konferencia

A Neumann János Számítógép-tudományi Társaság (NJSZT) 2018. október 17-én tartotta a Magyar Tudományos Akadémia (MTA) 2. emeleti dísztermében 50. jubileumi konferenciáját. A Társaság méltó helyszínen, nagyszerű programmal készült a szép számban megjelent tagságnak és vendégeknek.

Az előadások

A konferencián előadó matematikusok és mérnökök nagyszerű, magukkal ragadó előadásokkal tették emlékezetessé az NJSZT 50. jubileumi konferenciáját. „Magas szinten könnyedén” (ahogy az LSI Kiadó tankönyvsorozatának címe is mondta) adtak áttekintő képet a rendezvényre választott témájukról, mutattak hozzá példákat kutatásaikból, és természetesen vázolták, hogy hol tartunk most és merre fejlődik világunk az Ő tudományterületükről nézve. Előadásaikat 10-10 oldalban is nehéz lenne összefoglalni, ezért csak pár, engem megragadó gondolatot elemek ki.

Lovász László: Kell-e matematika a számítógép-tudományhoz?

Lovász László, az idén 70 éves, energikus matematikus, egyetemi tanár, az MTA rendes tagja előadását „Kell-e matematika a számítógép-tudományhoz?” címmel tartotta. Lovász tanár úr fő területe a gráfelmélet, amelynek gyakorlatbeli alkalmazásában is számos területen részt vett (közlekedés, távközlési hálózatok, munkaszervezés).

Előadásában áttekintő képet adott a gráfelméleti kérdések kapcsán matematikai, bonyolultság-elméleti kérdésekről. Ezen a területen az egyik alapvető fogalom a polinomiális idő. Már Neumann János felvetette egy 1951-es előadásában egy játékelmélettel kapcsolatos algoritmusáról, hogy polinomiális idejű. (Egy algoritmus polinomiális idejű, ha lépésszáma korlátozható egy nk függvénnyel, ahol k rögzített szám.)

Lovász László egyik záró gondolata az utóbbi hónapokban hallott egy kijelentéshez kapcsolódott: „A mélytanulás ma már olyan gyors, hogy nem érdemes a matematikájával bajlódni.” Úgy tűnik, hogy a mélytanulás mélyén is gráfokra vonatkozó tétel van, a Szemerédi-féle regularitási lemma (sejtése).

Szász Domonkos: Neumann János egy kedves eredménye, az ergod-tétel

A második előadó Szász Domonkos matematikus, egyetemi tanár, akadémikus volt, aki lelkesedéssel és 77 éve tudásával beszélt Neumann János egy kedves eredményéről, az ergod-tételről. Az ergod-elmélet a XVII. századi fizikából származik, a nyomás és a térfogat szorzata konstans (pV = k) összefüggésből. Ezt a fenomelógiai tételt (közvetlenül észlelhető leírást) a nagy fizikusok igyekeztek aztán pontosan megfogalmazni. Neumann 1932-ben tette közzé ergod-elméleti tételét, amelynek a statisztikus fizika matematikai megalapozása szempontjából alapvető jelentősége van. Az ergod-tétel a nagy számok törvényének általánosítása, valamint az is érdekes, hogy a káoszelmélethez, az időjárási jelenségek vizsgálatához és a pillangóhatáshoz is elvezetett. (A pillangóeffektus kifejezés a kiindulási tényezők fontosságát foglalja magába a káoszelméletben.)

Bár az ergod-tételt nem Neumann publikálta először az Akadémiai Közleményekben, hanem Birkhof rövidebb cikkben és más érveléssel, általános pontokra bizonyítva. Később Neumann több írásában elemezte az ergod-tétel fontosságát.

Az előadó Szász Domonkos is foglalkozott a tétellel. Ennek kapcsán például a statisztikus fizika egyik alapjaként szolgáló Boltzmann–Sinai ergodikus hipotézis igazolásában ért el áttörést. Eszerint egy dinamikai rendszer időbeli fejlődése során a fázistér szinte minden pontjába eljut.

Charaf Hassan: A mesterséges intelligencia kihívásai

A szünet után Charaf Hassan, a BME Automatizálási és Alkalmazott Informatikai Tanszék tanszékvezetője, egyetemi tanára a mesterséges intelligencia (MI) kihívásairól tartotta igen tempós előadást. Bevezetőjében áttekintést adott az MI mindössze 70 éves evolúciójáról: Artifical Intelligence, Machine Learning, Deep Learning, amely kiegészült aztán a Data Mininggel, Data Science-szel és Big Data-val.

A gartneri hájpolt ciklus (Gartner Hype Cycle) szerint az MI területén már a vállalatirányítás intelligens gépi irányítása van soron, mindenüvé beférkőzik életünkbe, azonnali (real-time) eredményekre van szükség, a neurális hálózatokkal mélytanulás zajlik stb. Mi is tapasztalhatjuk, hogy egyre „intelligensebb” a használt keresőmotor és a fényképezőgépünk, hogy emberi beszéddel (angolul) adhatunk parancsokat a navigációs stb. alkalmazásnak, használhatjuk multifunkciós nyomtatónkban a karakterfelismerő programot stb.

Az MI-ben mindehhez adott a folyamatos, nagy mennyiségű, sok fajta adat az egyre több kézi számítógépből, szenzorokból, közösségi oldalakról. Csökken az adattárolás költsége; a számolási költség (gondoljunk például a GPU-kra [Graphics Processing Unit]). Az igények növekednek, a nagy IT cégek fejlesztései gyorsak. A CISCO szerint 2022-re 50 millió mobileszköz lesz a Földön, amelyek képességei is nőnek. Továbbá erősödnek a felhőszolgáltatások, valamint az IoT használata (de már ma is része lehet otthonainknak). Az ipar a 4.0 verziójánál tart, amely az automatizálási és adatcsere a gyártási technológiákban. (Az ipar 3.0 a számítógépesítés és automatizálás volt; az ipar 2.0 a tömeggyártás, szerelőszalag, elektromosság; az ipar 1.0 a mechanizáció, a víz- és gőzerő használata.)

A gépi tanulás célja például ma már, hogy olyan gépeket alkossunk, amelyek saját tapasztalatikból indulnak ki. Intenzíven kutatják például a kognitív intelligencia területén a beszéd- és képfeldolgozást, a természetes nyelveket, az emberi szokások megtanulását, a cikkek hangulatának megállapítását, a környezetérzékelést. Fontos területet képeznek az orvosi alkalmazások, például a stroke és infarktus megelőzéséhez vagy a szemfenékvizsgálathoz. Természetesen hallottunk példákat a BME-n folytatott számos MI alap-, alkalmazott és szakterület-specifikus kutatásból is.

És a jövő? Mutatja a gartneri hájpolt ciklus. Charaf Hassan előadása végén az XAI-t (Explanainable AI vagy Transparent AI), magyarul a megmagyarázható vagy más kifejezéssel átlátszó mesterséges intelligenciát emelte ki. Ennek az MI-nek az akciói könnyen érthetőek az ember számára. Bár még a tervezők sem tudják, hogyan és miért jutott az MI az adott döntéshez. A cél, hogy pontosabb eredményeket adjon. Kihívások az XAI-t tekintve a költségek, a kultúra a technológiaválasztáshoz, illetve a pontos célok meghatározása. Szerencsére Magyarországon is van kutatására állami támogatás, bár hiányzik még a nemzetközi összefogás.

A több szemeszternyi tananyag igen dinamikus összefoglalása után végül Hassan a „The Future of Machine Intelligence”, nem rég megjelent könyvet ajánlotta.

Kroó Norbert: A nanotechnológiától a kvantumtechnológiákig

Az utolsó előadó Kroó Norbert elismert szilárdtestfizika kutató, az MTA rendes tagja volt. A 84 éves kutató rengeteg képpel, ábrával és animációval illusztrált diasora mentén a tranzisztoroktól a nano- és kvantumtechnológiáig tekintette át a fejlődést, és tett összehasonlításokat. Például az 1947-ben létrehozott tranzisztortól mára eljutottunk a szembe ültethető chipekig. Célunk az agyi működéshez jobban hasonlító technológiák létrehozása. Az IBM 2014-ben készített TrueNorth chipje például neuromorf CMOS integrált áramkör.

A miniatürizálást a „The Scale of Things – Nanometers and More” képpel is érzékeltette Kroó Norbert. A jövő, amelynek kutatása már folyik, kiterjed többek között a molekuláris elektronikára, a karbon felhasználására, a spintronikára, a kvantum- és az optikai nanotechnológiára. Ezután hallottunk többek között a plazmonikáról, amely a plazmonokkal foglalkozó tudomány. A kutatók a fény segítségével a fémfelületen lévő ún. vezetési elektronokat hullámszerű mozgásra kényszerítik. A mozgásban sűrűsödések és ritkulások váltják egymást, amelyek hullámhossza rövidebb a gerjesztő fény hullámhosszánál. Ennek az új típusú fénynek a neve felületi plazmon. Kroó Norbert maga is készített mikroszkópot a plazmonok vizsgálatához.

Ezután áttekintést kaptunk a kvantumforradalmakról: az első a múlt században volt, amikor megfogalmazták az alapjelentéseit és megalkották valószínűségi elméletét; a második ebben a században, amikor megtanultuk manipulálni a kvantummechanikai folyamatokat. Ő is megjegyezte, hogy most sem kell attól tartania az embernek, hogy nem lesz munkája az új technológiák miatt, mert magasan képzett szakemberekre bőven lesz szükség. Említésre került a kvantumkriptográfiai is, valamint hogy mesterséges leveleket készítenek kvantum fotoszintézishez, amelyek lényegesen jobb hatásfokkal működnek, mint a mai áramtermelésre használt technológiák.

Kroó Norbert előadását azzal zárta, hogy a vörösbegy vándorlása során navigációjához kvantummechanikával leírható jelenségeket is használ. Ennek mechanizmusa nagy vonalakban úgy zajlik, hogy a szemében lévő kriptokróm molekulák kémiai tulajdonságait közvetve befolyásolják a Föld mágneses mezejének finom változásai, mert eltéríthetik az elektronok kvantum-állapotát (spinjét). (Speciális kalitkába zárva madarakat és mérve a körülöttük lévő mágneses tér frekvenciáját, erejét, polaritását, a kutatók azt állapították meg, hogy a Föld mágnesesmező-erejének akár már 3000-ed része is megváltoztatta repülési irányukat, ami pedig csak az atomoknál is kisebb részecskék kvantumfolyamataival magyarázható.) És minden bizonnyal agyunk is kvantummechanikus…

Az NJSZT rendezvények ajánlása

Én évente több NJSZT rendezvényre elmegyek, amelyeken színvonalas tudományos, illetve ismeretterjesztő előadásokat hallhatok impozáns környezetekben – bár kétségtelen, hogy az MTA dísztermei kiemelkednek közülük. Ajánlom e blogbejegyzés olvasóinak is, hogy látogassanak el a közeljövőben valamelyik NJSZT-konferenciára.