Az MI lesz a harmadik vagy negyedik hivatalos bíráló?

1. Bevezetés

Már egy, mintegy két-három évvel ezelőtt feltöltött egyik cikkben utaltam arra, hogy a mesterségesintelligencia-programok jelentős szerepet játszhatnak majd a műszaki anyagtudomány fejlődésében. (Az anyagtudomany.eu blogomban a következő bejegyzésre utalok: A Frank-Read diszlokációforrás a generatív mesterséges intelligencia célkeresztjében). A technikai ablak és a technológiai ablak közös paramétermezeje által kijelölt feldolgozási ablak értelmezésekor utaltam a számítógépes modellezés és ezen belül a mesterséges intelligencia (MI) szerepének jelentőségére. (Utalás az Új generációs, nagy hozzáadott értékű, többes fázisú acélok az életminőség szolgálatában – egy sikeres pályázat margójára c. bejegyzésre). Az MI fejlődésében – amelynek már legalább tíz éves története van – új korszakot nyitott az úgynevezett generatív MI megjelenése. Napjainkban már a közszolgálati médiumokban is szinte minden nap hallhatunk ennek a technológiának a legkülönbözőbb vonatkozásairól, például az oktatásban a jövőben valószínűleg betöltendő szerepéről. (Hogyan támogathatja a ChatGPT a felsőfokú oktatást?). Mégis úgy érzem, hogy az MI és a generatív MI közötti alapvető különbség nem mindenki számára nyilvánvaló, pedig e nélkül ez utóbbi helyes alkalmazása nem képzelhető el. Amennyiben egy új szakterület fogalmai bekerülnek a hétköznapi beszédbe, az is gyakori, hogy ezeket a fogalmakat azok pontos definíciójának ismerete nélkül használjuk, és ez különösen gyakori, ha ezeket a fogalmakat az angol eredeti betűszavas rövidítésével helyettesítjük, tetézve ezt a bajt azzal is, hogy még a helyes kiejtésre sem ügyelünk.

Olvass tovább

Hogyan támogathatja a ChatGPT a felsőfokú oktatást?

Szerző: Verő Balázs, Verő Balázsné
A ChatGPT-vel folytatott beszélgetés leiratát szerkesztette: Dobránszky János

1. Bevezetés

Bizonyára nem kell indokolni, miért fontos az a kérdés, hogy miként támogathatja a ChatGPT a felsőfokú oktatást. Tóth László, az Anyagvizsgálók Lapja felelős szerkesztője a nyár végén megkért, írjunk egy rövid cikket arról, hogy mi is az a ChatGPT. Kérésének eleget téve, összeállítottunk egy ismeretterjesztő jellegű írást, amelyben az általános tudnivalókon kívül két anyagtudományi példával szemléltettük ennek a – lényegét tekintve – a nagy nyelvi modellen alapuló számítógépes programok egyikének a képességeit. Kétféle kérdésre kértünk választ: a diszlokációk sokszorozódására vonatkozó kérdést mi fogalmaztuk meg, míg a második kérdést R. W. Hertzberg, R. P. Vinci és J. L. Hertzberg Deformation and fracture mechanics of engineering materials című, 2012-ben megjelent könyve[1] második fejezetének végén szereplő húsz kérdés közül választottuk ki. Már itt hangsúlyozzuk – és ennek az oktatás folyamatában kitüntetett jelentősége van – az angolszász szakkönyvekben az egyes fejezetek végén mindig szerepelnek ellenőrző kérdések, amelyekre az adott fejezet tartalmának alapos ismeretében és némi gondolkodás árán lehet felelni.

Olvass tovább

A Frank–Read-diszlokációforrás a generatív mesterséges intelligencia célkeresztjében

Ez a bejegyzés dr. Verő Balázs és dr. Dobránszky János közös munkája

  1. Bevezetés és előzmények

Már az egyik, mintegy két-három évvel ezelőtt feltöltött egyik cikkben utalás történt arra, hogy a mesterséges intelligencia programok jelentős szerepet játszhatnak majd a műszaki anyagtudomány fejlődésében is [1]. Abban a cikkben a technikai ablak és a technológiai ablak közös paramétermezeje által kijelölt feldolgozási ablak értelmezésekor olvasható a számítógépes modellezés és ezen belül a mesterséges intelligencia (MI) szerepének jelentősége. A MI fejlődésében – amelynek több évtizedes története van – új korszakot nyitott az úgynevezett generatív mesterséges intelligencia (GMI) megjelenése. A döntő változás 2022 novemberében következett be, amikor a felhasználók széles köre számára hozzáférhetővé vált a ChatGPT [2]. Napjainkban már a közszolgálati médiumokban is szinte minden nap hallhatunk ennek a technológiának a legkülönbözőbb vonatkozásairól, de mégis úgy érezzük, hogy a MI és a GMI közötti alapvető különbség nem mindenki számára nyilvánvaló, pedig e különbség ismerete nélkül az utóbbi helyes alkalmazása nem képzelhető el.

Olvass tovább