Mesterséges intelligencia
-
Forradalmi AI megoldás gyorsítja a mérnöki optimalizációt
A mérnöki tervezés egyik legnagyobb kihívása a rengeteg változó kezelése és a drága tesztelések korlátozott száma. Legyen szó akár az elektromos hálózat finomhangolásáról, akár egy biztonságosabb autó megalkotásáról, a folyamat sokszor rendkívül idő- és költségigényes. Az MIT kutatói most egy új módszert dolgoztak ki, amely mesterséges intelligencia segítségével akár százszoros gyorsasággal találhatja meg a legjobb megoldásokat a komplex problémákra. Új szemlélet a klasszikus optimalizációban A mérnökök régóta használnak egy, a valószínűségeket és bizonytalanságokat figyelembe vevő iteratív módszert, a Bayes-optimalizációt, amely segít meghatározni a legjobb paramétereket egy bonyolult rendszerben. Ez a megközelítés egy helyettesítő modellt (szurrogátmodellt) használ, amely előre jelzi, hogy melyik beállítással érdemes próbálkozni. Azonban a modell újratanítása minden lépés…
-
Mesterséges intelligencia és szintetikus biológia a gyógyszerrezisztencia ellen
Az antibiotikumokkal szembeni rezisztencia világszerte egyre súlyosabb problémát jelent, amely komoly veszélyt jelent az emberi egészségre. James J. Collins, az MIT orvosi mérnöki és tudományos tanszékének professzora, egy új, multidiszciplináris kutatási projekt élén áll, amely a szintetikus biológia és a generatív mesterséges intelligencia (MI) erejét kívánja felhasználni az antimikrobiális rezisztencia (AMR) elleni küzdelemben. Az AMR – globális egészségügyi kihívás Az antimikrobiális rezisztencia az antibiotikumok túlzott és nem megfelelő használatának következménye, melynek hatására egyre több baktérium válik ellenállóvá a hagyományos kezelésekkel szemben. Ez a jelenség különösen súlyosan érinti a fejlődő országokat, ahol az orvosi diagnosztika és a megfelelő kezelés elérhetősége korlátozott, így a fertőzések gyakran késve vagy nem hatékonyan kezelhetők. Új…
-
Mesterséges intelligencia az új antibiotikumok tervezésében
A tudomány egyre nagyobb lépéseket tesz a betegségek elleni harcban, és ma már a mesterséges intelligencia (MI) is kulcsszerepet játszik az új gyógyszerek felfedezésében és fejlesztésében. James J. Collins, a MIT egyik vezető biológiai mérnöke és a szintetikus biológia úttörője, munkájával bizonyítja, hogy az MI képes forradalmasítani az antibiotikum-kutatást, különösen a többszörösen rezisztens baktériumok elleni harcban. A kutatócsoportja nem csupán új molekulákat alkot, hanem komplex rendszerek matematikai modellezésével és mesterséges intelligenciával integrált kísérleti módszerek segítségével gyorsítja fel a fejlesztési folyamatot. Kollaboráció az innováció kulcsa Collins hangsúlyozza, hogy a siker egyik záloga a multidiszciplináris együttműködés. A MIT Abdul Latif Jameel Klinikán a mesterséges intelligencia, a hálózati biológia és a rendszermikrobiológia szakértői…
-
Mesterséges intelligencia segít átlátni a sejtek bonyolult világát
A sejtek működésének megértése kulcsfontosságú számos betegség, például a rák, az Alzheimer-kór vagy a cukorbetegség kutatásában. Azonban a sejtek komplexitása miatt a kutatóknak többféle mérési módszert kell alkalmazniuk, hogy teljes képet kapjanak a sejtek állapotáról. A különböző technikák – mint a fehérjebemutatás, a génkifejeződés vagy a sejtmorfológia vizsgálata – eltérő információkat adhatnak ugyanarról a sejtről, és ezek összehangolása nem egyszerű feladat. Most az MIT, a Harvard és az ETH Zürich kutatói egy új mesterséges intelligencia alapú módszert fejlesztettek ki, amely segít rendszerezni és értelmezni a különböző adatokat, így átfogóbb képet nyújtva a sejtek működéséről. Miért fontos a multimodális adatfeldolgozás? A sejtek vizsgálatakor a kutatók számos mérési módszert alkalmaznak: például az…
-
Miért lehet félrevezető az LLM-ek rangsorolása? Új MIT-kutatás mutatja meg
A vállalatok egyre gyakrabban választanak nagyméretű nyelvi modelleket (LLM-eket) ügyfélszolgálati feladatok automatizálására vagy üzleti jelentések összefoglalására. A piac azonban hemzseg a különböző modellekből, így a döntéshozók gyakran megbíznak az LLM-ek teljesítményét rangsoroló platformokban, hogy segítsenek megtalálni az ideális modellt. Egy friss kutatás azonban rávilágít arra, hogy ezek a rangsorok meglepően sérülékenyek lehetnek, és apró adathibák vagy felhasználói tévedések jelentősen eltorzíthatják a végeredményt. A rangsorolás mögötti kihívások Az LLM-ek összehasonlítására szolgáló platformokon a felhasználók általában két modell válaszát látják egy adott kérdésre, majd eldöntik, melyik teljesített jobban. Ezeket a választásokat összesítve állítják össze a rangsorokat, amelyek alapján a cégek kiválaszthatják a számukra legmegfelelőbb modellt például kódírás vagy képi tartalmak értelmezése terén.…
-
Az intelligencia rejtelmei: MIT új kutatási küldetése
A Massachusetts Institute of Technology (MIT) egyedülálló kutatási egysége, a Siegel Family Quest for Intelligence (SQI) folyamatosan bővíti ismereteinket az intelligencia működéséről és eredetéről. Az SQI célja, hogy mély tudományos vizsgálatok és fejlett mérnöki megoldások segítségével feltárja, miként képes az agy az intelligencia megjelenítésére, és hogyan lehet ezt mesterséges rendszerekben is megvalósítani. Az intelligencia tudományos megközelítése Az SQI kutatói interdiszciplináris csapatként dolgoznak, egyesítve az agykutatás, a viselkedéstudomány, a mérnöki tudományok és a humán tudományok eredményeit. Leslie Pack Kaelbling, az SQI kutatásvezetője szerint az intelligencia megértése nem csupán egy tudományos kihívás, hanem egy olyan univerzális kérdés, amely az emberi agy működésének alapelveit próbálja feltárni. Ez a megközelítés lehetővé teszi, hogy ne…
-
Antonio Torralba és három MIT-alumni az ACM 2025-ös díjazottjai között
Antonio Torralba, az MIT mesterséges intelligencia és döntéshozatal szakértője, valamint három, a Massachusettsi Műszaki Egyetemen végzett alumnus is bekerült az Association for Computing Machinery (ACM) 2025-ös díjazottjai közé. Ez a rangos elismerés a számítástechnika és az információtechnológia területén kiemelkedő eredményeket elért szakembereknek szól, akik tudományos és szakmai munkájukkal jelentős hatást gyakoroltak az iparágra és a tudományos közösségre. Antonio Torralba kutatási irányai és szakmai pályája Torralba professzor a MIT Elektronikai és Számítástudományi Tanszékén dolgozik, emellett ő vezeti az egyetem mesterséges intelligencia és döntéshozatal területi kutatásait. Kutatásai középpontjában a számítógépes látás, a gépi tanulás és az emberi látásérzékelés állnak. Célja olyan rendszerek fejlesztése, amelyek képesek az emberi szemhez hasonlóan értelmezni és feldolgozni…
-
Emberközpontú chatbotok az MIT új kurzusán
A digitális világ egyre nagyobb szerepet játszik fiataljaink életében, ahol a közösségi média és a chatbotok folyamatosan versengenek a figyelmükért. Sokszor azonban ezek az eszközök inkább elterelik a figyelmet a valódi kapcsolatoktól, és akár egészségtelen viszonyokat is kialakíthatnak a felhasználókkal. De mi lenne, ha a chatbotok nem csupán időrablók lennének, hanem valódi társakká, segítő partnerekké válhatnának a mindennapokban? Ezt az izgalmas kérdést járja körül az MIT két professzora, akik antropológia és számítástechnika ötvözésével új megközelítést kínálnak a mesterséges intelligencia tervezésében. Az antropológia és a mesterséges intelligencia találkozása Az MIT egyik új felsőoktatási kurzusa, a Humane User Experience Design (Humane UXD) egyedülálló módon ötvözi az antropológia és a számítástechnika tudományát. Ezt…
-
Hogyan taníthatók a nyelvi modellek a bayesi gondolkodásra?
A mesterséges intelligencia fejlődésével egyre nagyobb szerepet kapnak a nagy nyelvi modellek (LLM-ek), amelyek nemcsak szövegek generálására, hanem interaktív ügynökként való működésre is képesek. Ahhoz azonban, hogy ezek a rendszerek valóban hatékonyan kommunikáljanak a felhasználókkal és megértsék az igényeiket, elengedhetetlen, hogy képesek legyenek a bizonytalanság kezelésére, vagyis arra, hogy folyamatosan frissítsék belső világmodelljüket a beérkező információk alapján. Ez a fajta adaptív gondolkodás pedig a bayesi valószínűségi következtetés alapelvein nyugszik. Miért fontos a bayesi gondolkodás az LLM-ek számára? A bayesi következtetés egy matematikai módszer, amely optimálisan frissíti az egyes feltételezések valószínűségét az új bizonyítékok fényében. Például, ha egy LLM egy repülőjegy-ajánló rendszer részeként próbálja megérteni egy felhasználó preferenciáit, akkor minden egyes…
-
GIST: Forradalmi megoldás az okos adatminta kiválasztására
A modern gépi tanulás robbanásszerű fejlődése egyre nagyobb és összetettebb adatállományok feldolgozását követeli meg, ami komoly kihívások elé állítja a kutatókat és fejlesztőket. Nagy nyelvi modellek vagy számítógépes látás rendszerek esetében nem egyszerű feladat hatékonyan kezelni az elképesztő mennyiségű adatot, amelyet a tanuláshoz felhasználnak. Éppen ezért egyre fontosabbá válik a megfelelő adatminta kiválasztása, azaz egy kisebb, reprezentatív adatcsoport kijelölése, amely elegendő információt biztosít a modell hatékony kiképzéséhez. A kihívás: a diverzitás és hasznosság összehangolása Az adatminta kiválasztásának lényege, hogy megtaláljuk az egyensúlyt az adatpontok sokszínűsége és a hasznosságuk között. A diverzitás azt jelenti, hogy a kiválasztott pontok ne legyenek egymáshoz túl hasonlóak, így nem pazaroljuk az erőforrásokat ismétlődő információkra. A…
