Magyarázható AI, biztonsági kérdések és adversarial támadások | Thamó Emese | MLCast #14 Machine Learning Budapest

    • Mathematics

Thamó Emese Dunakesziről indult, az egyetemet már Cambridge-ben végezte, épp a PhD-jén dolgozik a Liverpooli Egyetemen és Amszterdamban is dolgozott már - de hogy sikerült mindezt elérnie, mi hajtotta, és hogy kötött ki végül a Machine Learning mellett? Kutatásának fő fókusza az AI-biztonság és a megmagyarázható modellek, emellett viszont beszélgetünk startupokról, adversarial támadásokról (amire egyikünk sem tudott elfogadható magyar fordítást kitalálni) és orvosi AI-ról is!   

0:00 - Bemutatkozás 

1:24 - Dunakeszi-Cambridge-Liverpool-Amszterdam és matematika szeretete 

3:24 - Innováció és AI külfödön - mit csinálhatnánk jobban Magyarországon? 

5:36 - Medical AI - mire jók és mire nem a jelenleg elérhető eszközök, módszerek? Pulzus, testhő, légzési gyakoriság meghatározása - videóról? Jogi megkötések, akadályok. 

10:35 - Várhatóak jogi változások a modellek széleskörűbb alkalmazásához? Hogyan lehet megoldani a jogi problémákat? 

13:33 - Emese kutatási témája - AI-biztonság. Mitől lesz megbízható egy modell? Hogyan magyarázzuk meg egy neurális háló működését? 

17:31 - Meg fogjuk valaha teljesen érteni egy-egy neurális háló működését? 

19:19 - Hogyan vizsgálahtó egy magyarázat "jó"sága? 

21:48 - Mit csinál egy "adversarial attack"? Hogy működnek ezek a támadások? Hogyan függ össze a magyarázhatóság és a modell hibái? 

24:16 - Emese kutatása, hipotézisei - támadás-detektorok és ezek magyarázata. 

25:59 - Modellek robosztussága - problémák 

27:43 - Startup-tapasztalatok és a Game of Dragons 

35:15 - Tervek a jövőre - milyen startupot indítana Emese Magyarországon? 

36:04 - Tippek és trükkök ha vállalkozni/freelancerkedni szeretnél! 

40:04 - Mit vár Emese az AI fejlődésétől a jövőben? 

41:58 - Emese elérhetőségei, kapcsolat  



Emesét megtaláljátok a LinkedInen: https://www.linkedin.com/in/emesethamo

Kutatói profilja a Liverpooli Egyetem oldalán: https://intranet.csc.liv.ac.uk/~themike/ 



©2020, minden jog fenntartva

Thamó Emese Dunakesziről indult, az egyetemet már Cambridge-ben végezte, épp a PhD-jén dolgozik a Liverpooli Egyetemen és Amszterdamban is dolgozott már - de hogy sikerült mindezt elérnie, mi hajtotta, és hogy kötött ki végül a Machine Learning mellett? Kutatásának fő fókusza az AI-biztonság és a megmagyarázható modellek, emellett viszont beszélgetünk startupokról, adversarial támadásokról (amire egyikünk sem tudott elfogadható magyar fordítást kitalálni) és orvosi AI-ról is!   

0:00 - Bemutatkozás 

1:24 - Dunakeszi-Cambridge-Liverpool-Amszterdam és matematika szeretete 

3:24 - Innováció és AI külfödön - mit csinálhatnánk jobban Magyarországon? 

5:36 - Medical AI - mire jók és mire nem a jelenleg elérhető eszközök, módszerek? Pulzus, testhő, légzési gyakoriság meghatározása - videóról? Jogi megkötések, akadályok. 

10:35 - Várhatóak jogi változások a modellek széleskörűbb alkalmazásához? Hogyan lehet megoldani a jogi problémákat? 

13:33 - Emese kutatási témája - AI-biztonság. Mitől lesz megbízható egy modell? Hogyan magyarázzuk meg egy neurális háló működését? 

17:31 - Meg fogjuk valaha teljesen érteni egy-egy neurális háló működését? 

19:19 - Hogyan vizsgálahtó egy magyarázat "jó"sága? 

21:48 - Mit csinál egy "adversarial attack"? Hogy működnek ezek a támadások? Hogyan függ össze a magyarázhatóság és a modell hibái? 

24:16 - Emese kutatása, hipotézisei - támadás-detektorok és ezek magyarázata. 

25:59 - Modellek robosztussága - problémák 

27:43 - Startup-tapasztalatok és a Game of Dragons 

35:15 - Tervek a jövőre - milyen startupot indítana Emese Magyarországon? 

36:04 - Tippek és trükkök ha vállalkozni/freelancerkedni szeretnél! 

40:04 - Mit vár Emese az AI fejlődésétől a jövőben? 

41:58 - Emese elérhetőségei, kapcsolat  



Emesét megtaláljátok a LinkedInen: https://www.linkedin.com/in/emesethamo

Kutatói profilja a Liverpooli Egyetem oldalán: https://intranet.csc.liv.ac.uk/~themike/ 



©2020, minden jog fenntartva