témavezető: Gulyás László
helyszín (magyar oldal): Eötvös Loránd Tudományegyetem, Informatikai Kar helyszín rövidítés: ELTE
A kutatási téma leírása:
Korszerű mesterséges intelligencián alapuló módszerek a tanítási folyamatok matematikai optimalizálására és általánosítási teljesítményére összpontosítanak, annak érdekében, hogy minél szélesebb körű felhasználási spektrummal rendelkezzenek. Ehhez okos megoldásokra és nagy mennyiségű adatra van szükség. Az adatok gyűjtését, tárolását és felhasználását az ilyen tanuló rendszerek esetén hatályban lévő jogszabályok és Uniós rendeletek korlátozzák. Az ún. AI Act és az általános adatvédelmi rendelet (GDPR) a természetes személyek személyes adatainak védelmét segíti elő; korlátozva ezek felhasználását mesterséges intelligencián alapuló rendszerekben. A piaci forgalomban, illetve folyamatos használatban lévő intelligens rendszerek számára az adatok korlátozása folyamatos kihívásokat jelent, mivel a tanítás során felhasznált adatokkal kapcsolatban később jogi aggályok merülhetnek fel. E problémakörre próbálnak megoldást nyújtani a gépi felejtési mechanizmusok. A gépi felejtés képes az adatpontok, adathalmazok eliminálására – az általánosítási teljesítmény fenntartása mellett. Ezek a módszerek tartalmazhatnak általános és modellfüggő összetevőket is.
Bár a szakterület rohamosan fejlődik, a jelenlegi vizsgálatok elsősorban statikus adatok elfelejtésére fókuszálnak. Ebbe a kategóriába esnek a differenciált adatvédelmi szabványok, adat perturbációs módszerek, inverz adatgenerálási módszerek, adatmérgezések és a megerősítéses felejtési módszerek is. Ezen technikák mind „tanítás” által valósítják meg a felejtést, így nagy teljesítményigényük van. A módszer nehézségei közé tartozik továbbá a bizonyíthatóság, a dinamikus környezetben való alkalmazhatóság is. Dinamikus környezetet eredményezhet tényleges környezetváltás, de akár célváltás, igazodás- vagy trendváltás is. Hiányosságként hivatkozik a szakirodalom egy egységes felejtési szabványra, ami a módszer álltalános alkalmazhatóságát tenné lehetővé. Szabvány hiányában a korszerű mesterséges intelligencián alapú módszerek nincsenek előre felkészítve a felejtési mechanizmusok alkalmazására életciklusuk során.
A doktori kutatás fő célja a dinamikus környezetben működő modellek felejtési mechanizmusainak vizsgálata, új módszerek kidolgozása és alkalmazása. A cél a döntéshozó folyamatok feljavítása. Új megközelítések kidolgozása mellett cél még egy olyan ajánlás megfogalmazása is, mely új modellek létrehozásánál megfelelő alapként tud szolgálni a felejtésre való előkészítés szempontjából. A dinamikus környezetek, komplexitásuknak köszönhetően, további validációs nehézségeket idézhetnek elő, így a kutatás során várhatóan fontos téma lesz az egységesített és mérhető metrikák kidolgozása is. A kutatás célja a gépi felejtési módszerek általános alkalmazhatóságának, magyarázhatóságának megteremtése, ezáltal hozzájárulva a jogszerűséghez és jogbiztonsághoz is.
előírt nyelvtudás: angol ajánlott nyelvtudás (magyar oldal): B1 további elvárások: MSc a következő területek egyikén: informatika, matematika, számítástudomány vagy kapcsolódó területek.
Folyékonyan beszél angolul.
felvehető hallgatók száma: 1
Jelentkezési határidő: 2024-05-31
2024. IV. 17. ODT ülés Az ODT következő ülésére 2024. június 14-én, pénteken 10.00 órakor kerül sor a Semmelweis Egyetem Szenátusi termében (Bp. Üllői út 26. I. emelet).
Bejelentkezés
