Digitalizáció

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

A mesterséges intelligencia alkalmazásai, a hálózatok kutatása és az exponenciálisan növekvő nagy adathalmazok tárolása, kezelése, feldolgozása, alkalmazása mind korunk nagy kihívásai közé tartoznak. Az elmúlt tíz évben olyan léptékű fejlődés történt a mesterséges intelligencián (MI) alapuló technológiák terén, hogy azt sokan egy új ipari forradalom kezdetének tartják. Több ország – köztük Magyarország – nemzetstratégiai jelentőségűvé nyilvánította az MI-vel kapcsolatos kutatásokat és fejlesztéseket. Az egyre növekvő adatmennyiséggel kapcsolatos kihívásokra reagáló adattudomány és a hálózatkutatás is az elmúlt évtizedekben került a figyelem középpontjába. Ez a három témakör szorosan összefügg, és együttesen új szintre emelik a digitális társadalom fogalmát.

Az ELKH több kutatóhelyének – legyenek azok bölcsészet- és társadalomtudományiak [Bölcsészettudományi Kutatóközpont (BTK), Közgazdaság- és Regionális Tudományi Kutatóközpont (KRTK), Nyelvtudományi Kutatóközpont (NYTK), Társadalomtudományi Kutatóközpont (TK)], élettudományiak [Kísérleti Orvostudományi Kutatóintézet (KOKI), Ökológiai Kutatóközpont (ÖK), Szegedi Biológiai Kutatóközpont (SZBK), Természettudományi Kutatóközpont (TTK)] vagy matematikai és természettudományiak [Csillagászati és Földtudományi Kutatóközpont (CSFK), Rényi Alfréd Matematikai Kutatóintézet (Rényi Intézet), Számítástechnikai és Automatizálási Kutatóintézet (SZTAKI), Wigner Fizikai Kutatóközpont (Wigner FK)] – kutatási terveiben is megjelennek a mesterséges intelligenciával vagy annak alkalmazásával összefüggő kutatási irányok.

Az Európai Unió az Európai Horizont programjában különösen nagy hangsúlyt helyez a Digitális Európa programra, melynek az egyik legfontosabb alappillére a mesterséges intelligencia. Az ELKH mesterséges intelligenciával kapcsolatos tevékenységének bemutatása a jelen dokumentumban a fenti tágabb értelemben, a nagy adatok tudományát (big data) és a hálózatkutatást beleértve történik.

A Rényi Intézet a matematikai kutatások egyik fontos hazai és európai központja, ahol jelentős kutatások folynak a matematika minden nagy ágában (algebra, analízis, diszkrét matematika, geometria, topológia). Az algebrai kutatások közül kiemelkedik a csoportok és gráfok kapcsolatának, illetve a csoportok növekedésének vizsgálata. Analitikus eszközökre támaszkodó zajérzékenységi kutatásokat is folytatnak az intézetben, melyek egyes folyamatok eredményének érzékenységét keresik az input kisebb változtatásaival összefüggésben.

A diszkrét matematikán belül hagyományosan erős és nagy jelentőségű az intézet gráfelméleti és kombinatorikai csoportjainak munkája, amely számos ponton kapcsolódik olyan népszerű területekhez, mint a nagy hálózatok, algoritmuselmélet és mesterséges intelligencia. A geometriai kutatások terén kiemelkedik a nagy hagyományokkal rendelkező diszkrét és számítógépes geometria, illetve az algebrai geometria és a differenciáltopológia. A mesterséges intelligenciával kapcsolatos kutatások 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.

A gépi tanulási módszerek lehetővé teszik szabályok, függvények, döntések automatikus, emberi beavatkozás vagy segítség nélküli megtanulását. A mélytanulás terén a SZTAKI többek között azt vizsgálja, 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 felhasználási területe napjainkban a gépi látás gyakorlati alkalmazása. A SZTAKI kutatásai mind a földi, mind a légi járművek esetében építenek a gépi látásra és a szenzoradatok elemzésére, a szenzorfúzióra, illetve a modellalapú vezérlés terén elért eredményeikre. Az intézet az ipari partnerek (pl.: Airbus, Bosch, Knorr-Bremse) bevonásával megvalósuló európai és hazai projektekben az elméleti eredmények gyakorlati alkalmazhatóságát szem előtt tartva folytatja kutatási tevékenységét.

Az ipari digitalizálás területének komplexitása olyan hibrid megoldások kutatását és alkalmazását követeli meg, melyek ötvözik a rendszer- és irányításelmélet, az operációkutatás, a mesterséges intelligencia és a gépi tanulás legújabb módszereit. A SZTAKI ily módon tudja elérni nemzetközi szinten is számottevő elméleti eredményeit és azok ipari alkalmazását nemzetközi és hazai szinten egyaránt.

A természetes nyelvfeldolgozás területén stratégiai cél a magyar nyelv gépi modellezése, természetes magyar nyelvű, intelligens kommunikációra képes gépi rendszerek kifejlesztése. Az NYTK 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.

A BTK Filozófiai Intézet a magyar filozófiatörténetet európai kontextusában vizsgálja, többek közötta mesterségesintelligencia-kutatással kapcsolatban álló – 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 révén alkalmazott kutatást és fejlesztést is folytat.

A KRTK több kutatás keretében 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 tanulási módszerekkel.

A TK Magyarország vezető műhelye a mesterséges intelligenciára épülő big data módszerek társadalomtudományi és szövegelemzési alkalmazásainak területén.

A TTK portfóliójának szerves részét képezi a gépi tanulás, ezen belül kiemelt fontosságú a mélytanulási módszerek alkalmazása az orvosbiológiai képalkotás és a mesterséges intelligenciával támogatott adatelemzés területén. A mesterséges intelligencia alkalmazásával az intézet nemzetközileg is kiemelkedő eredményeket ért el az MRI-alapú képalkotásban.

A CSFK nagy adatbázisokhoz kapcsolódó kutatási területei közül említésre méltó a hazai égboltfelmérő infrastruktúra (Légyszem-kamera) fejlesztése, illetve az intézet részvétele a nagy spektroszkópiai és fotometriai égboltfelmérésekben (LSST, WEAVE, Gaia). Szintén ide sorolható a csillagok és csillagrendszerek, a galaxisok fizikájának, dinamikájának, születésének, fejlődésének, illetve a Nap- és csillagaktivitás – és ezek bolygónkra kifejtett hatásának – megértése érdekében végzett kutatómunkájuk. A Wigner FK a CERN-nel és a BME-vel közösen részt vett a Spotting Együttműködésben, amelynek fő célja nagy adattömegek gyors és hatékony vizualizálása.

Az ÖK egyik fő küldetésének tekinti egy, a big data módszereken alapuló program kidolgozását a hosszú távú adatsorok szisztematikus összegyűjtésére, gondozására, illetve statisztikai-bioinformatikai elemzésére, egyúttal ezek társadalmi és gazdasági hasznosíthatóságának megalapozására.

Az SZBK mesterséges intelligenciára és automatikus mikroszkópiára épülő szerológiai tesztet dolgozott ki a SARS-CoV-2 vírus kimutatására. A módszer nagy pontossággal azonosítja az újonnan fertőzötteket és a fertőzésen átesetteket. A módszert több ezer mintán validálták, és közel 100%-os precizitást mértek.

A SZTAKI és a Wigner FK közös kutatóifelhő-szolgáltatást épített ki, amelynek elsődleges célja, hogy alkalmassá tegye a kutatói felhőt a speciális mesterségesintelligencia-alkalmazások támogatására. Az ELKH Cloudban egy sokgépes Spark környezetet hoztak létre, amelyben nagy méretű MI- és big data alkalmazások is hatékonyan használhatók.

A kvantummechanika sajátos törvényeiben rejlő lehetőségeket kiaknázó új eszközök, a napjainkban robbanásszerűen fejlődő kvantumtechnológia egy teljesen új világot nyit a kommunikáció és a számítástudomány terén. A Wigner FK kiemelten foglalkozik a kvantuminformatikával, a kvantumbitek fizikai alapjaival, illetve a távoli elérésű kvantumszámítógépek alkalmazásaival.