Az AI TÖRTÉNETE és várható JÖVŐJE - Dr. Botzheim János - Pulicorn Podcast
ฝัง
- เผยแพร่เมื่อ 6 มิ.ย. 2024
- Két AI Winter után mostmár kiemelkedő eredményeken és folyamatosan gyorsuló fejlődésen megy keresztül a mesterséges intelligencia területe. Itthon is tudjuk ezzel tartani a lépést? Mai adásunk vendége Dr. Botzheim János az ELTE IK Mesterséges Intelligencia Tanszék vezetője.
További érdekességekért iratkozzatok fel TH-cam csatornánkra, hallgassatok minket Spotifyon, Apple Podcastson, Google Podcastson, vagy kövessetek minket közösségi média felületeinken:
TikTok: / pulicornofficial
Spotify: spoti.fi/3eUipyy
Apple Podcasts: apple.co/3S7WGRP
Google Podcasts: bit.ly/3BICxMY
Facebook: / pulicorn
Instagram: / pulicornofficial
A Puli legyen veletek! 🐾
Time stamp:
00:00 Intro
00:23 Mennyire valósak az AI-jal kapcsolatos félelmei a társadalomnak?
01:11 Melyek azok a területek, amik veszélyeztetettek és milyen új területek keletkezhetnek?
01:44 Az emberek életminősége milyen irányba fog változni?
02:12 Japánban mik voltak a legmegdöbbentőbb automatizált dolgok?
02:45 Hosszú távon mik a félelmek és remények az AI-jal kapcsolatban?
03:19 Mivel foglalkozik pontosan az ELTE-n indult új Mesterséges Intelligencia Tanszék?
04:40 Milyen alapképzésre van szükség a jelentkezéshez?
05:06 Jelenleg milyen kutatási projektek vannak a tanszéken?
06:20 Visszatekintve hogyan látszik az AI története?
13:53 Mi kellett ahhoz, hogy berobbanjon újra 2010 környékén?
15:35 Hazai szinten az AI-jal hogyan állunk?
16:41 Mit érdemes tudni az evolúciós algoritmusról és a spiking neurális hálózatról?
21:13 Ha valaki tud programozni és AI-jal szeretne foglalkozni, akkor mi az az alaptudás, amire még szüksége van?
22:31 Mennyire várható ennek a demokratizálódása?
23:46 Mi különíti el az algoritmust, regressziót egy neurális hálótól?
25:29 Hogyan lehet egy neurális hálót felépíteni? Mik az elemei?
30:18 Mennyire lehet túl tanítani egy hálózatot?
35:40 Egy memetikus algoritmus hogyan épül fel a neurális hálóhoz képest?
38:33 Egy evolúciós algoritmust hogyan építünk fel?
42:37 Mik azok a mély neurális hálók? Miért jobb az eredménye és miért nehezebb vele dolgozni?
43:37 Mély neurális hálóknál még mindig egyszerű a tanítás vagy ennél nehezebb?
44:32 Van az Unsupervised és Reinforcement Learning, ezeket hogy lehet elkülöníteni egymástól?
47:45 CNN, LSTM és a GAN neurális hálókról mit érdemes tudni?
55:51 A mesterséges intelligenciák fejlesztése nem mindig szigorúan matematikai alapú?
1:03:32 Olyan mintha az összes modernebb modell mögött duál neutrális háló lenne? Ez így van?
1:04:34 Data Science és Data Mining hogy egészíti ki a neurális hálókat?
1:05:44 Mit gondolsz a nagyobb cégóriásokról? DeepMind - AlphaGo - AplhaFold
1:06:24 OpenAI - Dalle - GPT 3
1:07:20 Tesla - Full Self Driving
1:08:22 Google/Facebook - Tensor - PyTorch
1:08:50 Melyek azok a területek, ahol szerinted a közel jövőben áttörések várhatóak?
1:09:15 Elérhetőségek
1:09:34 Outro
Mi lenne az elvart kimenet....hiba
Feugyelt tanulas...altalanosito kepesseg...derivalas?
Erre még nem készült fel a tàrdalom
a tarsadalom nem 80 eves nenikbol all hala az istennek
SQl lekerdezes?
Sigmoid fuggveny?
Mint pl...?
hat igen..nincs orosz forditas a Facen...
Pl... ?
dropout?
Gepi tanulas...deep learning....
Pyton?
Strong Al?
Japán? FOKUSIMA TOKIO?
USA...Kína erős...Nlp az magyar és tetszik nekem biológia....csak pontosan szépen spikeing neurális halozat neuronok ha együtt tuzelnen STDT SPIKE NEURASITY
Kepfelismeresre használják...zongorazo robot nagyon érdekel az Spikeing vonal
Struktúra optimalizalas
1980 szakertoi rendszer kutatasok
Nagyon eroltetik
87 tol 93 ig masodik rendszer...befulladt
Memetikus algoritmus...utazo koltsegek
Utazo ugynok keresesi ter megoldas
Evolucios algoritmus? Bekodolas 100 egyeddel a varosoknal
Elte tanszek Neural Processing csop.....Bosch szamara fontos kutatas...Human Al europai project
10950..tol indult
Botzhelm Janos
EMBER kozeli szabalyok...Japanban....evolucio..neuralis halozat
Rögtön az eleje nagyon gáz! Azt hogy átalakul az AI miatt a munkaerőpiac, ehhez nem kell egyetemi docensnek lenni, ezt mindenki tudja. A riporter kérdése nyilván az volt, hogy több munka szűnik-e meg, mint amennyi keletkezik, de erre kijelentette a docens, hogy pontosan ugyanannyi új munkahely lesz, de erre semmi érvet nem mondott. Az előtte lévő nyomdászati példa semmire nem volt érv ezzel kapcsolatban. Akkor inkább mondta volna azt, hogy nem tudja, mert így szakértőként mondott egy szubjektív véleményt, de úgy mintha ez egyértelmű lenne, és aki nem ismeri az érveléstechnikát és nem lát át rajta, azokat most mind megvezette. Arról nem is beszélve, ha át is alakulna úgy, hogy pont anyi új munkahely keletkezik, hiába, ha nem értenek hozzá az emberek. A fiatalok talán, de az idősebbeknek már semmi esélyük, ők már eddig is le voltak maradva. De mondjuk a fiataloknak sincs sok esélyük, amikor a természettudományos szakok szinte megszűntek és a színvonal is megy egyre lejjebb, meg a középiskolákból is egyre rosszabb állapotban kerülnek ki a diákok.
Tanito mintag..mainstream
Az agykutatas meg nem eleg intelligens elo emberi szinten sem
Elvont kutatàs
Kompromisszumok
Supervise learning...gépi tanulas...nem ellenőrzött tanulas
Jutalmazás...buntetes
Konvulocios halozat..összetettebb alakzat
Kimenet bemenet 90..és évek algoritmus LSTM Halotat
Halozat...ő a tanszekvezeto az Elren