Október 16-án a Tilos Rádió MIcsoda Világ! című adásának vendége volt Kovács Péter, az ELTE Informatikai Kar Numerikus Analízis Tanszékének kutatója. A MIcsoda Világ! című adássorozat célja, hogy közérthetően mutassa be a mesterséges intelligencia különböző területeit: a korábbi epizódok között fizikusokkal, robotikai szakemberekkel, idegtudósokkal és médiaművészekkel is készült már beszélgetés. Kovács Péter szereplése jól illeszkedett ebbe a sorozatba, amely a komoly matematika, a szenzortechnológia és a modern AI találkozását mutatta be. Az adás meghallgatható a műsor honlapján.
A beszélgetés középpontjában a modell-vezérelt mesterséges intelligencia állt. Míg a hagyományos, tisztán adat-vezérelt AI-modellek – például a nagy nyelvi modellek – hatalmas adathalmazokra és jelentős számítási kapacitásra támaszkodnak a statisztikai összefüggések feltárásához, addig a modell-vezérelt megközelítés a gépi tanulást ötvözi a már meglévő szakterületi tudással. A kutatók matematikai modelleket építenek a neurális hálózatokba, amelyek így gyorsítják a tanulást, csökkentik az erőforrás-igényt, és javítják az algoritmusok átláthatóságát és magyarázhatóságát.
Erre szemléletes példaként a műsorban az EKG-jelek anomáliadetektálása került szóba, amely a szívritmuszavarok felismerését segíti. Az ilyen algoritmusok pontossága már jóval 90% feletti, ám az orvosi döntéshozatalban egyelőre még nem használják őket a gyakorlatban. Ugyanakkor okosórák és otthoni egészségügyi eszközök formájában már ma is hozzájárulhatnak ahhoz, hogy a gyanús eseteket korán kiszűrjék, és a felhasználót időben szakemberhez irányítsák.
A beszélgetés második részében egy rokon kutatási terület került bemutatásra: az intelligens gumiabroncsokba épített piezoelektromos erőmérő szenzorok fejlesztése, amelyek meglepő módon az EKG-jelhez hasonló mintázatokat produkálnak. Kovács Péter ismertette, hogyan használhatók fel a kerék forgása során mért jelek a kátyúk és más útfelületi hibák detektálására, valamint, hogy miként taníthatók neurális hálók az úttípusok osztályozására vagy a talpponti erők becslésére, ami a megcsúszás előrejelzésében segíthet döntéstámogató vagy önvezető rendszerekben. A megoldás különlegessége, hogy a megvalósítás olyan kis méretű neuronhálózatokon történik, amik alacsony fogyasztású elektronikán is működnek, így járművekre szerelve is hatékonyak. A fejlesztéshez szabadalom és mintaoltalom is kapcsolódik, és a rendszert valós körülmények között tesztelték, ami jelentős innovációs értéket képviselhet az ipari szereplők számára is.
Az AI gyakorlati alkalmazása számos biztonságkritikus területen a megmagyarázhatóságon és az átláthatóságon múlik. Ezen cél elérése érdekében alapította meg Kovács Péter új kutatócsoportját, az ELTE-SMARTER csoportot, amely modell-vezérelt gépi tanulással foglalkozik. A csoport célja olyan AI-rendszerek fejlesztése, amelyek egyszerre hatékonyak, megbízhatók és értelmezhetők (XAI), és így alkalmasak magas biztonsági követelményű alkalmazásokban való használatra is.