Az optimista néz?pont az új megoldásokra és el?nyökre fókuszál, míg a pesszimista álláspont a technológia veszélyeivel foglalkozik. A kutató szerint ahogyan a mesterséges intelligencia beépül az általunk használt eszközökbe, úgy válik egyre inkább a villanyhoz vagy vízhez hasonló közszolgáltatássá. Gulyás László szerint attól nem kell félni, hogy a mesterséges intelligencia átveszi az uralmat az emberiség fölött, azonban vannak olyan szempontok, amelyekr?l kevés szó esik, pedig hordoznak magukban kockázatot. 

Az egyik ilyen kockázati tényez? a mesterséges intelligencia energiafelhasználásának és fenntarthatóságának a kérdése. Azoknak a rendszereknek, amelyek számítógépen futnak és mesterséges intelligenciát használnak, más programokkal összehasonlítva jóval magasabb az energiaigényük. Szintén veszélyeket hordoz magában az MI iparban kialakuló potenciális monopol-oligopol helyzet, hiszen a mesterséges intelligencia kutatásokhoz olyan számítógépes és anyagi er?források szükségesek, amelyeket kevés szervezet és cég engedhet meg magának. Ez oda vezethet, hogy egyre kevesebb piaci szerepl? lesz képes versenybe szállni az élenjáró alkalmazások fejlesztéséért. Ennek hosszútávú következménye az lehet, hogy a felhasználók kiszolgáltatottá válnak néhány nagy cég érdekeinek. Gulyás László hangsúlyozza, ezeket a kockázatokat a technológia jogi szabályozásával lehet érdemben csökkenteni, de legalább ennyire fontos a technológia önszabályozása is. Az Informatikai Karon intenzív kutatások zajlanak az ún. magyarázható mesterséges intelligencia esetében, amely azon eljárások és technikák összessége, amelyek révén jobban megérthetjük az algoritmus döntése mögött húzódó folyamatokat. 

Többszerepl?s rendszerek, kollektív intelligencia, önszervez?dés 

A mesterséges intelligenciára általában úgy gondolunk, mint egyetlen, „mindent tudó” gépre. Ezzel szemben. ahogyan az MI egyre több alkalmazásban megjelenik, mindinkább egy olyan világot kell elképzelnünk, amelyben több, egymással kapcsolatban álló (együttm?köd?, verseng?, stb.) intelligens gép van jelen. Ezek a gépek lehetnek egymástól független eredet?ek, akár különböz? gyártótól származóak, amelyek saját céljaikat helyezik el?térbe (versengenek). De egyre gyakoribbak azok az esetek is, amikor a feladat megoldása során dönt úgy a fejleszt?, hogy az egyes részfeladatokra külön, intelligens megoldásokat fejleszt, amelyek együttm?ködését?l várja a végleges eredményt. Ehhez hasonló, de eltér? megközelítés, amikor az egyes szerepl?k egyedileg nem rendelkeznek különlegesen magas szint? tudással, de egymással együttm?ködve kiemelked? teljesítményre képesek.

A mesterséges intelligencia és a hálózatkutatás

Az elmúlt 15 évben megfigyelhet?, hogy ahogyan fejl?dik az alap, mélytanulásos technológia, úgy válik egyre könnyebben alkalmazhatóvá újabb fajta területeken és adatokon (képeken, videókon, majd szövegeken) is. Az utóbbi években a mesterséges intelligencia és a hálózattudomány egyre több területen kapcsolódik egymáshoz. Ez a folyamat lehet?vé teszi, hogy a gépi tanulás legújabb módszereivel b?vítsük a hálózatok elemzésének eszköztárát. Másrészt viszont a mesterséges intelligencia alkalmazások egyre könnyebben tudnak olyan információkat feldolgozni, amelyek különböz? dolgok (tárgyak, szerepl?k, stb.) kapcsolatairól szólnak. Ezáltal a mesterséges intelligencia nem csupán az egyes tárgyakról, szerepl?kr?l képes információkat megtanulni, hanem azok egymáshoz való viszonyáról, azok kapcsolatáról is.

Az Eötvös Loránd Tudományegyetem áprilisban indult tudományos-ismeretterjeszt? sorozata most új videóval folytatódik.