Kollár Csaba A KVANTUMON INNEN, DE A MESTERSÉGES INTELLIGENCIÁN MÁR TÚL? KUTATÓK ÉJSZAKÁJA 2022. 2022. szeptember 30. Óbudai Egyetem Bánki Donát Gépész és Biztonságtechnikai Mérnöki Kar Budapest

1. KUTATÓK ÉJSZAKÁJA 2022.
2022. szeptember 30.
Óbudai Egyetem Bánki Donát Gépész és Biztonságtechnikai Mérnöki Kar
Budapest
Kollár Csaba
A KVANTUMON INNEN, DE A MESTERSÉGES
INTELLIGENCIÁN MÁR TÚL?
Mesterséges
Intelligencia
Műhely

2. Bemutatkozás

3. társadalmi vetületei
gazdasági hatásai
információbiztonság
humán aspektusa
biztonságtudatosság
fejlesztése
ember-robot interakció
emberi oldala
intelligens városok és
épületek
1. Forradalmak kora
2. Kibernetika
3. Klasszikus számítástechnika
4. Mesterséges intelligencia
alapjai
5. Az MI filozófiai megközelítése
6. MI a gyakorlatban
7. Kvantumgondolkodás
8. Klasszikus- vs.
kvantumszámítástechnika
9. Játszótér
10. Kitekintés a jövőbe
kibernetika reneszánsza
A mesterséges intelligencia társadalmi vetületei
gazdasági hatásai

4. Három meghatározó forradalom
(Humán)
géntechnológia
forradalma
Robotika
forradalma
(erős mesterséges
intelligencia)
Nanotechnológia
forradalma
Robotizált
génsebészet
Neuroprotézis
Embergép
Biochip
Génmódosítás
Génsebészet
Nanoanyagok
kapcsolódása a
génekhez,
sejtekhez
Nanorobotok,
aeroszol robotok,
gyógyító robotok
Ember-gép (?)

5. KIBERNETIKAI ALAPVETÉS

6. Rendszer (1)
RENDSZER
Input1
Input2
.
.
.
Input3
Output1
Output2
.
.
.
Output3

7.  Milyen inputok/outputok vannak?
 anyag
 energia
 információ (tapasztalat, tudás)
 pénz
 humán erőforrás
 Mik a rendszer saját erőforrásai?
 idő (ami valamely tevékenység elvégzéséhez szükséges)
 humán erőforrás (a szervezet munkavállalói)
 know how, innováció
 stb...
 Mik az erőforrások paraméterei?
 avulás, romlás, meghibásodás mértéke, várható ideje
 szubjektív megítélés (pl.: szép, jó, kellemes, hasznos)
 fizikai-kémiai jellemzők
 ár
Rendszer (2) – erőforrások

8.  Átereszti magán
 Raktározza
 Szállítja
 Feldolgozza
 Átalakítja
 Komplex tevékenység
Rendszer (3) – mit csinál a rendszer az
erőforrásokkal?

9. 1) Ismerjük a működését
2) Következtetünk a működésére: input -> output
transzformáció
3) Vannak sejtéseink a működésről
4) Nem ismerjük a működését
5) A rendszer állapota a megfigyeléstől függ
Rendszer (4) – a rendszer ismerete

10. A KLASSZIKUS SZÁMÍTÁSTECHNIKA

11.  Bináris logika: igen/nem, 0/1 (Boole-algebra)
 Egy- és kétbites kapuk alkalmazása
 Logikai függvények: AND, OR, NAND, NOR
 Számítási kapacitások exponenciális növekedése
 Egyre több adat áll rendelkezésre
 Egyre több adat dolgozható fel közel valós
időben
Az elvek nem változtak, csak az idő telik

12. Moore törvénye
Miniatürizálás
2 nm – 2024
3 nm – 2022
5 nm – 2020
7 nm – 2018
10 nm – 2016
14 nm – 2014
22 nm – 2012
32 nm – 2009
45 nm – 2007
65 nm – 2005
90 nm – 2003
130 nm – 2001
180 nm – 1999
250 nm – 1996
350 nm – 1993
600 nm – 1990
800 nm – 1987
1 µm – 1984
1.5 µm – 1981
3 µm – 1977
6 µm – 1974
10 µm – 1971

13. Különbség a program és az MI között*
program MI
• Programozó írta
• Determinisztikus: ugyan arra a
kérdésre ugyan azt a választ
adja
• Igen-nem, 0-1 jellegű
eredményt ad
• Az ember mondja meg, hogy mi
a helyes eredmény
• Szabályokat futtat, nincs helye a
szabályok felülírásának
• Programozó írta
• Valószínűséggel dolgozik:
bizonyos eséllyel ugyan az a
válasz az adott kérdésre
• Kevésbé-jobban, 85%-15%
jellegű eredményt ad
• A programozó a célt adja meg, a
gép kísérletezi ki a helyes
eredményeket
• Mintákat vizsgál
• Helye van a meglepetéseknek
és a hangsúlyok eltolásának
*Biczó (2017) alapján

14. BEVEZETÉS A MESTERSÉGES INTELLIGENCIÁBA

15. A mesterséges intelligencia építőkövei
Adatok
Rengeteg adat áll rendelkezésre, ezek mennyisége folyamatosan növekszik
Számítási kapacitás
Olyan számítások is elvégezhetők belátható időn belül, amire tíz évvel ezelőtt
még a szuperszámítógépek sem voltak képesek
Algoritmusok
A mesterséges intelligenciát támogató algoritmusok, statisztika és
valószínűségszámítás, regressziós modellek, klasszifikáció, klaszterizáció,
lágyszámítási módszerek megjelenése a gyakorlati, összetett, komplex, bonyolult
problémák megoldásában
Szinergia
Technológiák fejlődése és összekapcsolása

16. Mesterséges intelligencia Humán intelligencia
• Képes az emberi viselkedés és a
kognitív folyamatok szimulációjára
• Megragadja és megőrzi az emberi
szakértelmet és kommunikált
tapasztalatot
• Nagy mennyiségű adatot képes
gyorsan megérteni, gyorsan ad
választ
• Nincs józan ész
• Nem tud egyszerre vegyes tudással
foglalkozni
• Sokba kerül a fejlesztése
• Jogi és etikai kérdéseket és
problémákat vet fel
• Intuíció, józan ész, ítélet,
kreativitás, hit
• Az intelligencia bemutatásának
képessége hatékony kommunikáció
révén
• Érvelés és kritikus gondolkodás
• Az ember hibázik
• Korlátozott tudásbázis
• A számítógéphez képest az
adatfeldolgozás lassan történik az
agyban
• Az ember nem képes nagy
mennyiségű adat tárolására a
memóriájában

17. MI
Felhő alapú
számítástechnika
Robotizáció,
drónok
0110101
1101010
1101010
BDA
Mobil
Biztonság(i kamerák)
Közösségi média
AR, VR, MR
(I)IoT és szenzor
Vezetékes és vezeték-
nélküli hálózatok
Kapcsolódó technológiák és alkalmazások
GIS, GPS

18. AZ MI FILOZÓFIAI MEGKÖZELÍTÉSE

19. 1. Isten : ember = ember : állat
2. Ember : állat = ember : gép
3. Szingularitás: Isten = MI?
ember = Isten? (teremtünk)
ember = állat? (veganizmus)
ember = gép? (intelligencia)

20. 1. nem nyújt semmilyen segítségét, mindent az ember csinál.
2. teljes körű cselekvési alternatívákat kínál.
3. leszűkíti a cselekvést néhány választási lehetőségre.
4. egyetlen tevékenységet/műveletet végez.
5. végrehajtja a műveletet, ha az ember jóváhagyja azt.
6. mielőtt a műveletet végrehajtaná, lehetőséget az embernek, hogy
azt megvétózza.
7. automatikusan hajtja végre a műveletet, de erről feltétlenül
tájékoztatja az embert.
8. a művelet automatikus végrehajtás után csak akkor tájékoztatja az
embert, ha az kéri.
9. a művelet automatikus végrehajtása után csak akkor tájékoztatja
az embert, ha ilyen döntést hoz.
10. maga dönt el mindent, automatikusan működik, figyelmen kívül
hagyva az embert.
A gép autonómiája* – A számítógép…
*Sheridan (1992)

21. MESTERSÉGES INTELLIGENCIA A GYAKORLATBAN

22. • Testen viselhető okoseszközök (óra, cipő, póló, külső
„csontváz”)
• Testben levő okoseszközök (implantátumok,
egészségügyi monitoring)
• Hordozható okoseszközök (telefon, tablet)
• Humanoid/animoid robotok
• Intelligens (önvezető) autók, járművek
• Intelligens épületek/létesítmények (domotika)
• Intelligens szervezetek/vállalatok
• Intelligens település/város
• Intelligens ország/társadalom (kínai TKR)
• Intelligens Föld
Az MI léptékei

23. • Domotika – intelligens épületek
• Nagyvárosok, megapoliszok
• Közlekedés
• Önvezető járművek
• Társadalmi értékelő rendszerek
• Környezetvédelem
• Mezőgazdaság
• Egészségügy, gyógyszeripar
• Gazdaság, pénzügyek
• Biztonság, hon- és rendvédelem
• Kiberbiztonság és informatikai rendszerek
• Oktatás, képzés, továbbképzés
• Ipar 4.0, 5.0
Az MI fontosabb felhasználási területei

24. • Felderítés
• Mintázatok felismerése
• Kép, hang, szövegfelismerés
• Kapcsolati háló feltérképezése
• Nyomkövetés, haladási útvonal predikciója
• Elkövetői csoport megrajzolása
• Elkövetői profil megrajzolása
Biztonságtudomány – bűnügyi területek

25. • Támadásdetektálás
• Riasztáskezelés
• Incidenskezelés
• Hálózati behatolásérzékelés és megelőzés
• Csalások felderítése
• Botnet-vadászat
• Biztonságos felhasználói azonosítás
• Spamszűrés
• Támadói mintázat/viselkedés meghatározása
• Prediktív előrejelzések
• Logfájlok mélyelemzése
• Különböző, mesterséges intelligenciára épülő védelmi
megoldások együttműködése
• Eseményvizualizáció
Biztonságtudomány – kiberbiztonság

26. KVANTUMGONDOLKODÁS

27. „Nature isn't classical, dammit, and if you want to
make a simulation of nature, you'd better make it
quantum mechanical, and by golly it's a wonderful
problem, because it doesn't look so easy.”
„A természet nem klasszikus, a fenébe is, és ha a
természet szimulációját akarod készíteni, akkor
inkább kvantummechanikussá tedd, és ez egy
csodálatos probléma, mert nem tűnik olyan
egyszerűnek.”
Richard P. Feynman gondolata

28. „Ha nincs szemlélő / Nincs esemény”

29.  Kis méreteknél az anyag pontszerűsége (pontos
helyzete) elmosódik.
 A rendszer pillanatnyi állapotát hullámfüggvény
ábrázolja, a mérhető tulajdonságok valószínűségi
eloszlását írjuk le.
Kvantumelmélet

30. Schrödinger macskája (szuperponált qubit)

31. 1. Szuperpozíció: itt is vagyok, ott is vagyok, a
macska élő is, meg nem is, hoztam ajándékot,
meg nem is, elektron helyzete az atommag körül.
2. A mérés megváltoztatja a kvantumbitet.
3. A kvantumbitek összefonódhatnak, s amikor
mérést hajtunk végre az egyiken, az befolyásolja a
másik állapotát is.
Alapgondolatok

32. KLASSZIKUS VS. KVANTUM

33. Van egy sok (n) adatból álló adatsorunk (pl.: telefonkönyv).
Kinek a száma a +36-1-758-4321?
Hagyományos módszerrel
• Legrosszabb esetben n-1 lekérdezés kell
• Az adatbázis nagyságával arányos nő a lekérdezések száma és
ideje
Kvantum módszerrel
• n a keresési idő
Kvantum 4-szer gyorsabb, mint a hagyományos.
Eredmény: hatékonyabb keresés (+)
Adatkeresés (Grover-algoritmus)

34. Bontsunk fel számokat prímszámok szorzatára (RSA titkosítás)!
Hagyományos módszerrel:
• Átlagos számítógépen 60 jegyű szám 10 perc, 1024 jegyű szám
1054 év
• Ahogy a számjegyek száma növekszik, exponenciális
növekedés a megoldási időben
• Kiszámolni nehéz, ellenőrizni könnyű
Kvantum módszerrel:
• 1024 jegynél kb. 1 nap alatt
Kvantum sokkal gyorsabb, mint a hagyományos.
Eredmény: az RSA titkosítást belátható időn belül fel lehet
törni (-)
Prím-faktorizáció (Shor-algoritmus)

35. KVANTUM = IDŐGAZDÁLKODÁS?

36. 1. Részletesebb, átfogóbb, alaposabb pénzügyi,
gazdasági elemzések
2. Pontosabb időjárásjelentés
3. Új, „feltörhetetlen” kriptográfiai algoritmusok
4. Anyag- és gyógyszerkutatások
5. Új anyagok felfedezése (akkumulátorok,
napelemek)
6. Okosvárosok, önvezető autók
7. Kvantuminternet -> kvantum-metaverzum
Kvantum-hatékonyság

37. JÁTSZÓTÉR

38. Arduino

39. IBM Quantum

40. Quantumplayground

41. KITEKINTÉS A JÖVŐBE

42. 1. Fejlesztések iránya: elektron, vagy atommag
spinje, fény polarizációja, elektron pozíciója,
elektronok, fotonok száma, áram iránya egy
szupravezető karikában… merre tovább?
2. Szuperpozíció sérülékeny – hogyan védjük meg?
3. Kvantumbit teljesen zárt rendszerben – hogyan
hajtsunk rajta végre műveleteket?
4. Hogyan építsünk jól skálázható/fejleszthető
rendszert?
5. Kvantumfölény: politikai, gazdasági értelemben is
6. Hatalmas üzlet vs. Dot com lufi 2.0

43. Dr. Kollár Csaba PhD
kibernetikus, tudományos főmunkatárs, műhelyvezető
Óbudai Egyetem Mesterséges Intelligencia Műhely
www.drkollar.hu | www.linkedin.com/in/drkollarcsaba | www.slideshare.net/drkollarcsaba
KÖSZÖNÖM MEGTISZTELŐ FIGYELMETEKET!

44. Felhasznált képek forrása
• https://dug.com/wp-content/uploads/2021/08/Prisms.jpg
• https://pixabay.com/illustrations/binary-one-cyborg-cybernetics-1536651/
• https://www.simslifecycle.com/wp-content/uploads/sites/2/2022/01/Electronic-Numerical-Integrator-And-Computer.png
• https://en.wikipedia.org/wiki/Moore%27s_law#/media/File:Moore's_Law_Transistor_Count_1970-2020.png
• https://pixabay.com/illustrations/yin-and-yang-fire-water-hand-1947878/
• https://www.3szek.ro/load/cikk/152577/a-szo-mint-anyag
• https://pixabay.com/photos/board-electronics-computer-453758/
• https://www.pexels.com/photo/white-and-blue-robot-figure-8566473/
• https://www.pexels.com/photo/a-man-and-woman-with-prosthetic-hand-sitting-on-the-floor-7689143/
• https://www.pexels.com/photo/photo-of-lake-552788/
• https://www.pexels.com/photo/coding-script-965345/
• https://pixabay.com/photos/hourglass-time-hours-clock-620397/
• https://pixabay.com/photos/esoteric-fortune-telling-cards-242773/
• https://pixabay.com/photos/physics-quantum-mechanics-3864564/
• https://pixabay.com/photos/playground-swing-slide-school-fun-99509/
• https://turbofuture.com/computers/build-quantum-computer