November 17-én, a Magyar Tudomány Ünnepéhez kapcsolódóan Ligeti Balázs és Pongor Sándor szervezésével konferenciát tartottunk a Pázmány ITK épületében, hogy bemutassuk a Karon folyó kutatásokat és tudományos eredményeket a mesterséges intelligencia és a bioinformatika területén.

A Pázmány Péter Katolikus Egyetem Információtechnológiai és Bionikai Karát (ITK) azzal a küldetéssel alapították meg 1998-ban, hogy elősegítse a biológia és az elektronika széles területeinek integrálódását.

A Kar működésében már a kezdetektől fókuszban voltak a sokprocesszoros architektúrák, az olyan, biológiai elvek alapján működő algoritmusok, mint a gépi tanulás, a mesterséges neuronhálók, a robotika kutatása, melyeket ma “mesterséges intelligencia” néven foglalunk össze.

Ugyanígy kiemelt fontosságú a Pázmány ITK-n a bioinformatika és a nyelvtudomány. Mindennek eredményeképpen Karunkon a szakértelmek szinergisztikusan fejlődő, kivételes kombinációja jött létre, mely jól tudott reagálni az elmúlt évek mesterséges intelligencia forradalmára.

Ezt a forradalmi változást a gépi tanulás módszereinek egy újabb generációja okozta, amely látványosan megnövelte a laikusok által is használt alkalmazások, mint pl. a gépi fordítás, a szöveg- és képértelmezés és -generálás hatékonyságát.
Mindez szervesen kapcsolódik az ITK eddigi kutatási és oktatási programjaihoz, rendezvényünk ezekről adott áttekintést a Magyar Tudomány Ünnepe szélesebb közönsége számára.

A konferencián elhangzott előadások az alábbiak voltak (az előadások a linkekre kattintva megtekinthetők):

Cserey György, az ITK dékánja: Dékáni köszöntő

Pongor Sándor, az MTA Bioinformatikai Osztályközi Tudományos Bizottságának elnöke: Bioinformatika, mesterséges intelligencia

Horváth András: Megbízhatunk-e a mesterséges intelligenciában?
Az elmúlt években egyre több területen kerültek alkalmazásra mesterséges intelligenciára épülő eljárások, ahol ezek az emberi pontosságot közelítik vagy néhány esetben már akár túl is szárnyalják azt. Sokan fekete dobozként tekintenek ezen módszerekre, melyeknek belső működése egyáltalán nem érthető meg, azonban a gyakorlatban ez szerencsére nem teljesen igaz.
Ebben az előadásban igyekeztünk átvenni a mesterséges intelligencia legfőbb hasznos tulajdonságát és alkalmazásának veszélyeit is, valamint bemutatjuk, miként használható néhány gyakorlati feladat során, mint például pitvarfibrilláció detekciója vagy CT képek automatikus elemzése. Különös hangsúlyt fektetünk az orvosi képalkotásban való felhasználásra, hogy ezen módszerek miként segíthetnek rosszindul atú daganatok szegmentációja során, valamint hogy hogyan tudunk kellően robusztus módszereket létrehozni, melyek váratlan
bemenetek, esetleg rosszindulatú felhasználási módok esetén is megbízhatóan alkalmazhatóak.

Prószéky Gábor: Mire valók a gépi tanulással kapott nyelvmodellek?
Ma, amikor mindenki „mesterséges intelligenciáról” beszél, érdemes pontosítani az egyre-másra megjelenő és intelligensnek tartott nyelvmodellek (eredeti) célját és használhatóságát.
A mindössze néhány éve létező ún. transzformer architektúrák két nagy családja, az enkóderek (a BERT félék) és a dekóderek (a GPT félék) valójában más más elképzelések mentén jöttek létre. Az utóbbi időben teljesen elfogadottá vált, hogy ezeket a modelleket pusztán a kimeneteik alapján „ítéljük meg”, miközben felépítésük, céljaik, paraméterszámaik és egyéb ismérveik jelentősen különböznek. Ráadásul ezek kimeneteit nemdeterminisztikus működésük igencsak befolyásolja.
Szerencsére hazánkban (a PPKE ITK-val kapcsolatban álló Nyelvtudományi Kutatóközpontban) is létrejöttek alapvetően a magyar nyelvre kialakított modellek (magyar BERT Large, PULI GPT 3SX), melyek lehetővé teszik a modellek kimeneteit a tanulóanyagaikban szereplő adatokkal összevetni. Így következtetéseket vonhatunk le működésükkel kapcsolatban, amit a számunkra (jogilag és technikailag) zárt világhírű modellekkel nem tudunk megtenni.

Ligeti Balázs: Paradigmaváltás a bioinformatikában: nyelvmodellek a genomikában és bioinformatikai feladatokban

Az elmúlt években a mesterséges intelligencia és a gépi tanulás rohamos fejlődésének köszönhetően új lehetőségek nyíltak meg a biológiai adatok elemzésében és a genetikai információk feldolgozásában. A nyelvmodellek, amelyek kezdetben elsősorban a természetes nyelvfeldolgozás területén értek el jelentős eredményeket, ma már sikeresen alkalmazhatók a bioinformatikai feladatok megoldására is.
Az előadás során bemutattuk, hogyan segíthetnek a nyelvmodellek a genomikai szekvenciaadatok interpretálásában, valamint a gének és fehérjék szerkezetének és funkciójának megértésében. Emellett ismertetjük, hogy a mesterséges intelligencia és a gépi tanulás milyen hatással van a biológiai kutatásokra és a gyógyszeriparra, és hogyan járul hozzá az új terápiás lehetőségek azonosításához és a betegségek
diagnosztizálásához.
Az előadás végén kitekintést nyújtunk a jövőbeli kutatási irányokra és a bioinformatika további fejlődési lehetőségeire, valamint arra, hogy a mesterséges intelligencia milyen szerepet játszhat a biológi ai adatok elemzésének és értelmezésének további fejlesztésében.

Gáspári Zoltán: A posztszinaptikus fehérjehálózat modellezése
A posztszinaptikus denzitás egy sűrű és összetett fehérjehálózat, mely a membránreceptorokat és a sejtváz közötti mechanikai kapcsolat biztosítása mellett szerepet játszik a tanulás és a memória molekuláris folyamataiban.
Csoportunkban kísérletes és számítógépes megközelítések integrálásával ezen dinamikusan átrendeződő szupramolekuláris komplex egyes szerkezeti és funkcionális aspektusainak megértésén dolgozunk. Munkánk során az adatbázisépítéstől a fehérjeszerkezeti modellezésen át a rendszerbiológiai vizsgálatokig többféle számítógépes módszert alkalmazunk, hogy megértsük kiválasztott fehérje-fehérje kapcsolatok egymással való összefüggéseit és azokat kontextusba helyezzük.

Csikász-Nagy Attila és Reguly István: Személyreszabott terápiák szimulációkkal és mesterséges intelligenciával
Azzal, hogy egyedi betegekről egyre több fajta omikai adat áll rendelkezésünkre megnyílik az út, hogy betegségeiket és kezeléseiket személyre tudjuk szabni. Ennek az iránynak az első lépéseiben a betegek sejtjeinek a viselkedését szimuláljuk és a szimulációs eredményeket felhasználva mesterséges intelligencia segítségével jelezzük előre, hogy a teljes szervezet szintjén milyen hatása lehet a kérdéses gyógyszernek az egyes betegeken. Ilyen vizsgálatokkal gyógyszerek, vagy gyógyszerjelöltek hatékonyságát és mellékhatásait is előre lehet jelezni, de egyedi betegségek jeleit is ki lehet szűrni.

Szederkényi Gábor: Riboszómák és autópályák: kinetikus áramlási modellek
Az ún. riboszóma-áramlási modellek (RFM-ek) determinisztikus dinamikus rendszerek, amelyeket az mRNS transzláció során történő riboszóma-mozgás leírására alkalmaznak.
Az elmúlt kb. 15 évben ezen modellek számos előnyös tulajdonságát és alkalmazási lehetőségét mutatták meg a nemzetközi irodalomban. Az előadásban az RFM-ek modellek lényeges általánosítását mutattuk be, amelyet kutatócsoportunkban dolgoztunk ki. Az általunk javasolt rendszerosztály a korábban leírt lineáris és gyűrű alakú szerkezetekkel szemben tetszőleges irányított hálózati (gráf-) struktúrát és általános nemlineáris cellaátmeneti sebességet képes kezelni, ezáltal lényegesen javul a dinamikai leíróképessége.
Az általános feltételezések mellett is meg tudtuk mutatni a modellek fontos tulajdonságait (pl. stabilitás, monotonitás, passzivitás, hamiltoni struktúra), amelyek jól kihasználhatók a dinamikai analízis és a szabályozótervezés során.
További érdekesség, hogy a közlekedési folyamatok modellezésénél alkalmazott áramlási modellek egy speciális, viszonylag ritkán alkalmazott térbeli diszkretizációjáról megmutatható, hogy az általánosított RFM-ek közé tartozik. Így izgalmas lehetőség nyílik a biokémiai reakcióhálózatok és bizonyos közlekedési modellek kapcsolatainak tanulmányozására.

Karacs Kristóf: Hogyan lesz a látássérültek hétköznapi segítőtársa a telefonjuk kamerája?
Az elmúlt évtizedben az okostelefonokból szép lassan csak telefon lett, és ezzel együtt az utolsó gombok is eltűntek róluk. A látássérültek közül sokan ennek ellenére könnyedén használják őket az asszisztív technológiáknak és a szövegfelolvasóknak köszönhetően.
Számukra számos egyszerű helyzet okoz a vizuális információ hiányában komoly problémát, amelyen - a telefonoknak kezdetben okosságnak tartott számítási kapacitására és programozhatóságára építve - a kameraképre alkalmazott gépi látással segíthetünk. 
Ezt a technológiát alkalmazzuk a Cybathlon versenysorozat vizuális támogatás kategóriájában megoldandó feladatok esetében is, amely révén ezek a segítő funkciók hamarosan kiforrottabbá és széles körben ismertté válhatnak.

Cserey György: A mesterséges intelligencia biztonsági kihívásai: A jövő technológiájának védelme és felelősségteljes használata
Az új technológiák gyakran morális, társadalmi, jogi és politikai következményekkel járnak együtt.
A mesterséges intelligencia megjelenése már jelenleg is számos adatvédelmi, véleménybefolyásolási és torzítási kérdést vet fel, de a legmélyebb probléma talán az emberi ítélőképesség spontán manipulálhatóságából következik.
A veszélyt azonban nemcsak a jövő hipotetikus “embernél okosabb” rendszerei jelentik – már a mai, kiforratlan rendszerek is számtalan visszaélésre adnak alkalmat. Kimutatható károkat okoznak például a deepfake-ek, a dezinformáció és az érzelmi károk, amelyeket a chatbotok okoznak. Az AI-alignment egy kulcsfontosságú kutatási terület, amelynek célja, hogy biztosítsa a mesterséges intelligencia rendszerek céljainak összhangját az emberi értékekkel, azonban ez továbbra is nehéz probléma. Az előadás ezeket a kérdéseket tekinti át.