[00:00:00.840] 
engem mindig érdekelt az informatika. Mindig érdekelt a matematika és különösen pedig az érdekelt hogy ha valamilyen matematikai gondolatom támadt akkor hogyan ültethetem át programkódba. Egyszerűen. Valamiért alkatilag ilyen nekem az a fajta sikerélmény hogy megmozdul valami a képernyőn valami valami vizuális visszajelzést kapok arról hogy a matematikai modellem mit csinál. Az izgalmasabb volt mint hogy mondjuk egy tételt bebizonyítsák. Amikor elvégeztem a matematikus szakot akkor kutató matematikus informatikus állást kerestem magamnak ahol a tételek matematikai tételek bizonyításának nem volt semmi jelentősége de igenis sok jelentősége volt annak hogy hogy értsük azt a matematikát ami működtette a szoftvereinket.

[00:00:59.070] 
 A régi Intézet nemrég alakult Diploening kutatócsoportjában dolgozom félállásban és a másik félállásom pedig egy Prezi nevű szoftvercéghez kerül. Mind a két munkahelyemen a matematikai és az informatikai tudásomra is szükség van bár az arányok mások a Rényi Intézetben. Löning. Mély mesterséges neuron hálókkal foglalkozom kaptam ezt a lehetőséget mert annyira érdekelt ez a téma ami elmúlt néhány évben vált nagyon fontos kutatási területté hogyhogy elkezdtem keresni a lehetőségeket hogy ezzel elméleti szinten foglalkozhassak. A mély mesterséges neuronhálók a manapság legsikeresebb eszköz arra hogy mesterséges intelligenciát építsünk persze a ma létező mesterséges intelligenciáknak óriási korlátai vannak.

[00:01:58.950] 
 Tíz évvel ezelőtti rendszerekhez képest a mai rendszerek elképesztő teljesítményre képesek és ez elsősorban ennek a. Matematikai módszernek amely mesterséges neuronhálóknak köszönhető. A mostani sikerekben kétségkívül óriási szerepe van a számítási teljesítmény növekedésének. mérnök matematikusok mért értékkel azokat a sikereket amiket elértek az még folyamatban lévő projekt a világon mindenhol a régi intézetben elég frissen indult. Az hogy ez egy támogatott kutatás és most építjük gyakorlatilag a csapatunkat. Elképesztő kereslet van erre a fajta szaktudásra a munkaerőpiacon mert nagy informatikai cégek go fészbukamazon és mások. Fontosnak tartják ezt a fajta tudást és hisznek benne hogy ez nekik profitot fog hozni úgyhogy tulajdonképpen itt erény intézetben ezekkel a cégekkel versengünk a szakképzett munkaerő.

[00:03:04.730] 
 úgy tetszik szinte korlátlan felvevőképesség van a matematikai tudásra. Ezt világosan látjuk tehát hogy sosem elég belőle minél nagyobb matematikai előképzettsége van valakinek annál jobb eséllyel tudjuk.

[00:03:24.570] 
hadrafogni és az ahhoz amit mi csinálunk ahhoz egyben informatikai tudás is kell.

[00:03:31.770] 
De ez viszont nem is nem szükségszerű. A kutatómunkában a matematikai modellépítés a kivitelezés és a hangolás körülbelül egyharmad egyharmad arányt tölt be. A mély mesterséges neuronhálót tulajdonképp nem más mint egy olyan fekete doboz amin óriási mennyiségű kis állítgatható. Ha úgy tetszik potmétervan és ezeknek a hangolásával tulajdonképp bármilyen matematikai függvény kiszámítására képesek elvben a mi célunk az hogy olyan függvényeket állítsunk be rajtuk. Ezzel a csavargatással optimalizálással. Ami valami hasznos tudás mondjuk ha a bemeneten érkezik egy kép akkor a kimeneten az az információ jelenjen meg hogy mit ábrázol ez a kép számokkal kódolva addig állítgatjuk tulajdonképpen a rendszernek ezeket a kis Csavarantyúit ameddig nem vagyunk elégedett azzal hogy milyen kérdésre milyen választ ad ha a szám oszlopokban meg lehet fogalmazni hogy milyen kérdésre milyen választ szeretnénk kapni akkor elvben megtanítható ezeknek a hálózatoknak.

[00:04:49.630] 
Erre egy konkrét nagyon sikeres példa a képfelismerés a hangfelismerés de például az elmúlt években már az áttöréseknek egy tetemes százaléka azaz a szöveg feldolgozáshoz kapcsolódott mondjuk a nyelvek közötti mesterséges fordításra vagy a szövegek értelmezésére. Rövid összefoglalására és a somlói például sebeknek a klasszifikálásával foglalkozunk. én személy szerint nem de a kollegáim közül többen. Tehát az lenne a feladat hogy egy a sebről készített fényképek alapján megállapítsuk hogy hogy milyen típusú gyógykezelésre szorul. Az se tanácsot ad és még csak nem is az orvosnak hanem tipikusan az ápolónak de az nyilván fenntartással fogja kezelni. Ez felelőtlenség lenne ha egyszerűen mechanikusan végrehajtaná a jó tanácsot de ez a legtöbb ilyen módszerre igaz.

[00:05:47.480] 
 A mi elsődleges fókuszunk itt az intézetben jelenleg. Az A. reprezentáció tanulása és generatív modellezés. Megpróbálom szakkifejezések nélkül elmondani hogy ezek mit jelentenek és regeneratív modellezés. Ez tulajdonképpen nagyon általánosan az a feladat hogy valamiből sok példát mutatunk a számítógép ne legyen a kedvenc konkrét példám hogy sok emberi arcot ábrázoló fényképet mutatunk a számítógépnek és azt kérjük tőle hogy tanulja meg ennek a szabályszerűségét és utána legyen képes maga is ilyen képeket arcokat ábrázoló képeket rajzolni. De ne úgy hogy csak bemagolja a gyűjteményt amit mi adtunk neki hanem általánosítva azkoztatés új soha nem látott arcokat alkot meg.

[00:06:38.380] 
 Ez a generatív modellezés vált a reprezentáció tanulása. fogalmaz pedig valami értelmesnek tekinthető a bizottság is talán.

[00:06:48.110] 
Miután sok példát mutattunk valamilyen ValóVilágbeli objektumra képekre hangokra.

[00:06:57.260] 
Utána a gép automatikusan képes legyen strukturálni elrendezni ezeket az objektumokat úgy hogy mondjuk magas szintű összefüggéseket vesz köztük észre egy konkrét példával mondjuk meg immár agyunk az arcok témájánál. Ha mutatunk neki egy csomó arcot akkor ő magától rá fog jönni hogy vannak olyan magas szintű tulajdonságok amik a pixelekből nehezen lennének helyreállítható a kitalálhatóak magasabb szintű megértést tételeznek fel hogy mondjuk férfiak és nők idősebbek fiatalabbak kopaszok hosszú hajúak vannak az arcok között és ez magától vegye észre hogy ezek fontos szervező szabályszerűségek az adatban az hogy én matematikus lehettem az nagyon könnyen adta magát mert a.

[00:07:43.360] 
Családomban sok matematikus van. Nagyapám igazgatója is volt annak az intézetnek Fejes Tóth László és ő például.

[00:07:53.620] 
Gyakorlatilag és ezt most az én saját gyerekeimnek is továbbadom. ő esti meseként szinte mindig természettudományról mesélt és rettenetesen élveztem ezeket a meséket és nagyon sokat tanultam belőle eléggé hamar kiderült hogy fogékony vagyok a matematikára is és.

[00:08:18.070] 
Igazi volt. Talán azt mondom hogy az hogy valami matematikaközeli témával foglalkozom azt szinte soha nem volt kérdés.