mesterséges intelligencia

Statisztikus tanuláselmélet I. rész

  • Tamás Ambrus, Csáji Balázs Csanád
A mesterséges intelligencia fogalmának meghatározására sokfajta megközelítés létezik, de abban szinte minden kutató egyetért, hogy a gépi tanulás a terület kulcsfontosságú módszere. Noha sok heurisztikus megoldást is használnak a gyakorlatban, a gépi tanulás elmélete mostanra gazdag múlttal rendelkezik, amelynek fontos része a statisztikus tanuláselmélet. Tamás Ambrus és Csáji Balázs Csanád a statisztikus tanuláselmélet egyik klasszikus módszerébe, a szupport vektor gépek elméletébe ad bevezetést.

Hogyan használtam az AI-t a Héttusa-feladatok megoldásához?

A cikk szerzője a Héttusa megoldásaihoz rendszeresen igénybe veszi a mes­ter­sé­ges intelligencia különböző változatait. A legutóbbi feladatsoron mutatja be saját és az AI ötleteit, valamint azt, hogy ezt miként lehet kombinálni, ezzel az AI-t jobb válaszok készítésére bírni, s mennyire fontos a válaszok ellenőrzése.

Álhírek automatikus felismerése – a betanított neuronháló értelmezése

  • Berend Gábor, Csendes Tibor, Németh T. Enikő
Naponta százával bombáz bennünket hir­de­té­sek­kel és hírekkel a média, különösen sok érkezik az internetes közösségi platformokon. Jelentős részük valódinak tűnik, de nem az. Hogyan tudjuk kiszűrni, mi álhír és mi nem?

Nagy nyelvi modellek: a mesterséges intelligencia beszélni tanul

  • Maga Balázs, Virág Fausztin Asztrik
Az Érintő 2025. márciusi számában Maga Balázs Simon Péterrel írt közös cikket a mesterséges neurális hálók gépi látásáról. Ezúttal egy másik, rendkívül izgalmas alkalmazási területet, azt, hogyan képes a mesterséges intelligencia szövegek megértésére és előállítására, vagyis a nagy nyelvi modellek létrejöttét mutatja be közösen Virág Fausztin Asztrikkal. A további szerzőtársakról az Utószóban olvashatnak...

Hogyan tanul a neurális háló?

Simon L. Péter 2024 decemberében megjelent cikke már nyújtott némi betekintést a neurális hálók alapjaiba. A mostani, Maga Balázzsal közös írásukban már a neurális hálók játsszák a főszerepet. Noha a neurális hálók tanításának mélyebb megértése hosszú, és esetleg fáradságos matematikai előkészületeket igényel, mindannyian szeretnénk legalább intuitív képet kapni arról, hogy nagyjából mi is történik egy neurális háló tanítása és működése során. Ezt a célt igyekszik megvalósítani a jelen cikk.

Hálózatelmélet, neurális hálók és a 2024-es a fizikai Nobel-díj

Az amerikai John J. Hopfieldnek és a kanadai Geoffrey E. Hintonnak (foto: Wikipedia) ítélték oda 2024-ben a fizikai Nobel-díjat – jelentették be október elején Stockholmban a Svéd Királyi Akadémián. A két kutató úttörő eredményeivel je­len­tő­sen hozzájárult a gépi tanulás lehetővé tételéhez mesterséges neurális háló­za­tok­kal. A hálózati folya­ma­tok­kal és a neurális hálókkal ismertet meg írása.

Bizonyítás az emberin túl, a mesterséges intelligencián innen

A gépi tételbizonyítás sikere vitát indított el a matematikai közösségben. A fő kérdés: vajon teljes mértékben megbízhatunk-e egy olyan bizonyí­tás­ban, amelyet nem tudunk teljes egészében az emberi percepcióra és a tiszta észre hagyatkozva ellenőrizni? Molnár Zoltán Gábor cikke érdekes filozófiai problémákat is felvet, miközben bevezetést kapunk a Lean program­nyelvbe és a bizo­nyí­tás­asszisz­tens szoftverek elvébe, érintve a mesterséges intelligencia jövőbeni fejlődését. Tovább...
Keresés