Digitalizáció

A matematika, a fizika, a kémia, a számítástudomány, az informatika, az automatizálás és a digitalizáció kutatási területei

A mesterséges intelligencia alkalmazásai, a hálózatok kutatása és az exponenciális sebességgel növekedő nagy adathalmazok tárolása, kezelése, feldolgozása, alkalmazása mind korunk nagy kihívásai közé tartoznak. Az elmúlt tíz évben olyan léptékű fejlődésnek indultak a mesterséges intelligencián (MI) alapuló technológiák, amit sokan egy új ipari forradalom kezdetéhez hasonlítanak. Több állam is nemzetstratégiai jelentőségűvé nyilvánította az MI-vel kapcsolatos kutatásokat és fejlesztéseket. Szintén az elmúlt évtizedekben került a figyelem középpontjába az egyre növekvő adatmennyiség okozta kihívásokra reagáló adattudomány és a hálózatkutatás témaköre. Ez a három témakör szorosan összefügg, és együttesen új szintre emelik a digitális társadalom fogalmát.

Az ELKH kutatóközpontjainak, kutatóintézeteinek kutatási terveiben – legyenek azok bölcsész- vagy társadalomtudományiak (Bölcsészettudományi Kutatóközpont (BTK), Közgazdaság- és Regionális Tudományi Kutatóközpont (KRTK), Nyelvtudományi Intézet (NYTI), Társadalomtudományi Kutatóközpont (TK)), élettudományiak (Kísérleti Orvostudományi Kutatóintézet (KOKI), Szegedi Biológiai Kutatóközpont (SZBK), Természettudományi Kutatóközpont (TTK)) vagy természettudományiak (Csillagászati és Földtudományi Kutatóközpont (CSFK), Rényi Alfréd Matematikai Kutatóintézet (Rényi), Számítástechnikai és Automatizálási Kutatóintézet (SZTAKI), Wigner Fizikai Kutatóközpont (Wigner FK)) – egyaránt megjelennek a mesterséges intelligencia kutatásával vagy alkalmazásával összefüggő kutatási irányok.

Az Európai Unió a Horizon Europe programjában különösen nagy hangsúlyt helyez a Digitális Európa programra, amelynek az egyik legfontosabb alappillére szintén a mesterséges intelligencia, melyet mi most a fenti tágabb értelemben, a digitális hálózatkutatást és a nagy adatok tudományát (big data) beleértve tárgyalunk. Hazánk jelenleg nem tartozik a mesterséges intelligenciát vagy a neurális hálózatokat kutató vezető országok közé, de matematikai alapjaink mind az elméleti matematikában, mind az algoritmusok elméletében, illetve a hálózatkutatásban is a világ élvonalába helyezik Magyarországot.

Rényi Alfréd Matematikai Kutatóintézet (Rényi Intézet) a matematikai kutatások egyik fontos hazai és európai központja. Az intézetben jelentős kutatások folynak a matematika minden nagy ágában (algebra, analízis, diszkrét matematika, geometria, topológia). Az algebrai kutatásokból kiemelkedik a csoportok és gráfok kapcsolatát vizsgáló ág, illetve a csoportok növekedését kutató irány. Analitikus eszközökre támaszkodva zajérzékenységi kutatások is folynak, melyek egyes folyamatok eredményének érzékenységét keresik az input kisebb változtatásaival összefüggésben.

Hagyományosan erős és fontos fejezet a diszkrét matematikán belül az intézet gráfelméleti és kombinatorikai csoportjainak munkája. E csoportok számos ponton kapcsolódnak olyan kurrens területekhez, mint a nagy hálózatok, algoritmus-elmélet és mesterséges intelligencia. A geometriai kutatások közül kiemelkedik a nagy hagyományokkal bíró diszkrét és számítógépes geometria, illetve a csak később kialakult algebrai geometriával és differenciáltopológiával foglalkozó csoport munkája.

A mesterséges intelligencia kutatásai kiterjednek a hálózattudományra is, melynek gyakorlati és elméleti irányaiban Magyarország világszinten is jelentős szereplő. A hálózatkutatás eszköztárával lehetővé válik a dinamikus, szétszórt, esetleg nem ugyanazon adathalmazban fellelhető adatklaszterek összeillesztése és elemzése is. Ezzel a hálózattudomány nagymértékben hozzájárul a big data kutatásokhoz, illetve számos más tudományterülettel (adatvizualizáció, komplexitás, mesterséges intelligencia) is szoros kapcsolatban áll.

gépi tanulási módszerek lehetővé teszik szabályok, függvények, döntések automatikus, emberi beavatkozás vagy segítség nélküli megtanulását. A mélytanulás terén a Számítástechnikai és Automatizálási Kutatóintézet (SZTAKI) többek között azt szeretné megvizsgálni, hogy egy gépi tanulóeljárást tartalmazó rendszer mennyire robusztus, azaz egy új tanítópont figyelembevétele elronthatja-e a tulajdonságait. Céljaik között szerepel összetett rendszerek irányítása gépi tanulóalgoritmussal, az optimális beavatkozójel megtanítása, illetve az irányított rendszer stabilitási garanciáinak a biztosítása.

Az MI egyik legfontosabb alkalmazási területe napjainkban a gépi látás gyakorlati alkalmazása. A SZTAKI kutatásai mind a földi, mind a légi járművek területén építenek a gépi látásra és a szenzoradatok elemzésére, a szenzorfúzióra, illetve a modellalapú vezérlés terén elért eredményeikre. A SZTAKI az ipari partnerek (Airbus, Bosch, Knorr-Bremse) bevonásával végzett európai és hazai kutatási projektekben az elméleti eredmények gyakorlati alkalmazhatóságát szem előtt tartva folytatja kutatási tevékenységét.

A magyar filozófiatörténetet európai kontextusában vizsgáló Bölcsészettudományi Kutatóközpont (BTK) Filozófiai Intézete a mesterségesintelligencia-kutatással dialógust folytató ismeretelméleti és metafizikai kutatásokat is végez. A magyar nemzeti kulturális örökség irodalomtörténeti korpuszát gondozó és közreadó intézmény, a BTK Irodalomtudományi Intézet a digitális irodalomtudomány, az elektronikus textológia és filológia módszertanának kialakítása által alkalmazott kutatást és fejlesztést is folytat.

Közgazdaság- és Regionális Tudományi Kutatóközpont (KRTK) több tervezett kutatása vizsgálja, hogy miként lehet különböző MI-alkalmazásokat elemzési, döntési problémák megoldására felhasználni. Ilyenek például a gazdasági idősorok előrejelzése neurális hálókkal, kiugró értékek feltárása komplex adminisztratív adatbázisokban, valós preferenciák becslése gépi tanulásos módszerekkel.

A mesterséges intelligencia robotika, autonóm közlekedés, illetve természetes nyelvfeldolgozás területén elért áttörései mögött a nagy adatmennyiségek, elsősorban az algoritmuselmélet eredményei állnak. A SZTAKI által támogatott stratégiai cél a magyar nyelv gépi modellezése, a gépi rendszerek természetes magyar nyelvű, intelligens kommunikációjának kifejlesztése. A Nyelvtudományi Intézet (NYTI) a nyelv- és beszédtechnológiai platform partnereivel együttműködve egy olyan MI-célokra alkalmas nyelvtechnológiai alapinfrastruktúra fejlesztésén dolgozik, amely a jelenleginél nagyságrendekkel nagyobb lejegyzett, illetve annotált, szabadon közzétett adatbázisokat tartalmaz.

Társadalomtudományi Kutatóközpont (TK) eddig is Magyarország vezető műhelye volt a mesterséges intelligenciára épülő big data módszerek társadalomtudományi és szövegelemzési alkalmazásainak. Ez a kutatás egy új területre dolgoz ki, illetve alkalmaz szövegbányászati és gépi tanulásos elemzési módszereket.

Természettudományi Kutatóközpont (TTK) portfóliójának szerves részét képezi a gépi tanulás, ezen belül pedig kiemelten a mélytanulási módszerek alkalmazása az orvosbiológiai képalkotás és mesterséges intelligenciával támogatott adatelemzés területén. Az utóbbi években nemzetközileg is kiemelkedő eredményeket értek el a mesterséges intelligencia alkalmazásával az MRI-alapú képalkotásban.

Csillagászati és Földtudományi Kutatóközpontban (CSFK) folyó, nagy adatbázisokhoz kapcsolódó kutatási területek közül megemlítendő a hazai égboltfelmérő infrastruktúra (Légyszem-kamera) gyártása, illetve az intézet részvétele a nagy spektroszkópiai és fotometriai égboltfelmérésekben (LSST, WEAVE, Gaia). Szintén ebbe a körbe sorolhatók azok a tevékenységeik, melyeket a csillagok és csillagrendszerek, galaxisok fizikájának, dinamikájának, születésének, fejlődésének jobb megértése, illetve a Nap- és csillagaktivitás (és ezek bolygónkra kifejtett hatásának) megértése érdekében végeztek. A Wigner Fizikai Kutatóközpont (Wigner FK) SPOTTING néven egy olyan CERN-BME-WIGNER együttműködést alakított ki, amelynek fő célja a nagy adattömegek gyors és hatékony vizualizálásavolt.

Az Ökológiai Kutatóközpont (ÖK) egyik fő küldetésének tekinti, hogy a big data metodológiához illeszkedő programot dolgozzon ki a hosszú távú adatsorok szisztematikus összegyűjtésére, gondozására, illetve statisztikai/bioinformatikai elemzésére, egyúttal megalapozza ezek társadalmi és gazdasági hasznosíthatóságát.

A SZTAKI és a Wigner FK közös kutatóifelhő-szolgáltatást épített ki, amelynek elsődleges célja az volt, hogy alkalmassá tegye a kutatói felhőt a speciális mesterségesintelligencia-alkalmazások támogatására. Az MTA Cloudban egy sokgépes Spark környezetet hoztak létre, amellyel nagyméretű MI- és big data alkalmazások is hatékonyan végrehajthatók.