezért a mesterséges intelligencia tévedhet.
3.  mesterséges intelligencia üzemeltetése, betanítása költséges, a beruházás igénye, hardverigénye, erőforrásigénye magas. 
4. A mesterséges intelligencia nem olcsó, így nem mindenki férhet hozzá, azaz növelheti a társadalmon belüli egyenlőtlenséget.[20]

2. A robot 

A robot jelentése a Carel Čapek[21] által irodalmi magasságba emelt rabota = kemény munka szóból ered. Robot alatt önálló tevékenységre, mozgásra képes, többnyire nyílt kinematikai láncú gépet értünk, mely a környezetével interakcióban ismétlődő, az ember számára fáradságos, vagy veszélyes munkát végez. Mivel az ember helyettesítése a cél, a robotok egyre több emberi vonást mutatnak, melyek között a humanoid, emberszerű felépítés és a szándékos cselekvésre emlékeztető vonások egyaránt megjelennek. A mai robotok komplex mechatronikai-informatikai szerkezetek.[22], [23] A robot számos formában megjelenhet. Például humanoid robot a neve az ember alakú robotnak, vagy android az olyan humanoid robot, amely az emberi mozgást, beszédet, gesztikulációt alkalmazza működése közben.

Bár a mesterséges intelligenciát és a robotikát néha felváltva használják, valójában ezek különböző - de mégis rokon - területek. A mesterséges intelligenciát azonban sokféleképpen használják a robotikában. 

Például a mesterséges intelligencia egyik legfontosabb felhasználási módja a robotikában a gépi tanulás. Ez a technika lehetővé teszi a robotok számára, hogy az emberi cselekvések megfigyelése és utánzása révén megtanuljanak és elvégezzenek bizonyos feladatokat. A mesterséges intelligencia olyan számítógépes látásmódot ad a robotoknak, amely lehetővé teszi számukra a navigációt, az észlelést és a reakciók megfelelő meghatározását. Ez segít nekik abban, hogy az ismétlődő feladatok egyszerű végrehajtásán túl valódi „kognitív munkatársakká” váljanak.

A mesterséges intelligencia másik felhasználási módja a robotikában az edge computing. A robotikában alkalmazott MI-alkalmazások a robotalapú érzékelők által gyűjtött hatalmas mennyiségű adat valós idejű értelmezését igénylik, ezért ezeket az adatokat a gép közelében elemzik, ahelyett, hogy a felhőbe küldenék feldolgozásra. Ez a megközelítés valós idejű tudatosságot biztosít a gépeknek, lehetővé téve a robotok számára, hogy az emberi képességeknél jóval gyorsabban cselekedjenek a döntések alapján.

A robot két alapvető összetevőből áll: szoftver (algoritmusok, amelyek megmondják a robotoknak, hogy mit tegyenek, hogyan reagáljanak a visszajelzésekre, hogyan optimalizálják a teljesítményüket stb.) és hardver (A robot hardveréhez tartozik a test, a motorok és az érzékelők.)[24]

A robotok nem intelligensebbek az embernél, de bizonyos feladatokban kiemelkednek. Hiányzik belőlük az általános intelligencia, az öntudat és az érzelmi intelligencia. Ezen hiányzó tulajdonságok miatt érezheti magát biztonságban az ember. 

2.1. A robotgenerációk

2.1.1. Ipari robotok 

Az ipari robotok (angolul: Industrial Robots) közé soroljuk azokat a robotokat, amelyek egy gyártási folyamat során végzik a feladatukat. Így jellemzően ezek mindig valamilyen speciális robotkarok, amelyek különböző műveleteket hajtanak végre, az alkatrészek behelyezésétől a hegesztésen át egészen a festésig. Az ipari robotok három fő szerkezeti egységből állnak: 1. Kar (manipulátor),[25] 2. vezérlődoboz[26] és 3. egy tanító eszköz.[27],[28] Az ipari robotok mozgása pontos és egységes, de általában nem olyan finom, mint az emberi mozdulatoké, emellett a robot csakis azt a feladatot tudja ellátni, amire beprogramozták.Az ipari robotok sajátossága, hogy kizárólag az emberektől elkülönítve (kerítéssel, korláttal, felfestéssel, stb.) dolgozhatnak. Erre az egytérben lévő emberek biztonságának megőrzése miatt van szükség. Az ipari robot sem nem hall, sem nem lát, csak azt tudja csinálni mechanikusan, amire beprogramozták.[29]

Ipari robot az a robot, amely mechanikus robotkarral, nagy – többnyire három dimenziós – mozgási lehetőséggel, külön számítógéppel vezérelt működtető rendszerrel rendelkezik és amely valamilyen termék előállításával kapcsolatos technológiai műveletet (pl. szerelés, hibajavítás, tisztítás stb.) vagy kiegészítő, kiszolgáló tevékenységet (pl. minőség-ellenőrzés, anyagmozgatás, raktározás stb.) végez.

2.1.2. Szolgáltató – kollaboratív robot (kobot) - Humanoid robot

1. A szolgáltató robotokat nem a gyáriparban alkalmazzák. Vannak ügyfélszolgálatosok, recepciósok, hostess robotok, sőt kórházakban is használnak szolgáltató (sokszor) humanoid robotokat. Van néhány különleges alkalmazás is: veszélyes területeken, például tűzszerészek azért használnak robotokat, hogy ne az emberi munkaerő életét, egészségét kockáztassák.[30]
2. A magyar kobot szó az angol cobot egyszerű magyarosítása. Az eredete a collaborative (együttműködő) robot szóra vezethető vissza. Ezen az ember és gép (robot) együttműködését értjük. Az első, kezdetleges kobotot 1996-ban hozták létre az Egyesült Államokban, de csak egy évtized múlva jelentek meg azok a szerkezetek, amelyek valóban alkalmasak voltak arra, hogy az emberrel közös térben dolgozzanak. A kobotok az úgynevezett merev automatizálás helyett a rugalmas automatizálást képviselik. A kobotok sajátossága, hogy az emberekkel közvetlenül és közösen tudnak dolgozni, bármiféle zavaró biztonsági korlát vagy kerítés nélkül.[31]
3. A humanoid robot egy olyan speciális szolgáltató robot, amely a különböző emberi gesztusokat, mozdulatokat utánozza. Alakja nagy mértékben hasonlít az emberéhez. Ezeket a robotokat szintén feladatok automatizálására használják, költségcsökkentési okokból. Ugyanakkor ki is válthatják az embert bizonyos veszélyes munkakörökben.

A humanoid robotok mindig csak egy bizonyos fokig képesek hasonlítani az emberre. Olyan robot, amely tökéletesen emberi, még nem jött létre Legalábbis tudomásunk szerint.[32]

A humanoid robotok tervezése során a tudósok számításba veszik az uncanny valley jelenségét. Alapvetően a robot minél emberibb, annál aranyosabbnak tekintjük. Ugyanakkor a nagymértékű, de nem teljes hasonlóság esetén bizarrnak, félelmetesnek, ijesztőnek látjuk a robotot. Ezt a jelenséget nevezzük a “borzongások völgyének”.

Ezért van az, hogy például Pepper robot esetében egyértelmű különbség van, bár nagyon emberszabású robot, mégsem olyan nagy mértékű ez a hasonlóság.  Sophia, a Hanson Robotics fejlesztése már közelebb van az uncanny valley jelenségéhez, sokan félelmetesnek találják. Ő már képes a mimikára, mesterséges bőr található az arcán, stb.

2.1.3. Autonóm és augmentált robotok

Az autonóm robotok az emberi kezelőktől függetlenül működnek. Ezeket a robotokat általában úgy tervezték, hogy olyan feladatokat lássanak el nyílt környezetben, amelyek nem igényelnek emberi felügyeletet. Eléggé specifikusak, mivel érzékelőket használnak a körülöttük lévő környezet megértéséhez, majd döntéshozó struktúrákat (általában egy számítógépet) alkalmaznak, hogy a legmegbízhatóbb következő lépést tegyék meg, elsősorban teljesen a tények és a küldetésük alapján.[33]

Automatizálás vs. Augmentáció. Ez a két kifejezés, amelyeket gyakran tévesen összekevernek.

1. Autonóm robot: Teljesen helyettesíti az emberi döntéshozatalt és cselekvéseket technológiával.

Például az összeszerelő gépek a gyárakban. Ezek a gyártósorok zökkenőmentesen, emberi beavatkozás nélkül működnek.

2. Augmentáció: Az emberi döntéshozatalt és cselekvést támogatja és javítja a technológia segítségével. Az augmentáló robotok általában olyan képességeket fejlesztenek, amelyekkel az ember már rendelkezik, vagy olyan képességeket helyettesítenek, amelyeket az ember elvesztett. 

Ilyen például a helyesírás-ellenőrző funkciók, mint a Grammarly. Ahelyett, hogy helyettesítené az író szükségletét, olyan módosításokat javasol, amelyeket egy szó vagy mondatszerkezeten lehetne elvégezni.

A kiterjesztett valóság (augmented reality – AR) az a technológia, ami általában speciális headsetekkel, szemüvegekkel, vagy vetítésekkel jár, adatokat vagy grafikát helyez valós képekre, érzékelőkkel és kamerákkal ismeri fel a működtető mozdulatait a visszajelzés és az irányítás érdekében. Mostanáig az AR főként a játékok területén volt jellemző, ám ahogyan terjed a technológia, úgy kerülnek napvilágra újabb felhasználási módok.[34]

A kiterjesztett valóság (augmented reality, AR) egy személy környezetének kiegészítését jelenti virtuális objektumokkal. A természetes érzékelés háromdimenziós elemekkel gazdagodik. A személy folyamatosan érzékeli a saját fizikai környezetét is, azonban a látómezőjében kiegészítő elemek (szövegek, szimbólumok, képek, videók) jelennek meg. Mindez a tabletekkel, okostelefonokkal és okosszemüvegekkel lehetséges. 

Ennek során szükséges megkülönböztetni a kiterjesztett valóságot (augmented reality, AR) a virtuális valóságtól (virtual reality, VR). A virtuális valóság esetén az ember teljes egészében egy virtuális környezetben találja magát, és bárhonnan egy teljesen más környezetbe kerülhet, így lehetősége van például a víz alatti világ megismerésére vagy egy virtuális múzeumlátogatásra. A videójáték-ipar ezt használja, miközben lehetővé teszi egy új „világ" megélését.[35]

A kiterjesztett valóságot és a virtuális valóságot ötvöző másik virtuális világ a kevert valóság (mixed reality, MR). Ebben az esetben a fizikai és a digitális valóság tényleges összeolvadásáról beszélhetünk. Itt lehetősége adódik arra, hogy a virtuális elemeket különböző műveletekkel mozgassa, eltolja, felnagyítsa vagy lekicsinyítse. Azaz itt valódi interakcióra kerül sor a virtualitással.[36]

Az AR-t érintő kutatások még korai szakaszban vannak, de a jelek szerint a technológia segíteni fog abban, hogy a robotok használatát kiterjesszék a komplexebb alkalmazásokra is. A segítségével javulni fog a gyártási minőség és a konzisztencia, valamint nőni fognak az emberek és robotok közti együttműködési lehetőségek is.[37]

2.1.4. Szinguláris robotok

Technológiai szingularitás alatt azt a lehetséges jövőbeli időpontot értik, amikor a mesterséges intelligenciának köszönhetően a technológiai fejlődés annyira felgyorsul és annyira radikális lesz, hogy az emberek már nem tudják követni, irányítani vagy előre jelezni.[38] Szokták erős MI-nek is nevezni, mert manapság nagyon divatos MI-nek nevezni minden speciális feladatra kifejlesztett gépi tanuló rendszert, miközben a tényleges emberi szintű intelligencia ennél jóval több. Persze, bizonyos speciális feladatokban a gépi tanuló rendszerek teljesítménye bőven meg is haladhatja az emberekét, más esetekben viszont még egy baba képességeit sem tudják megközelíteni. A legnagyobb hiányosság azonban az, hogy egyelőre nem univerzálisak. Bár képesek tanulni, de csak egy bizonyos részterületen, bizonyos korlátok között és bizonyos szempontok alapján.

Az ultraintelligens gépek tehát hamar maguk mögött hagynák az ember intelligenciáját, emiatt az ultraintelligens gép lenne az utolsó találmány, amit az embernek létre kéne hoznia. Így fogalmazott I. J. Good már 1965-ben. Raymond Kurzweil közismert jövőkutató, feltaláló és mesterségesintelligencia-kutató A spirituális gépek kora és A szingularitás küszöbén című könyvek szerzője a szingularitás elérését 2045-re jósolja. A dátum relatíve közelinek tűnik, de Kurzweil szerint ez a fejlődés érzékelésének lineáris ütemű illúziója miatt van, miközben a valóságos fejlődés exponenciális ütemű. Ennek megfelelően a 21. században nem 100 évnyi, hanem a jelenlegi ütemben mérve 20 000 évnyi fejlődést fogunk megtapasztalni.

A technológiai szingularitás szkeptikusok érveit három csoportba sorolhatjuk:

1. Megkérdőjelezik az exponenciális trendek jövőre való kivetíthetőségét.
2. Az emberivel egyenértékű MI létrehozásának lehetőségében kételkednek, ők valószínűleg azt feltételezik, hogy az agy több, mint a fizikai törvények által leírható objektum.
3. Azt hiszik, hogy a szingularitás lehetséges, de azt veszélyesnek és elkerülendőnek tartják.[39]

Összegzés

A fejezet két alapvető kérdéssel foglalkozott. Egyrészt részletesen és összefüggéseiben bemutatta a mesterséges intelligencia (MI) alapfogalmait. Ezen belül kiemelten foglalkoztunk olyan fogalmakkal, mint például az információ és adat fogalmai közötti eltéréssel, az algoritmizálás, a big data (Big Data), a gépi tanulás (machine learning), a dolgok internete (IoT), mélytanulás (deep learning), stb. Másrészt a robotok főbb jellemzőivel és generációival foglalkoztunk. Ezen belül az ipari robotokkal, a szolgáltató – kollaboratív (kobot) - humanoid robotok jellemzőivel, valamint az autonóm, augmentált és szinguláris robotok főbb vonásait mutattuk be.

Szerző: Hajdú József

Ugrás a következő fejezetre

Vissza a MOOC kezdőlapjára

Internetes forrás

https://learn.microsoft.com/hu-hu/training/modules/get-started-ai-fundamentals/3-understand-computer-vision

Ajánlott irodalom

Hogyan működik a mesterséges intelligencia (AI)? Hogyan használható (2024) https://elemzeskozpont.hu/hogyan-mukodik-mesterseges-intelligencia-ai-h…

Mi az ipari automatizálás? Előnyök és területei (2024) https://innomation.hu/mi-az-ipari-automatizalas-elonyok-es-teruletei/

Orbán Anna: Adat in. Közszolgálati Online Lexikon; https://lexikon.uni-nke.hu/szocikk/adat/

Big Data in. Hold Lexikon; https://hold.hu/lexikon/big-data-jelentese-elemzesi-modszerek-3v/

Benedek Gergő (2020) Mi az a Big Data és mire használjuk? https://lexunit.hu/blog/mi-az-a-big-data-es-mire-hasznaljuk/

Benedek Gergő (2020) Mi is az az IOT? És mi az AIOT? Minden, amit a dolgok internetéről tudni kell; https://lexunit.hu/blog/iot/

Hogyan működik a mesterséges intelligencia (AI)? Hogyan használható? (2024) https://elemzeskozpont.hu/hogyan-mukodik-mesterseges-intelligencia-ai-h…

Az ipari robotokról általában, https://www.robotvilag.hu/ipari

Robotika Kiterjesztett valóság és robotok; https://www.muszaki-magazin.hu/2018/09/09/kiterjesztett-valosag-es-robo…

A humanoid robot jelentése; https://netliferobotics.hu/blog/a-humanoid-robot-jelentese/

Kiterjesztett valóság (Virtuális objektumok érzékelése a környezetben) https://l-mobile.com/hu/industrie-40/kiterjesztett-valosag-technologia/

Hivatkozott források

[1] Nem a robotok döntenek sorsunkról; https://www.jovogyara.hu/nem-a-robotok-dontenek-sorsunkrol.html

[2] A definition of Artificial Intelligence: main capabilities and scientific disciplines (2018) https://digital-strategy.ec.europa.eu/en/library/definition-artificial-…

[3] Hogyan működik a mesterséges intelligencia (AI)? Hogyan használható (2024) https://elemzeskozpont.hu/hogyan-mukodik-mesterseges-intelligencia-ai-h…

[4] Mi az ipari automatizálás? Előnyök és területei (2024) https://innomation.hu/mi-az-ipari-automatizalas-elonyok-es-teruletei/

[5] Parasuraman R., Sheridan T. B. és Wickens, C. D.: IEEE Transactions on Systems, Man, and Cybernetics – Part A: https://ieeexplore.ieee.org/document/844354 Systems and humans. 30. kötet, 3. szám, 2000, 286–297. o. 

[6] Algoritmus, https://hwellkft.hu/marketing-szotar/algoritmus

[7] Informatika oktatása / Az informatika kulcsfogalmai /B. Algoritmus; https://people.inf.elte.hu/szlavi/TAMOP-2/EgybenGeneralva/lecke7_lap3.h…

[8] Az információ és az adat. Webnode; https://tinformatika-hu.webnode.hu/tananyagok/a11-evfolyam/szakkozepsik…

[9] Orbán Anna: Adat in. Közszolgálati Online Lexikon; https://lexikon.uni-nke.hu/szocikk/adat/

[10] Gazdasági Együttműködési és Fejlesztési Szervezet: Big data: Bringing competition policy to the digital era – Background note by the Secretariat. 2016 (https://one.oecd.org/document/DAF/COMP(2016)14/en/pdf )

[11] Big Data in. Hold Lexikon; https://hold.hu/lexikon/big-data-jelentese-elemzesi-modszerek-3v/

[12] Benedek Gergő (2020) Mi az a Big Data és mire használjuk? https://lexunit.hu/blog/mi-az-a-big-data-es-mire-hasznaljuk/

[13] Big Data in. Hold Lexikon; https://hold.hu/lexikon/big-data-jelentese-elemzesi-modszerek-3v/

[14] Gépi tanulással az élvonalban (2024) https://www.magyar-elektronika.hu/tartalom/gepi-tanulassal-az-elvonalba…

[15] Benedek Gergő (2020) Mi is az az IOT? És mi az AIOT? Minden, amit a dolgok internetéről tudni kell; https://lexunit.hu/blog/iot/

[16] Benedek Gergő (2020) Mi is az az IOT? És mi az AIOT? Minden, amit a dolgok internetéről tudni kell; https://lexunit.hu/blog/iot/

[17] Hogyan működik a mesterséges intelligencia (AI)? Hogyan használható? (2024) https://elemzeskozpont.hu/hogyan-mukodik-mesterseges-intelligencia-ai-h…

[18] Gépi tanulással az élvonalban (2024) https://www.magyar-elektronika.hu/tartalom/gepi-tanulassal-az-elvonalba…

[19] Gépi tanulással az élvonalban (2024) https://www.magyar-elektronika.hu/tartalom/gepi-tanulassal-az-elvonalba…

[20] Gépi tanulással az élvonalban (2024) https://www.magyar-elektronika.hu/tartalom/gepi-tanulassal-az-elvonalba…

[21] Angolról fordítva-R.U.R. Karel Čapek cseh író 1920-as tudományos-fantasztikus darabja. "R.U.R." a Rossumovi Univerzální Roboti rövidítése. A darab világpremierje 1921. január 2-án volt Hradec Královéban; bevezette a „robot” szót az angol nyelvbe és a tudományos-fantasztikus irodalomba.

[22] https://gyires.inf.unideb.hu/KMITT/c01/ch02.html

[23] Robot https://www.techtarget.com/searchenterpriseai/definition/robot

[24] How do robots work? (2024) https://courses.minnalearn.com/en/courses/emerging-technologies/robotic…

[25] Ez a robotkarok végére rögzíthető egységeket, mint például egy megfogó, általában külön lehet az ipari robothoz csatlakoztatni.

[26] Ez biztosítja a szerkezet áramellátását és a működéshez szükséges egyéb technológiai egységeket.

[27] Ez az emberi kar és kéz működését helyettesíti. Az ipari robotoknál ez konkrétan a robotkar, illetve a rá csatlakoztatható speciális eszközök (pl. egy kéz funkciójú megfogó egység.

[28] Az ipari robotokról általában, https://www.robotvilag.hu/ipari

[29] Robotika Kiterjesztett valóság és robotok; https://www.muszaki-magazin.hu/2018/09/09/kiterjesztett-valosag-es-robo…

[30] A humanoid robot jelentése; https://netliferobotics.hu/blog/a-humanoid-robot-jelentese/

[31] Robotika Kiterjesztett valóság és robotok; https://www.muszaki-magazin.hu/2018/09/09/kiterjesztett-valosag-es-robo…

[32] A humanoid robot jelentése; https://netliferobotics.hu/blog/a-humanoid-robot-jelentese/

[33] Various Robot Generations and Robot Types (2021) https://wowknowledgeworld.medium.com/various-robot-generations-and-robo…

[34] Robotika Kiterjesztett valóság és robotok; https://www.muszaki-magazin.hu/2018/09/09/kiterjesztett-valosag-es-robo…

[35] Viride: Mi a különbség a virtuális valóság és a kiterjesztett valóság között? https://www.viride.eu/tech/mi-a-kulonbseg-a-virtualis-valosag-es-a-kite…

[36] Kiterjesztett valóság (Virtuális objektumok érzékelése a környezetben) https://l-mobile.com/hu/industrie-40/kiterjesztett-valosag-technologia/

[37] Robotika Kiterjesztett valóság és robotok; https://www.muszaki-magazin.hu/2018/09/09/kiterjesztett-valosag-es-robo…

[38] Szingularitás (2024) https://lexiq.hu

[39] Gáspár Merse Előd (2018) Mi az a technológiai szingularitás, és mikor jön már el? https://qubit.hu/2018/01/03/mi-az-a-technologiai-szingularitas-es-mikor…