A tanulmány A mesterséges intelligencia alkalmazásának hatása az alapjogokra c. konferencián elhangzott Mesterséges intelligencia az államigazgatásban c. előadás alapján készült.

Bevezetés

Az intelligens eszközök, érzékelők és az emberek közötti folyamatos interakció eredményeként egyre több adatot állítunk elő, dolgozunk fel és tárolunk. Az internet és a szenzorok meghökkentő mennyiségű adatot tudnak követni egy személyről, és ez a lépték az infokommunikációs eszközök újabb generációival (lásd IoT[1]) exponenciálisan növekszik. Az emberek és az intelligens eszközök között erősödő kapcsolat, jelentős lehetőséget, veszélyt és kihívást jelent az államok működése és a jogi szabályozás szempontjából is. Jelen tanulmány célja, hogy az államigazgatás számára megnyíló vélt vagy valós lehetőségeket vizsgálja, amelyek az adatboom és a mesterséges intelligencia (MI) alkalmazásából erednek.

Amíg különböző tudományterületek egyes kutatói és szakértői egyfajta aggodalommal figyelik a mesterséges intelligencia által kínált lehetőségeket, abban azért nagyjából egyet lehet érteni, hogy potenciál van a technológiában. Az említett kutatók aggodalma többet között arra vezethető vissza, hogy úgy gondolják az önálló „gondolkodási” képességnek a gépekre való átruházása szükségszerűen megadja a gépek számára a lehetőséget, hogy az általuk adott szabályokkal ellentétesen cselekedjenek.[2] Ezért fontos a kérdéskör lehetséges hatásainak a feltérképezése, az ellenőrzési és a szabályozási keretek megalkotása.[3] Az MI alkalmazása már nem fikció, a mindennapjaink része, éppen ezért fontos kérdés, hogy hogyan lesz lehetőségük beépíteni ezen újszerű megoldásokat az állami működésbe. Jelen tanulmány pontosan az említett felvetésre keresi a lehetséges válaszokat a hazai törekvések vizsgálatával. A lehetőségeken túl természetesen a kockázat is jelentős, ez azonban a vizsgálatunknak nem tárgya, mindazonáltal fontosságát hangsúlyozzuk.

1. Mit értünk mesterséges intelligencia alatt?

Mi is az a mesterséges intelligencia[4] (a továbbiakban: mesterséges intelligencia vagy MI), és hogyan tudjuk az állami működés relációjában értelmezni. Általánosságban mondhatjuk, hogy az MI az emberi intelligenciát megkövetelő feladatok infokommunikációs eszközökkel történő megoldásával foglalkozik. A vonatkozó szakirodalom tanulmányozása is alátámasztja a feltevésünket, hogy a téma kutatói jelenleg még nincsenek egységes állásponton e fogalom tartalmát tekintve. John McCharty – a mesterséges intelligencia fogalmának megalkotója – például úgy gondolta, hogy az intelligencia foka arányos a benne rejlő logikával, azaz egy program akkor tekinthető értelmesnek, ha az kellőképpen széleskörű következtetéseket von le a neki mondottakból és saját korábbi tudásából.[5]

Az értelmezés sokszínűségét erősíti például Marvin Minsky is, aki szerint a mesterséges intelligencia létrehozásához a számítógépnek az agyműködést kell utánoznia, azonban az agy nem a matematikai logika törvényeinek megfelelően működik, ezért nem is vezethet logikai út a mesterséges intelligenciához. Ezen megállapítás döntő fontosságú, hiszen arra mutat rá, hogy a tudásunk nem merül ki a logikai képességeinket mozgósító ténytudásban, hanem megjelennek mellette a jártasságunk és a készségeink által biztosított elemek is. Joggal merülhet fel tehát, hogy nem becsülnénk-e alá a mindennapi életünket, ha kizárólag a matematikát vagy a logikát tennénk az intelligencia egyedüli mércéjévé?[6]

Aaron Sloman megközelítése szerint az MI inkább „…a számítógéptudomány egy alkalmazott részterülete. A mesterséges intelligencia egy nagyon általános kutatási irány, mely az intelligencia természetének kiismerésére és megértésére, valamint a megértéséhez és lemásolásához szükséges alapelvek és mechanizmusok feltárására irányul.”[7] Míg Yoshiaki Shirai – Jun-ichi Tsujii értelmezésében „…a mesterséges intelligencia kutatásának célja az, hogy a számítógépeket alkalmassá tegyük az emberi intelligenciával megoldható feladatok ellátására.”

Ray Kurzweil „a mesterséges intelligencia az érzékelést, a célszerű cselekvéssel összekötő információfeldolgozással foglalkozó tudomány.” Tehát az intelligens viselkedés érzékeléssel kezdődik, van benne tudásra épülő információfeldolgozás, és a végén van egy, az adott helyzetben elvárt célszerű akciót kivitelező beavatkozás, cselekvés.

Sántáné Tóth Edit meghatározása szerint „…a mesterséges intelligencia a számítástudomány azon részterülete, amely intelligens számítógépes rendszerek kifejlesztésével foglalkozik. Ezek pedig olyan hardver/szoftver rendszerek, amelyek képesek ’emberi módon’ bonyolult problémákat megoldani: az emberi gondolkodásmódra jellemző következtetések révén bonyolult problémákra adnak megoldást, a problémamegoldást teljesen önállóan végzik, vagy közben kommunikálnak környezetükkel, tapasztalataikból tanulnak, stb.”

Peter Jackson álláspontja szerint „a mesterséges intelligencia a számítógéptudomány azon részterülete, amely az ember olyan kognitív (megismerő) képességeit emuláló számítógépi programok tervezésével és alkalmazásával foglalkozik, mint a problémamegoldás, vizuális érzékelés és a természetes nyelvek megértése.”[8]

A mesterséges intelligencia kutatására nagy hatással volt P.H. Winston szemlélete is, amely szerint a két legfontosabb cél a gépek okosabbá tétele, valamint az intelligencia fogalmának jobb megértése. A mai fejlesztéseknek az egyik legfontosabb iránya, hogy minél több tudást és problémamegoldó képességet építsenek az informatikai eszközökbe, illetve az intelligencia megismerése.[9]

A mesterséges intelligencia kutatások már a számítástechnika kora szakaszában is megjelentek. Az úttörő munkák között említhetjük az 1950-es évekből Shannon tanulmányát a sakkjáték automatizálásáról vagy Turing javaslatait a gépi intelligencia mérésére. Javaslata, a Turing-teszt ma is iránymutatást jelent az MI rendszerek teljesítményének megjelenítésére. A Turing teszt a beszéd alapú kommunikációt (beszédértés, gondolkodás, válaszolás) helyezte az MI funkcionalitás központjába.

Az első időszakban gyors fejlődést reméltek ezen a téren (lásd Minsky 1956), de a tapasztalat azt mutatta, hogy igen komoly nehézségekkel kel szembenézni az MI fejlesztésekor. Az 1956-ban kidolgozott első igazi chat-program, az ELIZA például még csak igen korlátos témakörben tudott kommunikálni és csak napjainkra sikerült hatékonyabb ember-gép kommunikációt megvalósítani a számítógépes rendszerekben.

Az MI egyes részterületein mára már jelentős haladást értek el a fejlesztők. Ezek között kiemelhetőek a 1997-es Deep Blue sakkprogramot, mely legyőzte a Garry Kasparov világbajnokot; a 2011-es Watson rendszert, mely egy általános szellemi vetélkedőben diadalmaskodott az emberi versenyzők fölött. A 2017-es évben a Go játékban is sikerült bajnokverő algoritmust készíteni.

Napjainkban igen aktív fejlesztések folynak az MI területén, melyek döntően az alábbi alkalmazási területekhez kapcsolódnak:

  1. Chatbotok: olyan számítógépes alkalmazások (Go and Sundar, 2019), mely képes emberi, természetes nyelven kommunikálni, megérti az átadott szöveget és értelmesen tud rá reagálni, válaszolni. A chatbotok fejlesztésének egyik fontos területe az NLP (natural language procesing), ahol az emberi nyelvek szabályait taníttatják be számítógépekkel.
  2. Gépi Tanulás: olyan számítógépes programok készítése, mely képes tanító minták alapján megtanulni a témakör szabályait és segítségével probléma megoldások automatizálását vagy támogatását is meg tudjuk oldani.
  3. Robotizálás: Intelligens, önálló döntések meghozatalára irányuló robotok készítése, mint például a humanoid robotok vagy az önjáró autók.

A mesterséges intelligencia algoritmusok megvalósítására több különböző formalizmus, modell jött létre a következőkben áttekintjük a legfontosabb megközelítési módokat.

1. Logikai, szabály alapú rendszerek: a logikai megközelítés előnye az egzaktság, a tömörség és érthetőség. A tématerület logikai szabályainak megadására több logika formalizmus is létezik, melyek elérő funkcionalitást támogatnak. A klasszikus kétértékű logika az egyik fő eszköz, itt a predikátum logika és annak redukált változata a Description Logic (Nuradiansyah, 2020) a legelterjedtebb. A bizonytalanságok kezelésére igen népszerű megoldás a többértékű logika, illetve annak Fuzzy-logika változata. A rendszer további kiterjesztését biztosítja az intuicionista logika. A logika alapú rendszerek közé tartoznak a deduktív rendszerek, a szakértői rendszerek.

2. Tudásreprezentációs gráfok alkalmazása: ebben az esetben a szabályokat, kapcsolatokat egy tudásháló írja le. A hálóban több különböző kapcsolat típus értelmezhető. Az egyik legismertebb megvalósulása az ontológia tudásbázis, ahol a fogalmak mellett a tulajdonságok és szerepkörök a fontosabb építőkövek. Az ontológiai rendszerek legtöbbször logikai következtető motorokkal kerülnek kibővítésre.

3. Gépi tanulás, minta alapú rendszerek: ebben a megközelítésben a tanítási mintákat kell előkészíteni és a tanuló motor a mintákból nyeri ki a szükséges összefüggéseket, szabályokat. A gépi tanulás alapvetően a mintákban rejlő mintázatok statisztika módszerekkel történő feltárásán alapul. A gépi tanulás témakörében több részfeladatkört lehet megkülönböztetni, ezek közül a legfontosabb az osztályozás, a klaszterezés és az asszociációs szabályfeltárás.

A megközelítések és fogalmi elhatárolások bábeli helyzetében inkább csak irányokat és tartalmi fogódzkodókat kapunk, ha összevetjük e definíciós kísérleteket, és általánosságban láthatjuk, hogy a mesterséges intelligencia fogalmára a köztudatban kettős értelmezés jellemző. Megállapítható, hogy két különböző, egymástól tartalmilag eltérő definícióra ugyanazt a kifejezést használjuk. Értjük alatta egyrészt a tudattal rendelkező gépeket (pontosabban a tudatosságot imitáló gépeket), amelyek tanulásra képesek, másrészt az emberi gondolkodás valamely részét reprodukálni képes algoritmusok halmazát, amelyek működése eltér az elsőként említett tudattal rendelkező gépek csoportjától.

A két értelmezési kategória egyaránt az emberi gondolkodás valamely szeletét ragadja ki és mindkét kategóriát mesterséges intelligenciaként nevesítjük a köznyelvben, azonban napjainkban az önálló tanulásra képes rendszerekkel kapcsolatos fejlesztések élik fénykorukat. A szakértői rendszerek már az 1990-es években megjelentek, amelyek a működés során a „beletöltött” adatokat képes visszakeresni és tárolni. 2011-2012 környékén nagy ugrást jelentett a mélytanulás, amely során mi, emberek megtanítottuk a gépeknek, hogy hogyan tanulunk. Itt már nem az a kérdés, hogy mit tanulunk, a hangsúly éppen ellenkezőleg a módszeren van, hogy hogyan.[10] A gépi tanulásban a mintafelismerés jelenik meg, mint központi elem – amikor adatok sokaságából különböző összefüggéseket szűr le a mesterséges intelligencia és azokra alapozva hozza meg döntését. A gyakorlatban leggyakrabban a képfelismerés, a nyelvfelismerés és a nyelvmegértés jelenik meg. Az állami működés során ezek a fejlesztési irányok és eredmények elsődleges prioritással bírnak,[11] amelyet a következő fejezetben tárgyalunk.

Egyes meghatározások a gondolkodás folyamatát, valamint a következtetést állítják a középpontba, amíg mások a mesterséges intelligenciát az emberi intelligenciához hasonlítják. Valamennyi meghatározás a racionalitást tekinti az intelligencia legfontosabb ismertető jegyének, azaz, hogy képes konzekvensen reagálni és dönteni az adott körülmények között. Megkülönböztethetőek tehát embercentrikus megközelítések, amelyek emberi módra gondolkodó vagy emberi módra cselekvő rendszerek, modellezve az emberi viselkedések többszintű értékrendszerét. Valamint vannak racionalitáscentrikus megközelítések, amelyek a racionálisan gondolkodó rendszerek vagy racionálisan cselekvő rendszerek, amelyek inkább a szabályszerűség keretein belül mozognak.[12]

Ezek a meghatározási pontok kulcsfontosságúak annak megítélésében, hogy az MI milyen módon és feladatokra használható az államigazgatásban, ugyanis az „emberi MI” alkalmas (lehet) az emberi tényező kiváltására, míg a racionálisan döntő MI inkább az automatizálás és elemzés terén hasznosítható.[13]

2. Az MI csoportosítása

Az intelligens döntéshozatal, információ feltárás megvalósítására több különböző formalizmus és módszertani megközelítés is létrejött. A következőkben előbb az MI rendszerek viselkedési modelljeit, majd az MI mögötti logikai formalizmusokat és algoritmus változatokat tekintjük át. A mesterséges intelligencia feladata az intelligens entitások megértése és létrehozása. Maga a mesterséges intelligencia kifejezés 1956-ban született meg, de a problémakör már sokkal korábban létezett. Az MI széles körben elterjedt szakterületté fejlődött, amely az élet szinte minden területére behatolt. Az előzőekben láthattuk, hogy mi is az MI, jelen fejezetben pedig szeretném bemutatni, hogy az egyes megközelítési módok alapján hogyan csoportosíthatjuk.

A szakirodalom a cselekvés és a gondolkodás, valamint az emberi és racionális mód alapján különíti el az egyes csoportokat, amely szerint megkülönböztethetünk: 1. emberi módra cselekvő gépeket, 2. emberi módra gondolkodó gépeket, 3. racionálisan gondolkodó gépeket, valamint 4. racionálisan cselekvő gépeket. [14]

Az emberi módra cselekvő gép elmélete Alan Turing[15] nevéhez fűződik, aki úgy határozta meg az intelligens viselkedést, mint az emberi teljesítmény elérésének képességét. A Turing-gép egy automata, egyszerű elméleti számítógép, amellyel tesztelhető, hogy mit lehet és mit nem lehet számítógéppel elvégezni. A Turing-tesztben az ember és a számítógép egy monitoron és egy billentyűzeten keresztül kommunikál egymással. A teszt akkor tekinthető sikeresnek, ha az ember nem képes eldönteni, hogy a monitor túloldalán ember vagy gép volt a beszélgető partnere. Az emberi módon cselekvő gépeknek képesnek kell lenniük a természetes nyelv feldolgozására, az ismert és hallott információ tárolására, azaz a tudásreprezentációjára, az automatizált következtetésre és a gépi tanulásra. [16]

Az emberi módra gondolkodó gép létrehozásának egyik feltétele, hogy meg tudjuk mondani, hogy az ember hogyan gondolkodik, amely elérésére a pszichológiai kísérletek és az önelemzés a legalkalmasabbak. Az egyik legjelentősebb ilyen megoldás az 1961-ben Newell és Simon által kifejlesztett általános probléma megoldó (General Problem Solver). [17]

A feltalálók a program működését össze akarták vetni egy ugyanazon a feladaton dolgozó ember működésével. Ebből a problémakörből nőtt ki napjainkra a kognitív tudomány nevű szakterület, amely a tapasztalatokból megpróbál következtetni az emberi agy működési mechanizmusára.

A racionálisan gondolkodó gépnek tekinthető az a gép, amely helyes premisszákból helyes következtetésre jut. Arisztotelész görög filozófus volt az elsők egyike, aki megkísérelte a helyes gondolkodás, azaz a megcáfolhatatlan következtetési folyamatok törvényekbe foglalását. A szillogisztikája olyan mintákat szolgáltatott a következtetési sémákhoz, amelyek helyes premisszákból mindig helyes következményekre vezettek.

A formális logika ezeket a törvényeket foglalja magában és a világ objektumaira és relációira vonatkozó állításokat fogalmaz meg. Az MI keretein belül készültek ilyen programok, amelyek képesek voltak megadni a probléma megoldását a logikai megfogalmazásokból kiindulva. Ezen megközelítés egyik hátránya, hogy a problémamegoldás nem minden esetben logikai természetű, valamint, hogy egy probléma elméletileg kifogástalan megoldása és a gyakorlat szerint szükséges megoldása nem mindig esik egybe, ezért a cselekvést kizárólag a racionális gondolkodás eredményétől függővé tenni nem feltétlenül jó stratégia.

Az utolsó megközelítés a racionálisan cselekvő gép, a racionális ágens esete. A racionális cselekvésen egy adott cél elérésére irányuló cselekvést értünk, amely során az MI feladata a racionális ágens létrehozása, amely érzékel és cselekszik. Ágens az, ami intelligens viselkedésre képes, robot vagy számítógépes program. A fizikai ágenseket, például a robotokat könnyű értelmezni: olyan fizikai eszközökként valósulnak meg, amelyek interakcióban állnak a robot fizikai környezetével.

Az MI-kutatók többsége ugyanakkor virtuális vagy szoftver-ágensekkel foglalkozik, amelyek egy számítógép belsejében lévő virtuális környezetben léteznek. Egy racionális ágens a legjobb kimenetel érdekében vagy a legjobb várható kimenetel érdekében cselekszik. A racionális ágens alapú megközelítés általánosabb, mint a racionális gondolkodás alapú, mivel a racionalitás elérésének módja a korrekt következtetés. Másodsorban tudományosan is jobban kezelhető, mint azok a viselkedések, amelyek az emberi viselkedésen vagy emberi gondolkodáson alapulnak, mert a racionalitás mértéke jól definiált és általános. Megjegyzendő azonban, hogy a tökéletes racionalitást, azaz mindig helyesen cselekedni lehetetlen elérni.

A modern logikai alapú rendszerek alapját a kétértékű Boole-logika adja, ahol a klasszikus elemi logikai szabályok és operátorok (például: AND, OR, NOT) teljesülnek. Ezzel az eszközzel a hétköznapi problémák nagy részét egész jól meg lehet oldani. A mai következtető motorok (reasoner) alapvetően ilyen modellel dolgoznak. Speciális esetekben azonban a klasszikus Boole logika már nem ad megfelelően pontos eszközt. A logikai rendszerek tulajdonságainak vizsgálatára jött létre az algebra alapú logikai leírás. A kidolgozott megközelítések között kiemelhető Frege axiomatikus rendszere, melyben megjelentek a logikai kvantorok is, Rusell munkásságával jelentősen továbbfejlesztette ezt az axiomatikus megközelítést. Gödel a későbbiekben viszont rámutatott az axiomatikus rendszerek hiányosságaira.

A későbbiekben a kétértékű logika mellett megjelentek a többértékű logikák is a bizonytalanságok kezelésére. A háromértékű logikában például a harmadik érték a „nem tudom” megfelelője. A lehetséges logikai értékek száma végtelen is lehet, több modell változat is létrejött, melyek elsősorban az alkalmazott operátorok tulajdonságaiban különböznek egymástól (Łukasiewicz, Gödel, Kleene).

A vezérlésekben elterjedt fuzzy logika is a többértékű, folytonos logikák családjába tartozik, ahol a tagsági függvény egyfajta logikai értéket is kifejezhet. A folytonos logikák kibővítését jelenti a kétdimenziós intuicionista logika, melyben a logikai igaz és a logika nem két független dimenzióként jelenik meg, s mindkettőnek tetszőleges erőssége lehet.

A speciális gyakorlati alkalmazásokhoz igazodva további logikai modellek is létrejöttek, mint például a nem monoton logikák (új tények átírhatják a korábbi állításokat), a modális logika (az erősség szintje beállítható) vagy az idő-orientált (tense) logika.

A gépi tanulás területén a legnagyobb jelentőséggel az osztályozás (classification) témaköre bír. Az osztályozás felügyelt tanulással dolgozik, amikor a tanító mintában az objektumoknál a tulajdonságok mellett megadjuk a kapcsolódó kategória, osztálykódot is. A motor a tulajdonság – osztálykód összefüggést fogja megtanulni alapvetően statisztikai alapon.

A tanuló motorok családjában egyik alapmódszer a Bayes-osztályozó, ahol az egyes tulajdonságok és osztálykódok feltételes valószínűségeit kiszámolva határozzuk meg a legvalószínűbb osztálykódot. A döntési fa módszere elemi, tulajdonságszintű döntések hierarchiájára vezeti vissza a komplex döntéseket. Az optimális fa előállításánál az egyes jelölt attribútumokat az osztályhovatartozási homogenitási mutató alapján értékeli.

Az SVM módszer a problémakör vektorteréből indul ki és ott határozza meg az optimális szeparációs hipersíkot. A neurális háló egy általános függvény approximátornak tekinthető, melyben az elemi függvények (csomópontok) kompozíciójának paramétereit a háló élsúlyai adják. A klasszikus egy rejtett szinttel rendelkező hálók mellett az összetettebb problémáknál a többrétegű, deep learning hálók a preferált megoldások. A többdimenziós leírók kezelésére szolgálnak a konvolúciós hálók, míg a sorozatokhoz kapcsolódó tanulási feladatoknál a visszacsatolt-hálók adnak megfelelő eredményt.

3. A mesterséges intelligencia és az államigazgatás

Az államigazgatás oldaláról nézve az MI egy multifunkcionális eszköznek tekinthető, mely alkalmas az intelligens információ-szolgáltatásra, a döntési folyamatok hatékony támogatására és az automatikus döntéshozatalra. Nagyon fontos, hogy helyén kezeljük ezt az eszközt, és ennek tudatában döntsünk az alkalmazhatóság kérdéséről.[18]

Az államigazgatás egy potenciális terület az MI alkalmazására, hiszen egyrészt rendelkezésre állnak az MI fejlesztéséhez elengedhetetlen háttér adatbázisok, másrészt az MI jelentős hatékonyság növekedést tud biztosítani. Az állami nyilvántartások és állami kezelésben lévő adathalmazok, mint például az alkalmazási statisztikák, a döntési mechanizmusok, szabályok és eredményeik egy olyan információhalmazt jelent, amely a MI betanításának előfeltétele. Ha figyelembe vesszük, hogy egy hatósági eljárásban általában egy jól körül határolható döntési helyzettel (tényállás), annak megoldásával (döntés) és érdemi, logikai magyarázatával (indokolás) találkozunk, mindez tömegesen áll rendelkezésre, akkor könnyen belátható, hogy ez egy olyan strukturált adatbázis környezet, amely kiváltképp alkalmas az MI betanítására.

A kormányzat feladatait a mesterséges intelligencia vonatkozásában kettősnek tekinthetjük: felelős egyrészt a nemzeti célok meghatározásáért, a szabályozási keretek megteremtéséért, valamint a vonatkozó jogszabályok megalkotásáért. Másrészt kiemelt jelentőségű a nemzeti prioritások meghatározása, a befektetési és a fejlesztési lehetőségek biztosítása. A fentieken túl nyitottnak kell lenniük az innovációra és a közszféra átalakítására, akár újradefiniálására is. Megfigyelhető, hogy az új technológiák körüli „felhajtás” gyakran túl- vagy alábecsüli a gyakorlati alkalmazásukat. Pontosan azért, hogy az esetleges tévhiteket elkerüljük, kiemelt jelentőségű a mesterséges intelligencia alapkérdéseinek és működésének megértése a döntéshozók és a társadalom részéről egyaránt. Amennyiben a mesterséges intelligencia és az államigazgatás kapcsolatát helyezzük a vizsgálatunk középpontjába, a döntéshozókat, a közalkalmazottakat, a köztisztviselőket és a lakosságot párhuzamosan szükséges tájékoztatni és felvilágosítani a mesterséges intelligenciával kapcsolatos tudnivalókról. Szélesebb körű ismeretek birtokában az említett alanyok képesek lesznek megítélni, hogy a mesterséges intelligencia, mint innovációs lehetőség segítségükre lehet-e a mindennapok során.[19]

Napjainkra az igazgatás egyik meghatározó mozzanata az információ menedzselése, amely az információs társadalom korában egy teljesen más minőséget jelent, mint akár csak 20 – 30 évvel ezelőtt. Az emberi léptéket meghaladó big data adathalmazokra gondolunk, amely az állami apparátusok rendelkezésére áll, a mesterséges intelligencia által kínált előnyöket a feldolgozásban és kezelésben mindenképpen ki kell emelni, mint elsődleges alkalmazási lehetőséget. Az emberi tényező kiváltása mindenképpen kívánatos az adat strukturálása és feldolgozása terén, különösen ha figyelembe vesszük, hogy erre a gazdasági és ipari szektorban már működő megoldások vannak. Természetesen nincs garancia arra, hogy egy új, a munkaterhet csökkentő technológia mindenki mindennapi életét nyereségesebbé teszi, ahelyett, hogy a foglalkoztatás teljes kategóriáját egyszerűen eltörölné. Pontosan ezért az MI alkalmazások sok embert kételyek között tartanak, mivel a kognitív technológiák egyre inkább képesek a korábban kizárólag emberek által elvégzett feladatok teljesítésére.

Felmerülhet a kérdés, hogy van-e lehetőségünk arra, hogy az államigazgatás működésébe integráljuk a mesterséges intelligencia eszközeit? Lehet-e a mesterséges intelligencia által okosabbá tenni a kormányt? Ha a vonatkozó szakirodalmakat és a gyakorlati tapasztalatokat megvizsgáljuk, megállapíthatjuk, hogy az MI-alapú alkalmazások révén a fejlesztők arra törekszenek, hogy átalakítsák a közszférát többek között például a feladatok automatizálásával. Azonban az új technológiák bevezetésének helyére és módjára nézve nehéz döntéseket kell hozniuk a szakértőknek, a politikai döntéshozóknak és a jogalkotóknak egyaránt.

A kognitív technológiáknak köszönhetően reorganizálhatóvá válnak a kormányzati műveletek, kezdve a virtuális asztali asszisztensektől, a különböző elektronikus ügyintézést elősegítő alkalmazásokig, vagy a dinamikusan fejlődő adatbázisokig. Valójában ezek a fejlesztési folyamatok már mélyreható hatással vannak a kormányzati munkára. Az MI-alapú alkalmazások csökkenthetik a lemaradást, csökkenthetik a költségeket, legyőzhetik az erőforrások korlátait, felszabadíthatják a munkavállalókat a hétköznapi feladatoktól, javíthatják a kimutatások pontosságát, és számos olyan feladatot kezelhetnek, amelyeket az emberek nem tudnak egyszerűen elvégezni, ilyen lehet például milliónyi dokumentum egyidejű áttekintése a legrelevánsabb tartalom felkutatása érdekében.[20]

Az MI lehetséges előnyei a kormányok számára egyértelműek, azonban kérdéses lehet, hogy mely funkciókat kell automatizálni vagy „okossá” tenni, és milyen mértékben?

A fentieken túl fontos a jogi szabályozás kialakítása, már csak azért is, mert a mesterséges intelligenciával kapcsolatos fejlesztések minden jogterületet érinteni fognak. Példaként említhető a szellemi alkotások joga, a termékfelelősségi szabályrendszer, a kibervédelem, az autonóm járművek jogi szabályai, illetve a tesztelési színterek jogi szabályozási környezetének vizsgálata és kialakítása is. A közigazgatási jog vonatkozásában kérdés lehet többek között a nyilvántartások fejlesztése által nyújtott lehetőségek feltérképezése, szükségességük vizsgálata, vagy akár a hatósági felügyelet során történő alkalmazásának lehetősége is.

A mesterséges intelligencia alkalmazási területeit vizsgálva megfigyelhetjük, hogy a kormányzati igazgatás szempontjából rengeteg lehetőséget jelentenek.

Egyrészt megállapítható, hogy a kormányzat és a polgárok között az erős interakció hatására szinte megszámlálhatatlan mennyiségű adat keletkezik. A kormányzat számára ezen adatok elemzése és rendezése által elérhetővé válnak például bizonyos információk a forgalomba állított gépjárművekről, a szabálysértések elkövetési gyakoriságáról és jellegéről, az elszenvedett balesetekről, az adózási fegyelemről, a kibocsátott (vagy elveszített) vezetői engedélyekről. Az adatbázisokon túl, a kormányzat szempontjából kiemelendő, hogy a mesterséges intelligencia képes figyelni és rögzíteni a polgárok „viselkedését” és szokásait. Ezen adatok elemzésével – a célzott reklámok mintájára – személyre szabott közszolgáltatások fejleszthetők és adaptálhatók az egyedi körülményekhez.

A mesterséges intelligencia lehetővé teszi a kormányok számára, hogy pontosabb előrejelzéseket készítsenek. Az algoritmusok képesek azonosítani az egyes mintákat, majd egy eltérő időpontban a jövőbeli trendek vagy események előrejelzése céljából felhasználni őket. A tervezés szempontjából meghatározó előnyt jelenthet, hogy a mesterséges intelligencia alkalmazása által lehetővé válik az egyes fejlesztések előzetes modellezése. Az előzetes hatásvizsgálat alkalmazása segítséget jelenthet egy hatékonyabb kivitelezési folyamat végrehajtása érdekében.[21]

Az MI alkalmazásának fontosabb (potenciális) területeit láthattuk, de a lehetséges kockázatait is meg kell említeni. Két meghatározó problémakört azonosíthatunk, egyrészt a fejlesztés erőforrás igényét, illetve ha piaci alapon ez a fejlesztés kiszervezésre kerül, akkor annak a nemzetbiztonsági és szuverenitási kockázatát. Másik (és talán teoretikusabb) problémakör, hogy mennyire legyen emberi a problémamegoldó algoritmus, azaz milyen kiindulási adatok alapján tanuljon a rendszer. Lehet-e, szabad-e a joggyakorlatot, a meghozott döntéseket kiindulási alapnak venni, és ennek milyen következményei lennének. Ezek a kérdések külön-külön is megérnek egy önálló tanulmányt, ezért jelen fejezetben nem vizsgáljuk mélyebben.

Az MI megvalósításánál azonban számos plusz költséggel kell majd számolni, mind az informatikai mind a szervezési oldalon. Az informatikai költségek között az alábbiakat érdemes kiemelni:

  1. A törvények, az eljárások információs modelljének a kidolgozása
  2. A meglévő adatbázisok, adatforrások közös platformra alakítása
  3. Adatforrások tartalmának tisztítása
  4. A folyamatok logikai modelljének tisztázása
  5. Az IT rendszerek HW/SW komponenseinek implementálása
  6. Az MI/ML módszerek megtervezés
  7. Az MI/ML módszerek optimalizálása
  8. A felhasználói felületek kialakítása
  9. Az adatok folytonos karbantartásának kialakítása

A fentieken túl fontos a jogi szabályozás kialakítása, már csak azért is, mert a mesterséges intelligenciával kapcsolatos fejlesztések minden jogterületet érinteni fognak. Példaként említhető a szellemi alkotások joga, a termékfelelősségi szabályrendszer, a kibervédelem, az autonóm járművek jogi szabályai, illetve a tesztelési színterek jogi szabályozási környezetének vizsgálata és kialakítása is. A közigazgatási jog vonatkozásában kérdés lehet többek között a nyilvántartások fejlesztése által nyújtott lehetőségek feltérképezése, szükségességük vizsgálata, vagy akár a hatósági felügyelet során történő alkalmazásának lehetősége is.

4. Mesterséges intelligencia Magyarországon

Az Európai Unió és a magyar kormány az elmúlt időszakban a mesterséges intelligencia kutatására, fejlesztésére és gyakorlati alkalmazására kiemelt figyelmet fordított. Az Európai Unió a 2018-2020-as időszakban 1,5 milliárd eurót fordít az MI területére, amihez 20 milliárd eurót is elérő befektetés társul a magánszektorral való együttműködéseken keresztül. Az Európai Bizottság becslései szerint a versenyben maradás érdekében 2020-tól a befektetési kereteket tovább kell növelni. A becslések alapján az Európai Horizont és a Digitális Európa programokon keresztül ráfordított évi 1 milliárd euró mellett – a magán és állami szektor együttműködése által – további évi 20 milliárd euró szükséges. Az Európai Unió az MI etikus felhasználásának területén tekinthető éllovasnak, amit különböző fórumokon és bizottságokon keresztül igyekszik megvalósítani.[22] Az Unió fejlesztés iránti törekvéseit igazolja továbbá azon tény is, hogy MI-t is érintő jogi kérdésekkel már az EU általános adatvédelmi rendelete (GDPR) is foglalkozik.[23]

A magyar kormány a gazdasági versenyképesség megerősítésének céljából kívánja ösztönözni a hazai MI fejlesztéseket és megalapozni az MI elterjedését. Ezért 2018 végén létrejött az innovációs és technológiai miniszter által kezdeményezett Magyarországi Mesterséges Intelligencia Koalíció (a továbbiakban: MI Koalíció, MIK), ami fórumot biztosít a piaci, állami és akadémiai szereplőknek, illetve egyéb szakmai szervezeteknek, annak érdekében, hogy közösen határozzák meg a mesterséges intelligencia hazai fejlesztésének irányait és kereteit. A MIK fő feladata a mesterséges intelligencia témakörének kutatása és a magyarországi mesterséges intelligencia stratégia megalkotása. A MIK a tevékenysége során a mesterséges intelligencia tárgykörével kapcsolatos alapvető vizsgálatokat végez, akcióprojekteket és stratégiákat készít. Annak érdekében, hogy a működésük minél szélesebb területet fedjen le, hat munkacsoport[24] került megalakításra.

A Digitális Jólét Program keretében létrehoztak egy akciótervet, amelynek kiemelt célja a mesterséges intelligencia jelentőségére történő felhívás. Az akcióterv kiemelt céljai közé tartozik a mesterséges intelligencia jelentőségének tudatosítása a társadalmon belül, valamint a megfelelő működéshez és fejlesztéshez szükséges intézmények létrehozása és működtetése. A fentieken túl az MI-koalíció azt vállalta, hogy a lakosság egy százalékát bevonja a mesterséges intelligencia-képzésbe.[25] A MI stratégiában szerepet kap a kompetenciafejlesztés, az adatpolitika, az infrastruktúra és intézményi háttér fejlesztése, az alkalmazások ösztönzése, a kutatás és innovációs transzfer, valamint a szabályozás és a biztonságos használat kérdésköre egyaránt.

Magyarország MI stratégiája[26] három fő pillérből épül fel. Az első az alapozó pillér, amely gazdasági célokat fogalmaz majd meg, mint kompetencia fejlesztés, alkalmazások ösztönzése, szabályozás és etikai keretek létrehozása, valamint az infrastruktúra fejlesztése. A második blokk tartalmazza azokat a szektorokat, melyekre a fejlesztéseket fókuszálni kívánják. Ez egyrészt tartalmazza a konkrét gazdasági ágakat, mint agrárium, egészségügy és oktatást, másrészt a mesterséges intelligencia területén belüli fejlesztéseket, mint gépi látás, nyelvértelmezés, hálózatkutatás. A harmadik és egyben utolsó nagy egység a transzformatív projekteket összesíti, mint az autonóm közlekedés bevezetése, az egészség vezérelt digitális agrárium létrehozása, az automatizált ügyintézés magyar nyelven és az MI által támogatott személyes kompetencia fejlesztés.[27] A továbbiakban az egyes fejezetek bővebb bemutatására kívánunk áttérni.

4.1 Alapozó pillér

Elsőként az alapozó pillér főbb pontjait kívánjuk a teljesség igénye nélkül bemutatni. Az alapozó pillér a kompetenciafejlesztés célkitűzéssel indít, amely során a hatékonyságot javító lehetőségek és célok között szerepel a mesterséges intelligencia iránti érdeklődés felkeltése, a mesterséges intelligencia beépítése a köznevelésbe és a felsőoktatásba. Kiemelt cél az olyan szakemberek képzése, akik hozzájárulhatnak az MI fejlesztéséhez. A kompetenciafejlesztés legfontosabb jellemzője az „együtt tanulás”, vagyis, hogy a piac minden szereplője átlássa és megértse a mesterséges intelligenciában rejlő lehetőségeket.

A második pont a „Kutatás-fejlesztés-innováció” hármasa, melynek keretében létre kívánják hozni az MI Lab fejlesztést, hogy az alkalmazott alapkutatásokat együtt tudják kezelni és ezáltal szélesebb együttműködést biztosítsanak a különböző szereplők számára. A stratégia megalkotásánál az értéklánc gondolkodást tartják szem előtt, amely szerint az alapkutatás termékét „valaki használni fogja”, így szükséges az együttműködés az akadémiai szféra és a technológiai fejlesztési szféra kisebb vállalkozásai között.

Forrás:
https://hirlevel.egov.hu/2019/12/08/mesterseges-intelligencia-mi-orszagstrategia-alapozo-piller/

A harmadik pont az „Alkalmazások ösztönzése”. A stratégia megalkotásánál fontos szempont, hogy a kutatási eredményeket a gyakorlatban is felhasználják és alkalmazzák. Az ösztönzést három fő célcsoportnál kívánják végrehajtani. Az állami szektor került kijelölésre, ahol többek között a közigazgatási szolgáltatások igénybevételének egyszerűsítése és az elektronikus csatornák terjesztése egy lehetőség. A második nagy terület a KKV-k ösztönzése, amely érdekében egy kisokost terveznek készíteni, amely elősegítheti a vállalkozói réteg MI használatát. Harmadikként az alkalmazások általános ösztönzése a cél. Egy piactér létesítését kívánják megvalósítani, ahol számos alkalmazás megtalálható majd, így mindenki számára könnyen elérhetővé és átláthatóvá válnak a termékek.

Végezetül a szabályozás és etikai keretek megalkotása került kijelölésre, amelyben két nagy területet szükséges szabályozni: egyrészt az adatvagyon szabályozási környezetet, másrészt az MI szabályozási környezetet, amely során természetesen kiemelt cél a koherencia megteremtése az uniós joganyagokkal. Az alapozó pillér utolsó pontja az “Adatgazdaság beindítása”. A rövid távú célok között szerepel az adatok elérhetővé tétele, majd egy keretrendszer kialakítása, amely a magán- és közszférában egyaránt megjelenne és lehetőséget biztosítana hosszútávon az adatgazdasági körforgás megvalósítására. A kitűzött célok megvalósítása érdekében szükséges egy modern, innovatív elveket követő közadat stratégia, egy adatvagyon törvény megalkotása, valamint, hogy a témakörben megszülető ajánlások kompatibilisek legyenek a GDPR szabályaival.[28]

4.2 Második pillér

A stratégia második pillére a fejleszteni kívánt szektorok kijelölése mellett a mesterséges intelligenciát kettős szerepben vizsgálja. Egyrészt technológiaként kezeli, amelyben eredményeket kívánnak elérni, másrészt, mint hatékonysági elemet nevesíti, amely a különböző iparágak versenyképességének növelését segíti elő. Jelenleg még csak két terület – az agrárium és az egészségügy fejlesztései kerültek kidolgozásra.

Két éven belül azonban számos fejlesztést kívánnak végrehajtani az alábbi területeken:

  • DAS digitális kompetencia fejlesztés
  • DAS digitális agrár rezsicsökkentés
  • Okos Tesztüzemi Rendszer (SFADN)
  • Digitális Termésbecslés
  • Növényvédelmi előrejelzés
  • Digitális Termelői Piac (DTP)
  • Mezőgazdasági 5G tesztpálya
  • Szabályozás: mezőgazdasági drónhasználat és autonóm robotok alkalmazása

Öt éven belül pedig az alábbi terveket kívánják végrehajtani:

  • DAS Agrár Adat Keretrendszer
  • Nemzeti Élelmiszerlánc Adatszolgáltatási Központ
  • Digitális Élelmiszerlánc Kutatási, Fejlesztési és Innovációs Központ
  • Talajvédelmi szaktanácsadási rendszer
  • Erdészeti, halászati információs rendszer
  • Vízkínálatra vonatkozó vízügyi rendszer
  • Innovációs ökoszisztéma fejlesztése
  • Szőlő növényvédelmi rendszer

Az agrárium mellett a kijelölt szektorok között szerepel az egészségügy. Az egészségügy fejlesztése társadalmi szempontból kiemelt fontosságú. Alapvető problémát jelent azonban, hogy az egészségügyi adatok mesterséges intelligencia által történő felhasználhatósága eddig még tisztázatlan. A cél, hogy a rendelkezésre álló adatokat az etikai szabályok és megfelelő garanciák mentén képesek legyünk a mesterséges intelligencia rendelkezésére bocsátani. A mesterséges intelligencia egészségügybe való bevonása során lehetséges felhasználási területként jelenik meg a diagnózis felállítás, az adatalapú szűrések, a prevenciós célú elemzések, és a terápiás tervek felállításában történő támogatás. Ennek megvalósításához többek között elengedhetetlen a megfelelő mennyiségű és minőségű adatvagyon, az infrastruktúra biztosítása, a K+F projektek, valamint a módszert elfogadó betegek.

4.3 Transzformatív projektek, a harmadik pillér

A harmadik pillért a transzformatív projektek jelentik, amelyek között szerepel az autonóm közlekedés fejlesztése, az ahhoz szükséges a szabályozási és infrastruktúrális környezet megalkotása. A fentieken túl cél az egészségvezérelt élelmiszer értéklánc létrehozása, amely nyomon követi az élelmiszer útját a termeléstől a fogyasztásig folyamatos adatgyűjtés mellett. A stratégia kiemelt szerepet tulajdonít az ügyintézési folyamatok egyszerűsítésének. Az állami szektorban például személyre szabott szolgáltatásokat kívánnak nyújtani az állampolgárok számára, azonban természetesen az állami szektoron túl a piaci szektort egyaránt be kívánják vonni a fejlesztésekbe.

Forrás:
https://www.belfoldihirek.com/belfoldi-hirek/harom-pillerbol-all-az-mi-strategia

A mesterséges intelligencia működésének alapját az adatok adják. Adatgazdaság kérdéskörének szempontjából vizsgálva gyakran felmerül problémaként, hogy Magyarország viszonylag kis piac, amelyből kifolyólag más országokhoz viszonyítva lényegesen kevesebb adat áll rendelkezésre. A kérdés, hogy hazánk szempontjából ezen tény problémát okozhat-e? Annak érdekében, hogy ez a lehetséges hátrányunk minél kisebb mértékben jelenjen meg, megalkotásra kerül egy külön akcióterv az adatpiac tárgykörében. Az adatmennyiség terén megjelenő hátrányunkat a nemzetközi adatok felhasználásával tudjuk orvosolni, valamint cél, hogy az adattulajdonosok ismerjék fel az adatok értékét.

A tudatosítás az állami, a piaci szereplőket és a magánszemélyeket egyaránt érinti. Arra kívánják felhívni az érintett szereplők figyelmét, hogy sok szolgáltatásnál adattal fizetnek. A tudatosságot kell növelni, annak érdekében, hogy a kereskedelmi célok és érdekviszonyok egyértelművé váljanak mindenki számára, ennek érdekében meghirdetik az 1 millió polgár megszólítását célzó, valamint 100 ezer magyar ember alapfokú MI képzését kitűző AI Challenge programot. Elindult továbbá az MI Stúdió, a mesterséges intelligencia podcast, amely a legfelkészültebb szakértőket szólaltatja meg a témában. Fontos szempont a nyitottság és a tudatosság, mivel a mesterséges intelligencia egy eszköz lehet számunkra, amely az automatizálás által sok mindent át fog alakítani.[29]

Az alkalmazások ösztönzése, a kompetenciák fejlesztése és a kutatások támogatása mind-mind nagy mértékben támogatják az elérendő célokat. Üdvözítendő a hazai törekvések kapcsán, egyrészt, hogy a stratégia átfogó szemléletet tükröz, valamint, hogy a társadalom minden szereplőjét meg kívánják szólítani. A workshopok és a fórumok hozzájárulhatnak ahhoz, hogy az érintett szereplők közösen tanácskozhassanak és ezáltal egy szélesebb körű párbeszéd alakulhasson ki egy-egy stratégia létrehozása kapcsán. Mindent összevetve a legfontosabb lépés, hogy a szabályozási keretek megalkotására kerüljenek és egy megfelelő adatháttér álljon rendelkezésünkre. Egy átfogó ilyen rendszer felépítése azonban nem könnyű feladat.

Összegzés

A szakirodalmak és vizsgált gyakorlati tapasztalatok alapján megállapítható, hogy a mesterséges intelligencia rohamos tempóban alakítja át a mindennapjainkat, és ez az átalakulás exponenciális ütemben gyorsul. Az állami szektor feladata a nemzeti fejlesztési irányok kijelölése, a vonatkozó szabályok megteremtése és az MI által kínált lehetőségek integrálása a működésébe.

A mesterséges intelligencia segítséget nyújthat a kormányzás fejlesztésében. A kognitív alkalmazások lehetőséget biztosítanak a költségek csökkentésére, az elmaradt feladatok elvégzésére, minden megtesznek az esetleges hátrányok és lemaradások csökkentéséért és akár olyan feladatokat is képesek elvégezni, amelyeket korábban kizárólag emberek tudtak ellátni. Ilyen lehet például a különböző hamis tranzakciók felderítése, vagy a bűncselekmények elkövetőinek arcfelismeréssel történő azonosítása.

Az állami szektor számára jelentős előre lépést jelenthez a mesterséges intelligencia alkalmazása, azonban ehhez szükséges, hogy újradefiniálják a működési mechanizmusaikat. A mesterséges intelligencia a teljes döntéshozatali folyamatba és szolgáltatás tervezési folyamatba integrálható, így az adminisztrációs és a folyamatvezérelt feladatok automatizálhatóvá válnak. Az említett fejlesztések képesek javítani a közszektor hatékonyságát és csökkenteni a munkateher mértékét, valamint elősegítik a magánszemélyek és a piaci szereplők igényeinek felmérését is. Ennek köszönhetően a döntéshozók számára elérhetővé válnak a vélemények és igények, így hatékonyabbá válik a döntéshozatali mechanizmus is. Összességében megállapítható, hogy hazai szinten a mesterséges intelligencia iránti fejlesztéseket, mint globális együttműködést aposztrofálhatjuk – és nem úgy, mint egy versenyt – , amely során az érintett szereplők kooperációja valósul meg a hatékony fejlesztés érdekében.

Köszönetnyilvánítás

A kutatást az EFOP-3.6.2-16-2017-00007 azonosító számú, Az intelligens, fenntartható és inkluzív társadalom fejlesztésének aspektusai: társadalmi, technológiai, innovációs hálózatok a foglalkoztatásban és a digitális gazdaságban című projekt támogatta. A projekt az Európai Unió támogatásával, az Európai Szociális Alap és Magyarország költségvetése társfinanszírozásában valósul meg.

Ritó Evelin kutatása az Innovációs és Technológiai Minisztérium ÚNKP-20-3 kódszámú Új Nemzeti Kiválóság Programjának a Nemzeti Kutatási, Fejlesztési és Innovációs Alapból finanszírozott szakmai támogatásával készült.

 

 

Kovács László
egyetemi tanár,
Miskolci Egyetem

Czékmann Zsolt
egyetemi docens,
Miskolci Egyetem

Ritó Evelin
tanársegéd,
Miskolci Egyetem

 

[1] W. Wirtz, Bernd – Weyerer, Jan C. –Schichtel, Franziska T.: An integrative public IoT framework for smart government. Government Information Quarterly Volume 36, Issue 2, p. 334.

[2] Pagallo, Ugo: The Law of Robots: Crimes, Contracts and Torts. Dordrecht: Springer. 2013. doi:10.1007/978-94-007-6564-1

[3] Magrani, Eduardo: New perspectives on ethics and the laws of artificial intelligence. Internet Policy Review, 8(3). doi: 10.14763/2019.3.1420

[4] Jelen fejezet alapjául Russel, Stuart – Norvig, Peter: Mesterséges intelligencia – Modern megközelítésben. Panem Kft., Budapest, 2005. pp. 1017-1045. szolgált.

[5] McCarthy, John: Mathematical Logic in Artifical Intelligence, In: Daedalus Vol. 117, No. 1, Artificial Intelligence, 1988, pp. 297-300.

[6] Darab Tamás: A gépesített értelem. Vázlatok a mesterséges intelligencia filozófiájáról. Áron László, Budapest, 1991. pp. 5-10.

[7] Digital Biota2 1998. szeptember 10-13. – http://www.cyberbiology.org/sloman.html [2020.03.22.]

[8] Mesterséges intelligencia – http://ait.iit.uni-miskolc.hu/~dudas/MIEAok/MIea1.PDF [2020.04.22.]

[9] Tatai Gábor: Mesterséges intelligencia és határterületei. Interjúk kutatókkal. Kutor László interjú – Akadémiai, Budapest, 2007. pp. 121-128.

[10] Patrick Lin – Keith Abney – Ryan Jenkins: Robot Ethics 2.0: From Autonomous Cars to Artificial Intelligence, New York, Oxford University Press, 2017., 440. 40-44.

[11] L. Jason Anastasopoulos – Andrew B. Whitford: Machine Learning for Public Administration Research, With Application to Organizational Reputation, Journal of Public Administration Research and Theory, 29 (2019), 3., 491–510.

[12] Elek István: Az intelligencia spontán megjelenése – A digitális evolúciós gép, Budapest, ELTE Eötvös, 2015. 113. 21–24.

[13] Lásd még Auer Ádám: A mesterséges intelligencia egyes polgári jogi problémái (kézirat, 2020. július)

[14] Jelen fejezet alapjául Stuart Russell – Peter Norvig: Mesterséges intelligencia – Modern megközelítésben. Budapest, Panem , 2005. 1208. 1017-1045. szolgált.

[15] Alan Turing: Computing machinery and intelligence. Mind, LIX (1950) 236.. 433–460.

[16] Jenny Raggett – William Bains: Mesterséges intelligencia A – Z, Budapest, Akadémiai, 1994. 254. 10-13.

[17] Allen Newell – H. A. Simon: GPS, a program that simulates human thought. Lernende Automaten, R. Oldenbourg, Munich, Germany, 1961, 109-124.

[18] Apala Bhattacharya: Four ways for AI to change government – https://govinsider.asia/inclusive-gov/four-ways-ai-change-government/

[19] Centre for Public Impact: How to make AI work in government and for people –https://resources.centreforpublicimpact.org/production/2018/10/CPI-How-to-make-AI-work-in-government-and-for-people.pdf

[20] N. Bindu – Prem Sankar Chakkingal –Satheesh Krishnan Nair Kumar: From conventional governance to e-democracy: Tracing the evolution of e-governance research trends using network analysis tools. Government Information Quarterly, 36 (2019), 3., 385–399., 385–390.

[21] Helen Margetts: Rethink government with AI. Nature 568, 2019, 163-165.

[22] Amico, Alissa: A mesterséges intelligencia kormányzásának kihívása https://www.vg.hu/velemeny/a-kozgazdaszok/a-mesterseges-intelligencia-kormanyzasanak-kihivasa-2-1426081/ [2020.04.18.]

[23] Sartor, Giovanni: Artificial Intelligence: Challenges for EU Citizens and Consumers, pp. 4-7. [2020.06.19.]

[24] A hat munkacsoport működése az alábbi fő témakörök vizsgálatára és szabályozására terjed ki: alkalmazások – technológia – adatipar – nemzetközi kapcsolatok – oktatás – szabályozás és etika.

[25] Infotér Konferencia 2019. Balatonfüred – Dr. Palkovics László

[26]Magyarország Mesterséges Intelligencia Stratégiája https://digitalisjoletprogram.hu/files/6f/3b/6f3b96c7604fd36e436a96a3a01e0b05.pdf [2020.10.19.]

[27] Három pillérből áll az MI stratégia https://www.belfoldihirek.com/belfoldi-hirek/harom-pillerbol-all-az-mi-strategia [2020.04.26.]

[28] Mesterséges intelligencia (MI) országstratégia alapozó pillér https://hirlevel.egov.hu/2019/12/08/mesterseges-intelligencia-mi-orszagstrategia-alapozo-piller/ [2020.04.22.]

[29] Három pillérből áll az MI stratégia https://www.belfoldihirek.com/belfoldi-hirek/harom-pillerbol-all-az-mi-strategia [2020.05.02.]