A mesterséges intelligencia fejlesztés ugyan napjaink vezető technológiái közé tartozik, gyakorlati felhasználási módjairól és azok részleteiről még viszonylag keveset tudunk. Korábbi interjúnk után ezért ismét Grad-Gyenge László mesterséges intelligencia kutató és fejlesztőt kérdeztük a technológia gyakorlati felhasználási módjairól. Segítségével az alábbiakban bemutatunk egy okos orr projektet, amit a Covid fertőzés kiszűrése hívott életre, a járvány lecsengésével azonban számos új felhasználási mód nyílt meg előtte. 

Mesterséges intelligencia fejlesztés: Egy ötlettel kezdődik

„Ez a projektünk egy elektronikus orról szól. Az a célunk vele, hogy szagokat, illatokat azonosítsunk vele. Eredetileg azt találtuk ki, hogy egy minta alapján meg tudjuk állapítani, hogy például Covid pozitív-e az illető. Akkoriban jelent meg az online sajtóban, hogy a kutyák elvileg ki tudják szagolni a Covid fertőzöttséget, ráadásul elég jó pontossággal, 90% felett. A feladat tehát elvileg megugorható, mondjuk a kutyákat elég nehéz utolérni. 

Tehát innen indultunk és összeraktunk egy eszközt. Közben elkezdtünk partnereket keresni az egészségügyi szektorban. Mivel a Covid hullámok időközben már lecsengtek, vagy legalábbis kisebb valószínűséggel végzetes kimenetelű a betegség, erre a projektre most kevésbé fókuszálunk. Az orr azonban jól adaptálható egyéb szektorokba is. Tulajdonképpen a biológiai orr mintájára működik. Ugyanúgy van egy receptorunk, ami egy feldolgozó egységhez kapcsolódik, ami képes arra, hogy valaminek a szagát, illatát beazonosítsa. Nekünk nyilván nem biológiai receptoraink vannak, hanem elektronikus szenzoraink, így ezeknek a jeleit dolgozzuk fel mesterséges intelligencia algoritmusokkal például acélból, hogy felismerjük a kávé illatát.” 

Az okos orr működési elve

„A szenzorok, amiket használunk, MOx szenzorok (metal oxide / fémoxid). Ezek a szenzorok chemiresistive elven működnek. Ez azt jelenti, hogy ha reakcióba lépnek a mérés alatt álló anyaggal, akkor megváltozik az elektromos vezető képességük. Ez esetünkben az ellenállás megváltozását jelenti, ami rögtön egy feszültségváltozással jár. Mi ezt a feszültségváltozást mérjük és ezekből a jelekből következtetünk arra, hogy milyen anyag lehet ott, amire ezek a szenzorok reagálnak. 

A szenzorok alapja egy fémoxid felület, például aluminium-oxid, vagy szelénium-oxid. A mérési folyamat során ennek a fémoxidnak a felületére illékony szerves vegyületek kerülnek, majd adszorbálódnak.  Ennek a folyamatnak az elektromos tulajdonságai alapján detektáljuk mi is a szagokat, illatokat. Egyszerűen szólva ezek a vegyületek “elégnek” és ahogy az elektronok cikáznak a felületek között, úgy megváltozik a szenzor ellenállása és mi ezt tudjuk mérni. Mi ráadásul nem egy szenzort használunk, hanem kilenc különbözőt. A mért értékek segítségével tudunk egy úgynevezett ujjlenyomatot venni az illatról.„

A technológia lehetséges felhasználási módjai

„Van három, vagy kilenc szenzorom, a mért szenzorértékeket előfeldolgozom, ráküldöm a mesterséges intelligencia algoritmust és így meg tudom mondani például az élelmiszeriparban, hogy megromlott-e a hús, vagy valódi, esetleg hamisított mézet szagolok-e.”

„A petrolkémiában pedig alkalmas lehet a karcinogének detektálására. Ezek a rákkeltő vegyületek és vannak olyan gyártási folyamatok, ahol jelentkezhetnek ilyen vegyületek és ennek a szenzornak az az előnye, hogy nagyon jó a keresztérzékenysége. 

Ez azért fontos, mert a mostani szenzorokat csak egy koncentrációs szintre, a legalacsonyabbra lehet beállítani. Például, ha van két vegyület, ami eltérő mértékben káros, a meglévő szenzorokkal akár fals riasztás is történhet, mivel az eszköz a legalacsonyabb érzékelési szinten beriaszt annál a vegyületnél is, ami ott még nem káros. Ez akár a gyár leállításához is vezethet, ami pedig jelentős bevételkiesést eredményezhet.  Ha sikerül egy olyan szenzort készítenünk, ami a különböző anyagokat különböző koncentrációban tudja mérni és értelmezni, az jelentős versenyelőnyhöz juttathatja a használókat. 

A bűnüldözésben is hasznos lehet. Már vizsgáltunk kábítószert a kutyás rendőröknél és konkrétan azt csinálták, hogy kihozták a kábítószereket a raktárból, föléjük tartottuk az orrot és megnéztük azt, hogy meg tudja-e különbözni egymástól a különböző drogokat. Illetve megnéztük azt is, hogy műanyag zacsiban is ki tudja-e szagolni a dolgokat és azt az eredményt kaptuk, hogy nemcsak kiszúrja, de meg is tudja különböztetni őket.” 

További részletek a projektről

„Az okos orr tanításának folyamata a referenciamérésekkel kezdődik. Ilyenkor két dimenzióban kirajzoljuk az adatokat és a kávé esetében például látszik, hogy a különböző kávéfajták elkülönülnek egymástól, illetve azt is ki tudjuk mutatni, hogy ha belerakjuk a cukrot. Ezután mentünk tovább. 

Egy hallgatónk például kitalálta, hogy megnézi, hogy a két népszerű kólát meg lehet-e különböztetni egymástól, egy másik hallgatónk a söröket hasonlította össze. Ennek például minőségbiztosítási szempontból lehet jelentősége, hiszen ki tudja mutatni, hogy eltér-e az adott sörnek az illata a sztenderdtől, mert ha igen, akkor valószínűleg valami baj van a gyártási folyamatban. 

A kozmetikai iparban is lehet jelentősége. Az okos orr segítségével ugyanis akár következtetéseket is fel lehet állítani azzal kapcsolatban, hogy egy parfüm sikeres lesz-e az adott piacon, vagy sem. Esetleg meg lehet határozni, hogy kinek milyen parfümöt érdemes használnia. 

Ebben a kutatásban a tejet, a joghurtot és a kefirt hasonlítottuk össze és jól látható, hogy nemcsak ezek különülnek el egymástól, hanem az is kimutatható, ha elindul a romlási folyamat. Ha például van egy ilyen kütyü, akkor be tudjuk rakni a hűtőbe, vagy ha sikerül megállapodni egy gyártóval, akkor már eleve úgy jöhet ki a gyártósorról a hűtő, hogy benne van. Ez például jelezhet akkor, ha kezd lejárni a tej, vagy megromlani a tojás, ezzel megelőzve például az ételmérgezést.„

Ez persze csak a jéghegy csúcsa. Ha kíváncsi vagy, mi mindenre alkalmazható még a mesterséges intelligencia a gyakorlatban, nézd meg bevezető kurzusunkat a témában! Grad-Gyenge László vezetésével 4 hét alatt átfogó képet alkotunk a mesterséges intelligencia alkalmazási területeiről és lehetőségeiről és kidolgozunk egy AI megoldást is alkalmazó javaslatot egy akár általad hozott üzleti problémára. 

Ha pedig fejlesztőként ennél kicsit nagyobb kihívásra vágynál és elsajátítanád a mesterséges intelligencia fejlesztés konkrét lépéseit, 12 hetes átfogó tanfolyamunkon megismerheted az algoritmusok fejlesztésének folyamatát. A képzés kitér többek között a mesterséges neuronhálók készítésére és tanítására, illetve implementálására is AI alkalmazások készítéséhez.