András Kalapos (BME TMIT): Önfelügyelt reprezentációtanulás komplex adatokon (in hungarian)

A reprezentációtanulás, vagyis adatokból magasabb szintű ismeret, „tudás” kinyerése a mesterséges intelligencia kutatásának egy kiemelt kérdése. Új, tudományos és társadalmi hasznosulás szempontjából is jelentős terület az önfelügyelt reprezentáció tanulás, amely a felügyelt tanuláshoz képest jóval nagyobb léptékű adatbázisokon, széles körben alkalmazható nagy modellek tanítását teszi lehetővé. Nagy nyelvi modellek tanításának mára alapeleme az önfelügyelt tanítás, és gépi látásban is több sikeres megközelítést publikáltak. Kevesebb kutatás irányul azonban arra, hogy a vizuális önfelügyelt előtanítással kialakított hálók összetett gépi látási feladatokon (pl. szegmentáció, objektum detekció) is jól alkalmazhatók-e; speciális képeken (pl. orvosi adatokon) is hasonló teljesítményt nyújtanak, mint általános képeken, valamint a háló architektúrájával szemben támasztanak-e igényt ezek az algoritmusok. Előadásomban áttekintem vizuális önfelügyelt tanulás területén publikált eredményeket, valamint kitérek az előbb felvetett kérdéseket vizsgáló saját kutatási eredményeimre.