{"id":5200,"date":"2018-11-27T10:49:27","date_gmt":"2018-11-27T09:49:27","guid":{"rendered":"https:\/\/www.websupport.hu\/blog\/?p=5200"},"modified":"2025-03-11T21:01:59","modified_gmt":"2025-03-11T20:01:59","slug":"mi-az-a-gepi-tanulas-es-hogyan-mukodik","status":"publish","type":"post","link":"https:\/\/www.websupport.hu\/blog\/2018\/11\/mi-az-a-gepi-tanulas-es-hogyan-mukodik\/","title":{"rendered":"Mi az a g\u00e9pi tanul\u00e1s \u00e9s hogyan m\u0171k\u00f6dik?"},"content":{"rendered":"

Ha r\u00e1keresel a Google keres\u0151j\u00e9ben a <\/span>\u201ewhat is machine learning\u201c kifejez\u00e9sre, rengeteg tal\u00e1lat jelenik meg k\u00fcl\u00f6nb\u00f6z\u0151 f\u00f3rumokkal, tudom\u00e1nyos oldalakkal \u00e9s sz\u00e1mos programoz\u00f3knak, tud\u00f3soknak sz\u00f3l\u00f3 honlappal. A g\u00e9pi tanul\u00e1s, vagy az angol kifejez\u00e9ssel machine learning, azonban nem csak egy sz\u0171ken szakosodott r\u00e9tegnek val\u00f3. \u00c9pp ellenkez\u0151leg! Napjainkban a g\u00e9pi tanul\u00e1s hasznos seg\u00edts\u00e9g lehet olyan embereknek is, akik jav\u00edtani akarnak v\u00e1llalkoz\u00e1sukon az\u00e1ltal, hogy k\u00e9pesek lesznek hat\u00e9konyan \u00e9s pontosan dolgozni nagy adatmennyis\u00e9ggel. N\u00e9zz\u00fcnk sz\u00e9t egy kicsit a machine learning vil\u00e1g\u00e1ban.<\/span><\/p>\n

Egy kis t\u00f6rt\u00e9nelem: A g\u00e9pi tanul\u00e1s t\u00f6rt\u00e9nete<\/h2>\n

Tal\u00e1n mindenki hallott m\u00e1r a Turing-tesztr\u0151l. Ha valakinek m\u00e9gsem ismer\u0151s ez a n\u00e9v, Alan Turing volt az a brit matematikus, aki felt\u00f6rte a n\u00e1ci titkos\u00edt\u00f3 berendez\u00e9st a The British Bombe-k\u00e9nt elh\u00edres\u00fclt g\u00e9ppel. A Turing-tesztet arra haszn\u00e1lt\u00e1k, hogy kider\u00edts\u00e9k, az adott g\u00e9p intelligens-e. A teszt sor\u00e1n a g\u00e9pnek meg kellett gy\u0151znie az embert, hogy \u0151 egy gondolkod\u00f3 szem\u00e9ly. Alan Turing m\u00e1r akkor megj\u00f3solta, hogy a g\u00e9pek hamarosan helyettes\u00edtik az emberi munkaer\u0151t t\u00f6bb szakm\u00e1ban is. B\u00e1r v\u00e9lem\u00e9nye szerint a g\u00e9pek sosem lesznek k\u00e9pesek teljes eg\u00e9sz\u00e9ben p\u00f3tolni az embert a megoldand\u00f3 feladatok m\u00e9rete miatt.<\/span><\/p>\n

1952-ben lett megalkotva a d\u00e1maj\u00e1tsz\u00f3 program. A feltal\u00e1l\u00f3 Arthur Samuel az akkori legmodernebb IBM sz\u00e1m\u00edt\u00f3g\u00e9pen \u00edrta meg ezt a j\u00e1t\u00e9kprogramot. A d\u00e1ma az els\u0151 olyan j\u00e1t\u00e9kok egyike, amelynek fejleszt\u00e9se sor\u00e1n g\u00e9pi tanul\u00e1st alkalmaztak. A sz\u00e1m\u00edt\u00f3g\u00e9p a lej\u00e1tszott j\u00e1t\u00e9kok sz\u00e1m\u00e1nak n\u00f6veked\u00e9s\u00e9vel javult. Tanulm\u00e1nyozta \u00e9s \u00f6sszehasonl\u00edtotta azokat a l\u00e9p\u00e9seket \u00e9s nyer\u0151 strat\u00e9gi\u00e1kat, amelyek hat\u00e9konyak voltak, majd be\u00e9p\u00edtette azokat saj\u00e1t programj\u00e1ba.<\/span><\/p>\n

\"\"<\/p>\n

Az IBM 701 volt a vil\u00e1g legjobb sz\u00e1m\u00edt\u00f3g\u00e9pe 1951-ben. Neumann J\u00e1nos volt a feltal\u00e1l\u00f3k egyike.\u00a0<\/span>Forr\u00e1s: ibm.com<\/span><\/em><\/p>\n

Az igazi \u00e1tt\u00f6r\u00e9s a g\u00e9pi tanul\u00e1sban 1997-ben k\u00f6vetkezett be, amikor az IBM Deep Blue rendszere megverte az akkori sakkvil\u00e1gbajnokot.<\/span><\/p>\n

Geoffry Hinton 2006-ban megalkotta a <\/span>deep learning <\/b>fogalm\u00e1t. Olyan algoritmusokat jel\u00f6lt meg ezzel a kifejez\u00e9ssel, amelyek lehet\u0151v\u00e9 teszik a sz\u00e1m\u00edt\u00f3g\u00e9p sz\u00e1m\u00e1ra az objektumok \u00e9s sz\u00f6vegek felismer\u00e9s\u00e9t vide\u00f3kban \u00e9s k\u00e9peken. 2014-ben egy g\u00e9p sikeresen teljes\u00edtette a Turing-tesztet. Egy \u00e9vvel k\u00e9s\u0151bb \u00a0a mesters\u00e9ges intelligencia \u00e9s robotika ter\u00fclet\u00e9n akt\u00edv, 3000 fejleszt\u0151 tal\u00e1lkozott, hogy al\u00e1\u00edrj\u00e1k azt a ny\u00edlt levelet, amely felh\u00edvja a figyelmet azon auton\u00f3m fegyverek vesz\u00e9lyeire, amelyek emberi beavatkoz\u00e1s n\u00e9lk\u00fcl v\u00e1lasztj\u00e1k ki c\u00e9ljaikat \u00e9s t\u00e1madj\u00e1k meg azokat. A r\u00e9sztvev\u0151k k\u00f6z\u00f6tt volt Elon Musk, Steve Wozniak \u00e9s Stephen Hawking is.<\/span><\/p>\n

2016-ban a Google \u00e1ltal kifejlesztett mesters\u00e9ges intelligencia els\u0151 \u00edzben vert meg egy profi j\u00e1t\u00e9kost a Go k\u00ednai j\u00e1t\u00e9kban, amely a leg\u00f6sszetettebb t\u00e1blaj\u00e1t\u00e9k a vil\u00e1gon. Az AlphaGo algoritmus mind az \u00f6t j\u00e1tszm\u00e1t megnyerte a Go m\u00e9rk\u0151z\u00e9sen.<\/span><\/p>\n

Hol tal\u00e1lkozunk napjainkban a leggyakrabban g\u00e9pi tanul\u00e1ssal?<\/h2>\n

A malware-ek az egyik legnagyobb probl\u00e9m\u00e1t jelentik, amellyel sz\u00e1mos technol\u00f3giai v\u00e1llalat k\u00fczd. Az antiv\u00edrusok ar\u00e1nylag gyenge biztons\u00e1got ny\u00fajtanak napjainkban, hiszen rengeteg olyan szofisztik\u00e1lt v\u00edrus l\u00e9tezik, amelyet nem ismernek fel. Egy ellopott adatrekord \u00e1tlag\u00e9rt\u00e9ke 141 doll\u00e1r, s az\u00e1ltal, hogy a t\u00e1mad\u00e1sok egyre kifinomultabbak, a kiberbiztons\u00e1g fel\u00e9 t\u00e1masztott elv\u00e1r\u00e1sok is n\u00f6vekednek. Sok esetben az antiv\u00edrus nem elegend\u0151, \u00edgy l\u00e9p be a k\u00e9pbe a g\u00e9pi tanul\u00e1s. Minden \u00faj malware k\u00f3dr\u00e9szlete azonos az eredeti k\u00e1ros szoftver k\u00f3dj\u00e1nak egy r\u00e9sz\u00e9vel. Az \u00faj k\u00f3dt\u00edpusn\u00e1l 2-10% a vari\u00e1ci\u00f3s lehet\u0151s\u00e9g. A g\u00e9pi tanul\u00e1s sz\u00e1m\u00e1ra nem jelent gondot magas bizonyoss\u00e1ggal felismerni, mely \u00e1llom\u00e1nyok tekinthet\u0151k malware-nek. M\u00e1s esetekben az algoritmusok k\u00e9pesek arra, hogy megtal\u00e1lj\u00e1k a mint\u00e1kat a cloud adatokhoz val\u00f3 hozz\u00e1f\u00e9r\u00e9s sor\u00e1n, \u00e9s jelents\u00e9k azokat az anom\u00e1li\u00e1kat, amelyek biztons\u00e1gi r\u00e9s jelenthetnek.<\/span><\/p>\n

Hogyan is m\u0171k\u00f6dik a g\u00e9pi tanul\u00e1s?<\/h2>\n

A g\u00e9pi tanul\u00e1s legegyszer\u0171bb magyar\u00e1zat\u00e1val a Google szolg\u00e1lt a 2015-\u00f6s konferenci\u00e1jukon. Di\u00e1kokb\u00f3l \u00e9s egy tan\u00e1rb\u00f3l \u00e1ll\u00f3 modellt mutatott be, ahol a tan\u00e1r a matematika dolgozathoz sz\u00fcks\u00e9ges tanul\u00e1si id\u0151t igyekszik meghat\u00e1rozni. <\/span><\/p>\n

A tan\u00e1rnak el\u0151sz\u00f6r fel kell \u00e1ll\u00edtania egy modellt, amely a teszt eredm\u00e9ny\u00e9t hat\u00e1rozza meg a tanul\u00e1sra ford\u00edtott id\u0151 f\u00fcggv\u00e9ny\u00e9ben. Alapvet\u0151 fontoss\u00e1g\u00fa az, hogy a tanul\u00e1shoz a g\u00e9p \u00e9rtelmezni tudja a sz\u00fcks\u00e9ges v\u00e1ltoz\u00f3kat, illetve meg kell adni a kezdeti inputot. A tan\u00e1rnak a saj\u00e1t tapasztalataira t\u00e1maszkodva kell a lehet\u0151 legval\u00f3s\u00e1gh\u0171bben meghat\u00e1roznia a modellt.<\/span><\/p>\n