1. I. Szakképzés és oktatás: Ma – holnap konferencia
2019. november 21.
Budapesti Műszaki és Gazdaságtudományi Egyetem Gazdaság- és Társadalomtudományi Kar
Budapest
Kollár Csaba
A BIZTONSÁGTUDATOSSÁG
OKTATÁSA A MESTERSÉGES
INTELLIGENCIA FÓKUSZÁBAN

2. BEMUTATKOZÁS

3. társadalmi vetületei
gazdasági hatásai
információbiztonság
humán aspektusa
biztonságtudatosság
fejlesztése
ember-robot interakció
emberi oldala
intelligens városok
1. Miért aktuális most beszélni a
mesterséges intelligenciáról?
2. Melyek a mesterséges
intelligenciához kapcsolódó
fontosabb technológiák és
megoldások?
3. Hogyan tanul a mesterséges
intelligencia?
4. Hogyan, mit, kinek kell/lehet
tanítani a biztonságtudatosságról a
mesterséges intelligencia korában?
kibernetika reneszánsza
A MESTERSÉGES INTELLIGENCIA társadalmi vetületei
gazdasági hatásai

4. A diákok a teszteket
100%-osra töltötték ki,
mégis buták maradtak.
névtelen pedagógus

5. BEVEZETÉS

6. Adatok
Rengeteg adat áll rendelkezésre, ezek mennyisége folyamatosan
növekszik
Számítási kapacitás
Olyan számítások is elvégezhetők belátható időn belül, amire tíz
évvel ezelőtt még a szuperszámítógépek sem voltak képesek
Algoritmusok
Az AI-t támogató tanulóalgoritmusok, statisztika és
valószínűségszámítás, regressziós modellek, klasszifikáció,
klaszterizáció, lágyszámítási módszerek megjelenése a gyakorlati,
összetett, komplex, bonyolult problémák megoldásában
Szinergia
Technológiák fejlődése és összekapcsolódása
MESTERSÉGES INTELLIGENCIA – MIÉRT MOST?

7. MIFelhő alapú
számítástechnika
Robotizáció
0110101
1101010
1101010
BDA
Mobil
Biztonság(i kamerák)
Közösségi média
AR, VR, MR
(I)IoT és szenzor
Vezetékes és vezeték-
nélküli hálózatok
KAPCSOLÓDÓ TECHNOLÓGIÁK ÉS ALKALMAZÁSOK
GIS, GPS

8. AZ MI FONTOSABB TUDOMÁNYTERÜLETI KAPCSOLATAI
Számítás-
tudomány
Kommunikáció- és
nyelvtudomány
Biztonság-
tudomány
Biológia és
orvostudomány
Idegtudomány
Pszichológia és
pedagógia
Szociológia
FilozófiaMatematika
Műszaki
tudományok

9. • Testen viselhető okoseszközök (óra, cipő, póló,
külső „csontváz”)
• Testben levő okoseszközök (implantátumok,
egészségügyi monitoring)
• Hordozható okoseszközök (telefon, tablet)
• Intelligens (önvezető) autók, járművek
• Intelligens épületek/létesítmények (domotika)
• Intelligens település/város
• Intelligens ország/társadalom
• Intelligens Föld
A MESTERSÉGES INTELLIGENCIA LÉPTÉKEI

10. A GÉP TANÍTÁSA

11. GÉPI TANULÁS ÉS FELHASZNÁLÁS
Tanító
adatbázis
Tanuló
algoritmus Modell
Tanulás
Felhasználás
Adatok Modell
Információ
az adatokról
Elő-
feldolgozás
Elő-
feldolgozás

12. Felügyelt tanulás
• jó válaszok előre megadva, MI jósol
• tréningadatbázis
Nem felügyelt tanulás
Problémák, kérdések:
• Mit kellene megtanítani a géppel?
• Mikor engedhetjük, hogy a gép nem felügyelt módon is
tanuljon?
• Milyen a tanulói környezete a gépnek?
• Mennyi ideje van a gépnek/embernek, hogy a gép tanuljon?
• Alul-, illetve túltanulás veszélye
A GÉPI TANULÁS

13. A GÉPI TANULÁS*
Bemenet
Kézzel tervezett
program
Kimenet
Szabály alapú
rendszer
Klasszikus gépi
tanulás
Bemenet
Kézzel tervezett
funkció
Leképezés a
funkciókból
Kimenet
Reprezentációs
gépi tanulás
Bemenet
Tanult
funkciók
Leképezés a
funkciókból
Kimenet
Mélytanulás
(deep learning)
Bemenet
Tanult
funkciók
Tanult összetett
funkciók
Leképezés a
funkciókból
Kimenet
*Bengio, 2016

14. 1. nem nyújt semmilyen segítségét, mindent az ember csinál.
2. teljes körű cselekvési alternatívákat kínál.
3. leszűkíti a cselekvést néhány választási lehetőségre.
4. egyetlen tevékenységet/műveletet végez.
5. végrehajtja a műveletet, ha az ember jóváhagyja azt.
6. mielőtt a műveletet végrehajtaná, lehetőséget az embernek, hogy
azt megvétózza.
7. automatikusan hajtja végre a műveletet, de erről feltétlenül
tájékoztatja az embert.
8. a művelet automatikus végrehajtás után csak akkor tájékoztatja az
embert, ha az kéri.
9. a művelet automatikus végrehajtása után csak akkor tájékoztatja
az embert, ha ilyen döntést hoz.
10. maga dönt el mindent, automatikusan működik, figyelmen kívül
hagyva az embert.
A GÉP AUTONÓMIÁJA – A SZÁMÍTÓGÉP…

15. A GÉP TANÍT

16. • Mesterséges intelligencia tanítja, mentorálja, tutorálja a
diákokat, hallgatókat
• Jobban modellezhetőek a társadalmi folyamatok,
természettudományos megállapítások
• Pozitív visszajelzés a fejlődésről a diáknak, a tanárnak
• Jobban és szofisztikáltabban mérhető a diákok fejlődése
• SNI-s, (szellemi) fogyatékos gyerekek jobban elfogadják
a robotot
• Kiterjesztett és virtuális világok: MI AR-rel és VR-rel
együtt
• A diákok szükségleteihez és tudásszintjéhez illeszkedő
grafikus kezelőfelület
A MESTERSÉGES INTELLIGENCIA AZ OKTATÁSBAN 1.

17. • Automatizálja a diákok munkáinak az értékelését
• Széleskörűen támogatja a tanárok munkáját
• Támogatja, hogy a tanárok tanulás-motivátorok
legyenek
• Személyre szabható a segítség, a fejlődés
• A csoport teljesítményéhez igazítja a gyengébb tanulók
egyéni fejlődését, fejlesztését
A MESTERSÉGES INTELLIGENCIA AZ OKTATÁSBAN 2.

18. A BIZTONSÁGTUDATOSSÁG OKTATÁSA

19. • Aktuális kedv (lelki állapot)
• Aktuális tartózkodási hely
• Alvási szokások
• Antropometriai jellemzők
• Arc, arcvonások
• Belépés/kilépés ideje
• Családi állapot
• Email cím
• Fizetési/pénzhasználati szokások
• Fizikai cím (lakcím, tartózkodási
hely)
• Hanghordozás, beszédstílus
• Közösségi oldalakon ismerősök,
aktivitások, posztolások,
lájkolások, megosztások
• Kulturális fogyasztás
• Lakcím
• Médiafogyasztási szokások
• Munkahely(ek)
• Név
• Nyelvismeret és egyéb ismeretek
• Rokonok, ismerősök (kapcsolati
háló)
• Szociális készségek
• Szoftver- és alkalmazáshasználat
(mit, mikor, mennyi ideig)
• Telefonszám
• Vásárlási szokások
• Végzettségek
• Viselkedés
MILYEN ADATAINK VANNAK AZ ADATBÁZISOKBAN?

21. FOLYAMAT
Adatforrások
és adatok
meghatározása
Logfájlok
Szervezet
kommunikációja
Szervezet
viselkedése
CERT jelentések
Biztonsági
szoftverek
jelentései
Alkalmazások
jelentései
Adatok
tisztítása
Adatbázisok
Információ-
bázisok
Tudás-
bázisok
Algoritmus-
bázisok
Elő-
feldolg.
Adat-
elemzés
Tanuló-
algorit-
musok,
gépi
tanítás
Kimeneti
adatok,
információk
Szakember
elemzi
Eredmény
Következmény
• Beavatkozás
• Oktatási és
képzési
programok
BDA
MI
Adatvizualizáció

22. Kitekintés
a jövőbe*
*Future Today Institute, Gartner,
PREMA, ÓE BGI MIM

23. • Az MI mindenhol megjelenik, köszönhetően a
mobileszközökbe integrált MI platformoknak
• A műszaki-informatikai fejlesztések mellett egyre
nagyobb hangsúlyt kap az MI etikai és humán oldala
• Az MI lényegesen hatékonyabbá fogja tenni a
munkafolyamatokat
• Az MI segítségünkre lesz, hogy a dolgokat jobban
csináljuk
• Az MI révén az életünk kényelmesebbé válik
• Szakmák eltűnése, új szakmák születése
• Együtt fogunk dolgozni az MI-ra épülő megoldásokkal
A MESTERSÉGES INTELLIGENCIA JÖVŐJE 1.

24. • A veszélyes munkaterületeken az MI-ra épülő
megoldások helyettesítik az embert
• Egyre nagyon hangsúlyt kap az MI-vel kapcsolatos
informatikai rendszerek védelme
• Új hibajavító algoritmusok fejlesztése
• Megbízható emberek kiválasztása és alkalmazása a
hibás mesterséges intelligencia döntéseinek
vizsgálatára, elemzésére, módosítására, felülírására
• Új társadalmi gondolkodás megjelenése
• Új törvények elfogadása
A MESTERSÉGES INTELLIGENCIA JÖVŐJE 2.

26. • Kutatások:
• Társadalmi kredit rendszere adat- és információbiztonsági kihívásai
• A mesterséges intelligencia hatása a kreatív szakmákra/iparágakra
• A mesterséges intelligencia megjelenése a személy- és
vagyonbiztonság területén
• Aláírásazonosítás és –hamisításdetektálás mesterséges intelligencia
segítségével
• Mesterséges Intelligencia Műhely
• Mesterséges intelligencia a biztonságtechnikában című
tantárgy
• Releváns szak- és diplomadolgozati, illetve TDK témák
• Konferenciaelőadások és szakmai tanulmányok
KAPCSOLÓDÓ AKTIVITÁSAINK A BÁNKI KARON

27. Dr. Kollár Csaba PhD
kibernetikus, doktorandusz
Óbudai Egyetem Biztonságtudományi Doktori Iskola
www.drkollar.hu | www.linkedin.com/in/drkollarcsaba | www.slideshare.net/drkollarcsaba
KÖSZÖNÖM MEGTISZTELŐ FIGYELMETEKET!

28. • https://hellofuture.orange.com/app/uploads/2018/01/Intro-HELLO-FUTURE-1920x1080_v2.gif
• https://www.politicscentral.org/wp-content/uploads/2017/02/Robot-human-handshake.png
• http://clipart-library.com/clipart/zTX5M56Rc.htm
• https://www.clipartwiki.com/downpng/iRThiTw_clip-art-robot-arm-icon-robot-arm-png/
• https://www.clipartwiki.com/downpng/bobTJ_computer-icons-symbol-phone-accessories-connection-mobile-
connectivity/
• https://www.clipartwiki.com/downpng/iTTRwxT_security-camera-icon-cctv-icon/
• https://www.clipartwiki.com/iclip/iRoTxmb_social-media-bar-png/
• https://www.clipartwiki.com/downpng/mmJxoR_virtual-reality-hand-drawn-icon-png/
• https://icon-icons.com/icon/electric-sensor/12922
• https://icon-library.net/icon/network-icon-5.html
• https://techcrunch.com/wp-content/uploads/2017/03/gettyimages-612692416.jpg?w=1390&crop=1
• https://ionemadamenoire.files.wordpress.com/2019/03/15518392623042.jpg
• https://cultura.hu/kultura/banki-donat-szabadalmai/
• https://cdn.elearningindustry.com/wp-content/uploads/2019/01/5-ways-ai-is-changing-the-education-industry-1-
1024x574.jpg
• https://miro.medium.com/max/1600/1*2qqjQQ0wW37Lbvkx50zPxg.jpeg
• https://www.theverge.com/2018/11/1/18051196/ai-artificial-intelligence-curiosity-openai-montezumas-revenge-noisy-
tv-problem
• https://docs.oracle.com/cd/E15645_01/pt850pbr0/eng/psbooks/tprs/chapter.htm?File=tprs/htm/tprs14.htm
• http://clipart-library.com/clipart/rTnrapoxc.htm
FELHASZNÁLT KÉPEK FORRÁSA

29. A prezentáció az EFOP-3.4.4-16-2017-00019
„STEM Fejlesztések az Óbudai Egyetemen”
című projekt keretében, annak
támogatásával készült.
SZOLGÁLATI KÖZLEMÉNY