Az ELKH Rényi Alfréd Matematikai Kutatóintézet (RÉNYI) vezetésével valósult meg a mesterséges intelligencia matematikai alapjait kutató nagyszabású Nemzeti Kiválósági Program. Az NKFIH által támogatott program 2021. augusztus 31-én számos kiemelkedő eredménnyel zárult tudományos, infrastruktúrafejlesztési, oktatási és innovációs szempontból egyaránt.  A mesterséges intelligencia területén az elmúlt tíz évben forradalmi áttörések születtek világszerte. Az NKFIH a projekt finanszírozásával hazánk felzárkóztatását kívánta támogatni a gépi tanulás terén, hiszen stratégiai jelentősége van annak, hogy Magyarország ne maradjon ki az ezen innovatív eredmények alkalmazásával elérhető gazdasági, társadalmi és tudományos előnyökből. A projekt másik fő célkitűzése olyan tudásközpontok létrehozása, illetve fejlesztése volt, amelyekben az alapkutatás különböző területein dolgozó kutatókat a mesterségesintelligencia-kutatásba is bevonják.

A 2018 szeptemberében indult program célkitűzéseinek megvalósításában a Rényin kívül az ELKH Számítástechnikai és Automatizálási Kutatóintézet (SZTAKI), az Eötvös Loránd Tudományegyetem (ELTE), a Pázmány Péter Katolikus Egyetem (PPKE) és a Szegedi Tudományegyetem (SZTE) konzorciumi partnerként szintén fontos részt vállalt. A projekt legfontosabb eredményeit 2021. szeptember 17-én egy zárókonferencia keretében mutatták be.

A Covid-járvány kitörésekor a program a felénél tartott, aminek következtében a kutatómunka akár félbe is szakadhatott volna, azonban ennek éppen az ellenkezője történt. A nehéz időszakban minden résztvevő intézmény új lendülettel vetette magát a munkába, és fejlesztette tovább az adott témakörökben már működő kutatócsoportokat. Jelentős eredmények születtek a reprezentációtanulás, az interpretálhatóság és a statisztikus gépi tanulás területén, valamint több más témakörben is.

A konzorciumi tagok fő kutatási területei és eredményei

A RÉNYI-ben a projekt során különös hangsúlyt fektettek a mesterséges intelligencia elméleti alapjainak a kutatására. Kiemelt jelentőségűek többek között az információs metrikák matematikai tulajdonságaira irányuló vizsgálataik eredményei, valamint a magasabb rendű Fourier-analízis felhasználásával nagy adathalmazokból kinyerhető tömörített információ szerkezetének részletes leírása. Újszerű módszereket dolgoztak ki mesterséges neuronhálók belső állapotainak összehasonlítására, és ezen eszközkészlet segítségével vizsgálták a tanulási folyamat tulajdonságait. Emellett automatikus tételbizonyító rendszerek megerősítéses tanuláson alapuló vezérlését végző modelleket is kidolgoztak. Ezeknek az eredményeknek az alapján kombinatorikus játékelméleti kutatásokat folytattak, valamint mesterséges neuronhálók által megvalósított leképezések simasági viselkedését kutatták, illetve a simaságot elősegítő veszteségfüggvény-tagokat írtak le.

A RÉNYI és a MedInnoScan Kft. együttműködésében folytatott kutatómunka során a mesterséges intelligencia gyakorlati alkalmazására fektették a hangsúlyt. A program keretében egy orvosi alkalmazást fejlesztettek ki kísérleti jelleggel, melynek célja a hazánkban mintegy 200 ezer, krónikus sebekkel élő beteg ellátásának javítása volt. Ezeknek a betegeknek az ellátása jelentős terhet ró a teljes egészségügyi ellátórendszerre, mivel ők folyamatos kezelésre, átlagosan kétnaponkénti kötözésre szorulnak. A kötszer típusát a seb változásától függően érdemes változtatni, és ebben a döntésben segít az a mobilapplikációval egybeépített mesterségesintelligencia-alkalmazás, amelynek prototípusát a kutatók elkészítették és a zárókonferencián bemutatták. A kutatáshoz és a mesterséges intelligencia betanításához alapul szolgáló képadatbázis összeállítása országos összefogással történt. A Pécsi Tudományegyetem vezetésével mintegy 70 egészségügyi intézmény, a négy orvosegyetem, továbbá az Országos Orvosi Rehabilitációs Intézet, egy tucat kórház és több mint ötven ápolási szolgálat, illetve sebkezelő magáncentrum aktív részvételével készült el az 5500 beteg krónikus sebeit ábrázoló 220 000 kép. A termék a klinikai próbák után, vélhetően a jövő év során lesz elérhető a szakápoló személyzet számára.

A SZTAKI kiemelt feladata a program keretében az alkalmazási igények által motivált alapkutatás és a létrejövő eredmények alkalmazása, demonstrálása volt. Kutatásai felölelték a mélytanulás működésének információs geometriai alapjait, a hálózatkutatás, az ajánlórendszerek és a megerősítéses tanulás elméletét, illetve ezek alkalmazását, többek között a gépi érzékelés, a közösségimédia-elemzés, a robotika és az autonóm közlekedés területein. A három év során számos kiemelkedő tudományos publikáció született, amelyek eredményeit több nyilvános szakmai bemutatón ismertették. Legfontosabb demonstrációik: a portrérajzoló robot; a megerősítéses tanulás robotikai, drónrajvezérlési és -gyártási alkalmazásai; egy, az ajánlórendszerek belső működését feltáró megoldás; egyes közlekedési objektumok detektálása, valamint egy Covid-oltásokkal kapcsolatos véleményelemző rendszer.

Az ELTE Matematikai Intézete a projekt keretében a gépi tanulás több területét, valamint ezeknek az 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 egészértékű 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 egyik hosszú távú hatása a projektnek.

A PPKE Technológiai és Bionika Karán rangos nemzetközi fórumokon és szakmai folyóiratban bemutatott eredmények születtek, többek között a hullámmetrika alapú szegmentáció, valamint a több diszkriminátoros GAN-hálózatok területein. Kiemelten foglalkoztak a neurális hálózatok eredetének igazolásával és a hálózatok súlyainak lopását meggátló módszerek kidolgozásával is. Vizsgálták továbbá a neurális hálózatok támadhatóságát, valamint a támadások megfordíthatóságát. Nyelvtechnológiai kutatási eredményeik felölelik a szövegekből automatikusan létrehozott vektortérmodelleket, illetve a köznyelvi normától eltérő, hibás, úgynevezett zajos szövegek javítását. A kar eredményei között van egy pozitív újdonságkutatás keretében beadott szabadalom is, amelynek ötletét a tragikusan elsüllyedt Hableány kirándulóhajó katasztrófája motiválta. A szabadalom célja egy olyan gépi tanulást alkalmazó rendszer megvalósítása, amely az áldozatok felkutatását és mentését jelentősen megkönnyíti, és nehéz körülmények között is lehetővé teszi.

Az SZTE elsősorban a mesterséges intelligencia algoritmusainak interpretálhatóságát és sérülékenységét vizsgálta. Mindkét témakör a mesterséges intelligencia „fekete doboz” problémájával kapcsolatos. A természetes nyelvek feldolgozása területén jól interpretálható és kisebb erőforrásigényű jelentésreprezentációkat, illetve többnyelvű modelleket javasoltak, emellett az interpretálhatóság elméleti hátterével kapcsolatos kutatásokat végeztek. A mesterséges intelligencia algoritmusainak érzékenységével kapcsolatban eddig nem ismert sérülékenységeket sikerült kimutatniuk a formális verifikáció terén, valamint több mesterséges neuronháló szimultán támadásának a korlátait is vizsgálták. Az eredményeiket rangos nemzetközi fórumokon mutatták be. Az SZTE részt vett a Rényi által fejlesztett orvosi alkalmazás kutatásaiban is.

A projekt eredményei összefoglalva:

Tudomány: A program eredményeként három év alatt összesen 79 tudományos cikk, egy szabadalom és egy prototípus készült el.

Infrastruktúra: Létrejött az a kutatási infrastruktúra, jellemzően nagy számítási kapacitású szerverekkel, melyek ezekhez a kutatásokhoz elengedhetetlenek.

Oktatás: A program ideje alatt a konzorciumban részt vevő kutatók, oktatók több száz egyetemi hallgatóval ismertették meg a mesterséges intelligencia alapjait.

Innováció: További nem várt eredmény 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 így 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 folytatás

A program elérte a mesterséges intelligencia matematikai alapjainak kutatásával kapcsolatban kitűzött célt. A megkezdett munkát szélesebb körben folytatja a szintén az NKFIH által támogatott Mesterséges Intelligencia Nemzeti Labor (MILAB), amely egyaránt erősíti az alapkutatási, az alkalmazott kutatási és az innovációs tevékenységet, illetve azok szinergiáját és eredményességét.