Varga Mihály nemzetgazdasági miniszter a Járműipar 2016 nevű konferencián arról beszélt tavaly, hogy a digitalizáció elterjedése miatt hozzávetőlegesen 350-400 ezer munkahely szűnhet meg Magyarországon. Amellett, hogy a jóslata meglehetősen optimista, a jelenség jól illeszkedik abba a trendbe, amely a világon mindenhol máshol is megfigyelhető: a különböző munkakörökben egyre kevésbé lesz szükség az ember foglalkoztatására.

Ezt a fajta gyártási technológiát, már több mint két éve velünk van: 2015 júliusában a kínai Dongguan városban található Changying Precision Technology lett a világ első olyan gyára, ahol már csak robotok dolgoznak. Az üzemben az összes munkafolyamatot gépek végzik: a gyártósori robotokat számítógépek vezérlik, a termékeket sofőr nélküli robotok szállítják, a raktárban pedig automatizált berendezések teszik azokat a helyükre.

Universal Robots

"A mesterséges neurális hálózatok ugrásszerű fejlődése új területeket nyit a mesterséges intelligencia felhasználási területein belül. Eddig csak (szak)emberek által elvégezhetőnek hitt feladatok válnak egy csapásra olcsón és megbízhatóan automatizálhatóvá, ami az ipari forradalomhoz hasonló átalakuláshoz fog vezetni a munkaerőpiacon" – monta el a hvg.hu-nak Nagyfi Richárd, a Kitchen Budapest innovációs labor kutató-fejlesztője. A szakember szerint a folyamat már elkezdődött, hiszen szinte minden cég használ egy olyan eszközt (közösségi oldalt vagy épp okostelefont), aminek működése mögött már ott a mesterséges intelligencia. Akik pedig nem fektetnek ezekbe az új technológiákba, lemaradnak a globális versenyben.

A 4.0-sként emlegetett ipari forradalom alapját a mesterséges intelligencia, az azon alapuló gépi látás és az egyre olcsóbb szenzorok hálózata jelentik, amelyek adatait olcsón gyűjthetjük és azonnal elemezhetjük. A munkát irányító neurális hálózatot mi tanítjuk be az adott feladatra, de a tanítási folyamat közben nem kell explicit szabályokat megfogalmaznunk az adatokkal kapcsolatban. "Tegyük fel, hogy a gép dolga az, hogy macskát keressen különböző képeken. Többféle macska létezik, bárhol, bármilyen oldalról, bármilyen távolságra lehetnek egy képen, ráadásul akárhány szabályt hozhatok arra, hogy hogyan néz ki egy macska (két hegyes füle van, bajsza, bundája és farka). Lesznek olyanok, amikre igazak a szabályok és mégsem macskák (van egy róka vagy tigris a képen) és olyanok is, amikre nem igazak, de mégis macskák (egy fél fülű macska). A feladat tehát pusztán szabályok felsorolásával nem megoldható. A hatalmas előrelépés az, hogy szabályok definiálása helyet, a mesterséges intelligencia már képes rá, hogy egy nagy elemű tanulóhalmazból olyan összefüggéseket tanuljon meg automatikusan, amivel kialakul egy fogalma arról, hogy mi a hasonlóság a különböző macskás képek között, és ezt az ismeretet át tudja vinni újabb képek elemzésekor" – mondja Nagyfi Richárd.

Cambridge Consultants

Aki a példa alapján azt gondolná, hogy mindez úgysem hasznosítható a hétköznapi feladatok elvégzése során, az sajnos téved. A szakember szerint ugyanis ugyanezen az elven dolgoznak például azok a rendszerek, amelyek az orvosokat segíthetik a különböző diagnózisok felállításában. Az amerikai Innovation DX nevű startup például várhatóan decemberben mutatja majd be azt a rendszerét, amely a mellkasi röntgenfelvételek alapján segít megkeresni a tüdőrákra utaló jeleket. Olyan apró jeleket is, ami még az orvos figyelmét is elkerülheti.

Nvidia

"Ez egy rendkívül dinamikusan fejlődő terület. A Boston Dynamics robotja például egy fél éve még csak sétálni volt képes, mostanra viszont már a hátraszaltót is meg tudja csinálni" – érzékelteti a fejlődés mértékét a kutató-fejlesztő.

Ugyanakkor nemcsak a hétköznapi értelemben vett iparban lehet jól alkalmazni a neurális hálózatokat, hanem a különböző, kreatitvitást igénylő területeken. A gépek ma már képesek például a zeneszerzésre is: a Sony Flow Machines nevű rendszere egy 13 ezer dalból álló adatbázis elemzett végig, majd ez alapján írta meg saját szerzeményét. Vagy elég csak arra a DoNotPay nevű csevegőbotra gondolni, amelyik Londonban és New Yorkban 21 hónap alatt mintegy 160 ezer parkolási bírság esetében érte el, hogy a büntetést ne kelljen befizetni az autósoknak – épp úgy, ahogy azt egy ügyvéd tenné.

Nagyfi Richárd szerint a mesterséges intelligencia ipari alkalmazása egyelőre még drága, ugyanakkor azt látjuk, hogy folyamatosan egyre olcsóbbá válik. A legtöbb, ehhez szükséges szoftver ingyen elérhető, az ezekhez értő szakemberből viszont egyelőre még kevés van, így ez jelentős mértékben drágítja a beruházást. A technológiát azonban már most is sok helyen alkalmazzák, és egyre több helyen fogják.

Ha máskor is tudni szeretne hasonló dolgokról, lájkolja a HVG Tech rovatának Facebook-oldalát.