A közönség számára ritka lehetőséget kínál a budapesti Reinforce konferencia, hiszen a Mesterséges Intelligencia aktuális kérdései, problémái, például a kulturális elfogultság felismerése a MI-ben, vagy a kapcsolódó fejlesztési területek új eredményei most első kézből kerülnek terítékre.
Az eseményen nyitóbeszédet mond Patrick van der Smagt, a Volkswagen-csoport MI kutatási részlegének igazgatója. A szakember alapvetően a deep learningre vagyis a gépek maguk megfigyelésein és tapasztalatain keresztüli önfejlesztői lehetőségeire, a folyamat optimális kontrolljának a kialakítására fókuszál az autóipari konszernnél.
Az Ericsson egyik előadója Ignáció Más, a cég Digitális Rendszerek részlegének vezető szakértője és OSS technológiai igazgatója lesz. Az előadó olyan AI/ML algoritmusokat mutat be majd, – illetve számol be azok korai eredményeiről, – amelyek megfelelő gyorsasággal, pontossággal alkalmazhatók telekommunikáció telepítésének és üzemeltetésének egyre bonyolultabb feladatai terén. Az előadás arra a kérdésre is választ keres, hogy vajon kizárólag gépek irányítják-e majd a jövő hálózatait, ha az emberek már nem értik meg azokat.
Andrea Pasqua, aki arról beszél majd, hogy a gép tanulási módszerek miként segítik az UBER-t az előrejelzések készítésében. Bemutatja Machine Learning – módok használatának lehetőségeit az előrejelzés területén. Ezen felül ismertet további olyan gépi tanuláshoz köthető megközelítést, amelyet az UBER idősor elemzéseknél és előrejelzéseknél használ.
Az IBM MI fejlesztésekért is felelős Thomas J. Watson kutatási központjának részlegvezetője, Kush R Varshney a gépi tanulás lehetséges torzulásaiból fakadó kockázatokra mutat rá. A képzési adatok kialakításánál ugyanis bizonyos csoportok kiváltságos, míg mások hátrányos helyzetbe kerülhetnek. Ha a mintavétel ilyen eltolódások mentén zajlik, akkor nem kívánatos deformációk jöhetnek létre a gépi tanulás folyamatában és persze algoritmusaiban. Az egyik legfiatalabb előadó lesz Camille Eddy, aki korábban a jövőbemutató technológiákkal foglalkozó Google X részlegnél dolgozott. Azt elemzi majd, hogy miért is fontos a kulturálisan érzékeny számítógépes intelligencia létrehozása és miért alapvető kérdés mindez az MI jövője szempontjából. A fentieken túl előadást tart még a konferencián a Google két szakembere, Carl Osipov és Leonid Kuligin, Cibele Montez Halasz, a Twitter gépi tanulásért felelős mérnöke vagy Jaeseong Jeong, az Ericsson kutatója is.
Ahogy a hálózatok egyre összetettebbé válnak a mesterséges intelligenciának és az automatizációnak a hálózati technológiák terén is komoly szerep jut.
Az Ericsson folyamatosn fejleszti az MI és gépi tanulás technológiáit, mely a cég Expert Analytics megoldásával együtt az 5G következő generációs hálózatainak kritikus fontosságú elemei lesznek. Az 5G hálózatok azonban nem csak organikus komponensként tartlamaznak majd mesterséges intelligencián alapuló megoldásokat, de fel lesznek készítve ilyen, számítás és adat igényes alkalmazások futtatására, kiszolgálására. Példának hozhatjuk fel az önvezető autók és okos forgalmi szabályozások hálózati támogatását, kép- és hangfelismerést a kiterjesztett valóság és virtuális valóság alkalmazásokban, valamint számtalan egyéb potenciális alkalmazást.
Az Ericssonnál a tavalyi év során merült fel a Reinforce konferencia megszervezése, szakmai támogatása, hiszen a vállalatnál úgy vélik, hogy
nagyon nehéz lenne olyan iparágat találni, amelyet a Mesterséges Intelligencia és a gépi tanulás ne változtatna meg a következő egy-két évtizedben.
Ezek alapján nem tűnik túlzásnak az állítás, miszerint az MI-ra az új villamos energiaként kell tekinteni. Az Ericssonnál éppen ezért érzik fontosnak, hogy Magyarországon is mindenki számára elérhetővé tegyék a legmodernebb ismeretek megszerzését az MI világában.
A Reinforce ezzel együtt nem csupán egy kétnapos konferencia. A tudás megosztására a lehető legtöbb lehetőséget szeretnék kínálni. A konferencia előnapján így gyakorlati workshopokon, illetve több meetupon is részt lehet venni, nemzetközi szaktekintélyek vezetésével és társaságában.
( onBRANDS )