A Microsoft által 2019-ben egymilliárd dolláros befektetéssel megtámogatott OpenAI kutatólabor publikussá tett terméke jött, látott, győzött. Mert ugyan hogyan is nevezhetnénk másképp azt a tényt, mely szerint a 2022. november 30-án a nagyközönség előtt is megnyitott ChatGPT chatbotja pár nap alatt már egymillió felhasználóra tett szert? A ChatGPT gyakorlatilag az első olyan, mesterséges intelligenciára épülő, megerősítő és felügyelt tanulással kiképzett eszköz, amely a világ kreatív és/vagy informatikával foglalkozó szakembereinek egy részében hihetetlen lelkesedést, kísérletezést váltott ki. (Ez alól természetesen más szakmák képviselői sem vonták ki magukat.)

Azóta csak kapkodjuk a fejünket, hogy mi mindenre használható a még tesztfázisban lévő algoritmus? Mivel a nem szakmai sajtó is egyre többet foglalkozik a témával, mi néhány komolyabb, a jövőt befolyásoló kérdés megválaszolásával kívánunk részt venni e diskurzusban.

Tényleg öntudatra ébredt MI-ről van szó?

Nem, ettől nagyon is távol vagyunk. A ChatGPT megdöbbentő outputja viszont épp az, hogy intelligensnek látszik. A válaszai, a megoldásai azt az erős benyomást keltik, hogy egy intelligens lény áll a válaszok mögött. Mi persze tudjuk, hogy ez nem mágia és nem varázslat: 175 milliárd szöveges paramétert (többek közt 8 millió dokumentumot és 10 milliárd szót) „etettek” meg a ChatGPT-t működtető, az OpenAI GPT-3.5 nevű algoritmusával, hogy a viszonylag gyorsan kiköpött, többnyire értelmes válaszok élethűnek tűnjenek. A mesterséges intelligenciát használó chatbot emberi visszajelzéseken alapuló megerősítő tanulásban, felügyelt finomhangolásban „vett részt”, a legújabb GPT-3 nyelvi modell (InstructGPT) pedig a cég szerint jobb válaszokat ad a felhasználók kérdéseire. Ez az egyik újdonság: a párbeszédes forma valóban intelligens lény jelenlétét árasztja a válaszokból, ráadásul a chatbot megjegyzi a beszélgetés korábbi tartalmát, így igazi dialógus jöhet létre a ChatGPT és az emberi felhasználó között.

A Microsoft erőforrásait használó ChatGPT képes arra, hogy egy ember által bevitt szövegre „kitalálja”, milyen szöveggel folytatható, kiegészítve azt, vagyis választ generál. Ezek a válaszok egyszer pontosak, máskor viszont bosszantóan pontatlanok. Az emberrel ellentétben viszont mindig magabiztosan válaszol, és az OpenAI humoros megoldásokkal is ellátta (például bocsánatot kér, ha helyreigazítjuk tárgyi tévedését).

A ChatGPT időbeli korlátja 2021 júniusa, ez után új adat nem került bele az algoritmusába (tehát 2022-es eseményekkel, adatokkal kapcsolatban ne zargassuk).

Miért lelkesek a kreatív szakemberek a chatbotot használva?

Nos, úgy tűnik, hogy minden olyan (rész)feladat, amely szöveg alapú, meggyorsítható a ChatGPT használatával. Miről is van szó? Brainstormingról, szövegírásról, és ez utóbbi minden alfajáról. Science fiction vagy éppen romantikus regényötletre vágyunk? Megírja. Ted Talk előadásra készülünk? Adjuk meg a témát, és kész a szöveg. Netán standupos babérokra törnénk? Találjuk ki a témát, és bár csetlő-botló módon, de kapunk egy alapszöveget. Hosszabb szövegnek szeretnénk a velejét megtalálni? Mi sem könnyebb ezzel.

Miért várnak visszafojtott lélegzettel a programozók?

Mivel a ChatGPT szöveg alapú, ezért programot is ír. Az első, ezzel kísérletező fejlesztők-programozók hihetetlenkedve mutatták meg a közösségi médiában a chatbot által írt programokat. Sokféle programnyelvet ismer már most is a program, és a kódokat meg is magyarázza. Úgy tűnik, a ChatGPT kitűnő eszköz egy megadott kódsor bug-jainak ellenőrzésére és fixálására is. Nem ez az első ilyen alkalmazás, amely erre képes (pl. ott a CodePilot is), de a ChatGPT-ben az a félelmetes, hogy erre is képes. Többen már azt vízionálták, hogy feleslegessé válhat a munkájuk a közeljövőben.

Jó-jó, de a ChatGPT akkor most tényleg elveszi a munkát?

Ez a helyes megfogalmazás. Bizonyos munkákat kivesz az emberek kompetenciája alól, de nem szünteti meg a munkahelyet. Mit jelent ez? Sokáig azt gondoltuk, hogy minél több kreativitás kell egy munkához, annál nehezebb lesz automatizálni. A sor elején a mezőgazdaság állt, azt gépiesítettük, majd jöttek az ipari termelőegységek, a gyárak, ahol szorgos robotkarok kerültek az emberek helyére. De hogy alkotó, értelmiségi munkaerő veszélybe kerül – ezt csak a távoli jövőben tudtuk elképzelni. Eddig.

A hatékonyság hajszolása miatt nem eretnek a gondolat, hogy kevesebb programozóra vagy tartalomgyártóra lesz szükség. A jó hír azonban az: mindig kell ember a ChatGPT és az utána jövő, hasonló megoldások működtetésére. Az ember az, aki kiadja a feladatot, és ember lesz, aki a végeredményt ellenőrzi és tovább gondolja.
A ChatGPT ugyanis nem érti és nem is fogja érteni az emberi kontextust, nem fogja fel, mi a nüansznyi különbség például a szerelem és a szeretet, egy Bach-kantáta és egy lakodalmas nóta között. Statisztikailag persze sorba rendezi a szöveget, de – ahogy egyes szakemberek állítják – „csak” egy okos, gyors papagáj, amely ügyesen „jósolja” meg, milyen szavak következnek egy adott szövegben.

A Microsoft keresője lenyomhatja a Google-t?

Iparági hírek szerint a Microsoft jó lóra tett, hiszen a világ érdeklődését felkeltő, általa is tőketámogatásban részesülő OpenAI chatbotja be fog kerülni a redmonti techóriás legfontosabb termékeibe, pl. az Office-ba vagy a Bing keresőbe. Ez azonban nem jelenti automatikusan az Alphabet végóráit – leginkább azért sem, mert a mesterséges intelligencia kutatásában mérföldkőnek számító Transformer mélytanulási modellt épp a Google Brain csapata alkotta meg 2017-ben. A paraméterezés szintjén az alphabetesek hasonló alkalmazása még többre lehet képes (nagyobb állományt dolgozott fel), de egyelőre még nem publikus a használata.

Mindenesetre, most ott tartunk, hogy alkalmazások egész sokasága szökkent szárba, amelyek a ChatGPT tulajdonságaira, használatára építenek. Szövegből képet, zenét, filmet, programot készíthetünk már most is. Az egyik leghíresebb példa a tavaly novemberben 125 milliós befektetésben részesülő Jasper, amely a ChatGPT mögötti technológiát használja, és rendkívül gyors szöveggenerálást ígér több mint 20 nyelven, de akár képeket is készít, ha szépen kérjük. A konkurens Copy.ai ugyancsak a ChatGPT megoldásaira épülő, marketingszövegeket automatikusan gyártó eszköz. Ezen kívül már most 100-nál is több alkalmazás igyekszik kihasználni az OpenAI chatbotjának előnyeit (és nyitott API-ját): a Wysa például mentális tanácsadást nyújt, az Osio-val nyelvet tanulhatunk, az Anima pedig nemes egyszerűséggel azt állítja, hogy MI barátnőnk lehet, amellyel (akivel?) jól el lehet beszélgetni. 
A távlatok szédítőek, izgalmasok, egyszerre reménykeltők és félelmetesek.

Az Andego 2011-es alapítása óta a hagyományos adatelemzési feladatok mellett nagy hangsúlyt fektetett az elemzések üzleti folyamatokba való integrációjára és arra, hogy a mindennapi üzleti problémákra új szemléletű megoldásokat adjanak, intelligens alkalmazásokat fejlesszenek. Így alakult ki a saját céginformációs szolgáltatásuk, a NEXT rendszer, mely a piacon egyedülálló funkcionalitásaival önállóan és üzleti folyamatokba integrálva is hatékonyan támogatja a csalásfelderítést, kockázatelemzést, sales- és marketingtevékenységet, a megalapozott döntéshozatalt.

„Az elmúlt években számos úttörő megoldást fejlesztettünk a mesterséges intelligencia és az adatbányászat területén, ezen felvásárlás célja is a még komplexebb termékek bevezetése. Hiszem, hogy a NEXT rendszerben rejlő lehetőségek a Clementine analitikai képességeivel kombinálva, az immár közös fejlesztések eredményeképpen hamarosan a piacon egyedülálló megoldásként jelenik meg.” – fogalmazta meg Körmendi György, a Clementine ügyvezetője.

A két társaság 2014 óta stratégiai partnerként dolgozott közös projekteken, ötvözve a Clementine hang- és szöveganalitikai fejlesztéseit az Andego céginformációs adatbázisával. Így képesek cégcsoportok meghatározására, kockázati tényezők és negatív események azonosítására, csőd score számítására vagy fiktív cégek detektálására is.
A Clementine csapata az Andego kollégáival már 20 főre bővült.

Szegény szén alapú tanárokat még az ág (AGI) is húzza. Nem elég ugyanis, hogy egy folyton változó világban kell az elismerésükért harcolni sok országban, ráadásul bejött a képbe a mesterséges intelligencia jelentette egzisztenciális veszély közelsége is. Aki szerint csak lázálom, hogy a homo sapiens helyét holmi élettelen algoritmusok veszik át, azok jobb, ha megbarátkoznak a gondolattal: az oktatás ügye, szerkezete globálisan is nagy változások előtt áll.

Dr. AI

2023. június második hetében különös hírt közölt a patinás egyetem még patinásabb napilapja. A The Crimson Harvardban ugyanis maga David Malan professzor jelentette be, hogy az egyetem első számú kódolási kurzusa, a CS50 (Computer Science 50: Introduction to Computer Science) új oktatót kap a programozók körében is népszerű ChatGPT személyében. Malan elismeri, hogy a mesterséges intelligencia – különösen a kezdeti szakaszban – alulteljesíthet vagy hibázhat, de a prof. azt állítja, hogy a mesterséges intelligencia segíthet csökkenteni a tanfolyam irányításával kapcsolatos emberi munkaterhet, és így több idő marad a hallgatók személyes mentorálására.

Hogyan történik mindez a gyakorlatban? Malan azt írta, hogy ősztől kezdve a hallgatóknak az AI segítséget nyújthat abban, hogy megtalálják a kódjukban lévő hibákat, visszajelzést adhat a hallgatói programok tervezéséről, az új programok elmagyarázhatják az ismeretlen kódsorokat vagy hibaüzeneteket, és válaszolhatnak egyéni kérdésekre is.

Így a tervek szerint a túlhajszolt és alulfizetett (ez áll a szövegben!) tanerő felszabadításával elérhetővé válik a kívánatos 1:1-hez tanár-diák arány is.

Tanárok után a vállalkozások, avagy az EdTech veszedelme

De nincsenek biztonságban a digitális, online oktatásban utazó startupok, vállalkozások sem. A kaliforniai székhelyű, előfizetéses modellen alapuló Chegg, a diákok házi feladatához digitális eszközöket kínáló vállalat részvényei áprilisban a felét érték a korábbinak. Az ok? A GPT-4 márciusi megjelenésével minden addiginál jobb lehetőség nyílt a tanulásra. Ebben a versenyben a Chegg előnye pillanatok alatt elolvadni látszott. Hasonlóan, igaz, nem ennyire rútul járt az itthon is elterjedt nyelvtanulást segítő alkalmazás, a Duolingo is: a sok nyelven perfekt OpenAI-termék ugyanis – igaz, kisebb mértékben, de – a Duolingo céges értékét is kikezdte.

Az egyik lehetséges válasz a csaknem egzisztenciális kihívásra a Chegg példája: létrehozták a GPT-4 API-ját használó CheggMate nevű terméküket.

A tanulás régi-új módja

Ezek az előjelek mind egy irányba mutatnak: az oktatás világa, metódusa a tömegoktatásról az egyéni megközelítés felé mutat. Kevesebb tanár, több algoritmus. A ChatGPT-re és más nagy nyelvi rendszerekre épülő modellek használatával a tanulás visszatérhet a kérdezz-felelek fázisába. Az emberi tanárnál készségesebb, sosem fáradó és nagy tudású (immár a legfrissebb netes találatokat is elérő) modellekkel saját tempóban folyhat a munka. A nyelvi alap miatt a „magyarázd el nekem a kvantummechanikát úgy, mintha egy 12 éves gyerek lennék” típusú megközelítés újfajta párbeszédet hoz létre a tudásra szomjas diák és a tudás tárgya között.

Ebben a szisztémában érdekes támogatást jelentenek például a ChatPDF-hez hasonló alkalmazások: ezek ugyanis képesek arra, hogy bármilyen feltöltött dokumentummal – például tankönyvvel – úgy chateljen az ember, mintha csak egy kivételes képességű tanárral tenné.

A kérdések finomítása, a tananyagban való elmélyülés olyan világ felé mutat, ahol a mentorálás áttevődhet az élettelen rendszerek felé, vagy – ahogy a harvardi példa mutatja – a diákok sokkal több figyelmet kaphatnak majd emberi tanáraiktól. Pont úgy, ahogy régen, amikor a nyugati világ forradalmát jelentő Universitasok először kialakultak: sok párbeszéd, interakció, mentorálás és minden addiginál erősebb elmélyülés formájában.

sajtó csomag

Letöltés

SAJTÓKAPCSOLAT

Bitcoin, i2 és ClemNext: 3 téma, 3 előadásban

• További hírek

• Legfrissebb hírek

Márciusban, a járványintézkedések első hetében a világ különböző pontjain élő, régen látott barátokkal beszélgettünk a lehetséges jövőről. Nagyon kevés információnk volt még arról, hogy mi várhat ránk, mégis órákon át próbáltuk elemezni a helyzetet, és kitalálni a jövőt. Bátorságunk nem ismert korlátokat. Még a magyar gazdaság teljesítményével kapcsolatos várakozásainkat is számszerűsítettük, GDP-előrejelzéseket tettünk. Módszerünk nem volt szofisztikált, de a góltotóhoz hasonlóan számon kérhető: egyvalaki lesz közülünk a járványügyi GDP jóslás bajnoka.

Rengeteg oka van a komoly előrejelzés nehézségének. Például már akkor is jól látszott, hogy egyes társadalmak mennyire máshogy kezelik a helyzetet, mint a magyar. Az ilyen reakciók sokkal inkább származhatnak a múltunkból, mint az aktuális helyzetértékelésből.

Mindeközben a vírushelyzettől függetlenül a szakmánkban, az adattudomány területén tovább folyik a 60-as évekbeli űrversenyhez fogható vetélkedés. Jelenleg az OpenAI által fejlesztett -egyelőre csak a kiválasztottak számára elérhető- GPT-3 algoritmus borzolja a kedélyeket. Az algoritmus gyakorlatilag tetszőleges témában és tetszőleges stílusban képes folyó szöveget alkotni, ami valóban komoly áttörésnek tűnik számos beszámoló alapján. Felteszünk neki egy kérdést, és kerek választ kapunk eredményként. Vagy megadjuk a fogalmazás témáját, és hamarosan egy formailag korrekt, hosszú irományt olvashatunk. Az első, bölcsész-filozófus tesztelők mindenesetre az általuk megadott kérdésekre számos lenyűgöző, és néhány viccesen téves választ mutattak be. Ezek között számos egészen hosszú, látványosan kerek fogalmazás is szerepelt. Persze jelenleg csak angolul, angol nyelvű tartalmakon, szóval ne tőle várjunk új novellákat vérbő mikszáthi stílusban a magyar politikáról.

Ez az algoritmus nem tesz mást, mint a beletáplált sok könyvtárnyi szöveg alapján a kérdésekhez legjobban illeszkedő szövegek összefűzésével új szöveget készít. Ezt persze minden korábbinál látványosabban, simábban és meggyőzőbben teszi, valószínűleg számos tantárgy egyetemi vizsgáján megfelelne. Az biztos, hogy sok területen használható lesz, például a keresőoptimalizálás miatt gyártott technikai szövegek előállításában várható a forradalom. Csináltak vele viccből egy életstílus tanácsadási blogot, ahol olyan ügyes kattintásvadász címeket kreált az algoritmus, hogy az aktivitási lista élére repítette, az egyébként korrekt, bár kicsit fura és semmitmondó posztokat.

Azonban látnunk kell, hogy a GPT-3 valójában nem alkot újat. Nincs egyetlen sora sem, amelyet ne lehetne visszavezetni a hatalmas adatbázisában, korpuszában található szövegmorzsákra. Ismerete annyi, amennyit beletápláltunk. Márpedig minden tudomány és művészet lényege az új alkotása. Ez az algoritmus rekombinálja a régi tudást, amiről nagy jóindulattal akár azt is mondhatnánk, hogy létrehoz egy látszólag újszerű dolgot, viszont nem tudja megítélni, megérteni ezt, működése nem cél vezérelt. Nem tudja például, hogy válasza ámulatot, vagy éppen nevetést fog kiváltani a kérdezőből.

Sokak szerint viszont a mesterséges intelligencia új szintre lépett. Megint jöttek az erőteljes megfogalmazások, komolynak szánt cikkek elemzik, hogy mennyiben lehet ennek az algoritmusnak öntudata. Mivel ezek az algoritmusok borzasztóan komplexek, az ezeket felépítő mélyneurális háló struktúrák pedig nagyrészt kibogozhatatlanul bonyolultak, ezért nem értjük a pontos működésük elemi részleteit. Mivel bizonyos fokig hasonlítanak a saját agyunk hálózataira – már amennyiben azok is nagyon bonyolultak, és azok működését sem értjük alaposan- ezért vélik néhányan máris, hogy algoritmusok is tudatosak. A belső kapcsolatok száma, azok komplexitása eléri egyes férgek szintjét, márpedig egyes filozófusok szerint azoknak is van tudatuk.

A mai mesterséges intelligencia algoritmusok bámulatos dolgokra képesek: autót vezetnek, szövegeket fogalmaznak helyettünk, majd pihenésképp púposra vernek bennünket kedvenc logikai játékainkban.

A számítógép képességei számos területen túlszárnyalják az embert, ezért hoztuk létre. De soha, semmilyen szempontból nem tudatosul benne az általa alkotott eredmény. Nem lesz vidám egy sakkpartit követően egy látványos csellel beadott matt után. Az ilyesfajta esztétikai érzék talán tanítható lesz. De mi van azokkal az esetekkel, amelyeket nem tartalmazott az adatbázisa, mi több, azok alapján szimulálhatatlan volt? A GPT-3 legalább annyira megmutatja a jelenlegi használt mélyneurális hálós technológiák korlátait, mint lehetőségeit.

Vajon hogyan, mi alapján jövendölt volna a GPT-3 márciusban a járvánnyal kapcsolatban? Mit írt volna a gazdaság alakulásáról, amikor még nem állt rendelkezésére számos, csak később megjelent cikk. El tudta volna választani a bizonytalan féligazságokat az utólag lényegesnek bizonyuló információktól? Nyilván nem. És még nagyon sokáig nem is fogja. Érdemes ezt világosan látni, és kétkedve fogadni a divatos szemfényvesztést.

A jövő év biztosan más lesz mint 2020, és biztosan más lesz, mint a korábbiak. Visszatérünk a normál életünkhöz, amelyik már nem lesz ugyanolyan, mint korábban. Az algoritmusok új területeken kezdenek működni, egy kicsit jobban megértjük a korlátjaikat meg a veszélyeiket is. Akad tennivalónk nekünk is kollégáimmal az új évben bőséggel, de lesz energiánk és erőforrásunk az új ötleteink megvalósítására is, hiszen egy izgalmas szakmát választottunk. A Clementine-nal szeretnénk mindenkinek nyugodt ünnepeket, valamint boldog, és tervszerű új évet kívánni!

Körmendi György
Ügyvezető

Valamikor róla szóltak a hírek, vele volt tele a sajtó. 2011-ben az IBM elképesztette a világ erre fogékony részét, amikor a rendkívül népszerű, ikonikus amerikai kvízműsorban Watson, a szuperszámítógép legyőzte az emberi játékost. 200 millió oldalnyi dokumentumon hízlalt tudása legyőzöttet csinált a két addigi legjobb játékosból is. Egyesek a történelem végét, a szakmák eltűnését, a társadalom gyors átalakulását vízionálták. Ma mégsem róla szólnak a hírek, hanem a ChatGPT-ről, és a generatív MI-vel van tele a sajtó.

Mi történt Watsonnal?

Sakk-matt

Watson diadalmenete nem az első volt a sorban. Túl voltunk már az 1997-es sokkon, amikor is a sakktörténelem talán legnagyobb alakját mattolta egy többjátszmás küzdelemben a Deep Blue, az IBM sakkprogramja. Kaszparov fiaskója után tehát elegendő időnk volt felkészülni a mesterséges intelligencia, a speciális algoritmusok újabb térnyerésére.

De a Watson szereplése után a várt diadalmenet elmaradt. Habár az ígéretek szerint például az onkológiában vártunk tőle áttörést, azáltal, hogy az orvosokat segíti a leletek kiértékelésében és a kezelésre tesz javaslatot, nem vált be a készítők feltételezése. Sőt, 2013-ban a texasi Egyetem rákközpontjában a watsonos pilot projekt több mint 60 millió dollár ráfordítása után sem váltotta be a hozzá fűzött reményeket. A Watsonra építő spin-off egészségügyi vállalatát az IBM el is adta 2022-ben. A rákbetegség eltörlésének reményéből így lett ez a próbálkozás a bukott startupok könyvében egy újabb fejezet.

Futott még

Nincs arról szó, hogy véget ért volna a története, csak éppen mások játsszák most a főszerepet. Amit az IBM szeretett volna megvalósítani az a mesterséges intelligencián alapuló platform, platformgazdaság. Eközben az MI-alkalmazások élvonalába az Alphabet, az Amazon, a Meta és a Microsoft kerültek – plusz az a számtalan kisebb cég, amelyek szemben az IBM-mel, sokkal szűkebb területen próbálnak üzletileg és technológiailag is értelmezhető megoldásokat szállítani.

A Watson jelentősége abban áll, hogy már akkor hatalmas mennyiségű szöveg feldolgozásában gondolkodtak, de a kimenet nem lett olyan izgalmas, mint most a ChatGPT-jé vagy a nagy versenytársnak ígérkező Bard-é.

De a történetnek még nincs vége, sőt.

…a király visszatér?

A 2023-as éves Think konferenciáján jelentette be az IBM a watsonx-et. Ez „egy új platform, amely eszközöket biztosít a mesterséges intelligencia modellek létrehozásához, és hozzáférést biztosít előtanított modellekhez, melyek a számítógépes kódok és szövegek generálására képesek.” A Techcrunch szakújságírója jól megragadta a lényeget, de rámutatott arra is, hogy: hé, nem ugyanezt kínálja a piacon már erősebb pozíciókkal rendelkező Sagemaker Studio (az Amazontól), a Vertex AI (a Google-tól), vagy a nagy játékos, az Azure AI Platform (a Microsofttól)?

Az IBM válasza ezt árnyalni próbálja: szerintük ugyanis ez az egyetlen olyan eszköz a piacon, amely vállalatok számára kifejlesztett modelleket és költséghatékony infrastruktúrát ígér.

Gyakorlatilag egy MI fejlesztési platform, amely hozzáférést biztosít az IBM által előtanított modellekhez és egy olyan eszközkészlethez, amely lehetővé teszi a modellek konkrét üzleti célokra történő finomhangolását.

Az IBM hét watsonx-modellel kívánja megtámadni versenytársait, és a cél érdekében még olyan feltörekvő névvel is kooperál, mint az algoritmusok ezreit fejlesztő Hugging Face.

Érdekes lesz nézni a nagyok – az egykori, de trónjáról letaszított győztes, és a többiek – küzdelmét az MI arénájában. A Watson sztorija mindenesetre jó mementó arra, hogy elgondolkodjunk a vágyak és a realitás néha fejbekólintó összeütközésén.

Kedves Olvasók! Jó reggelt, híreket mondunk:

• Az USA becslések szerint közel évi 10 milliárd dollárt költ különböző mesterséges intelligenciatechnológiákkal kapcsolatos kutatásokra, az EU költése nem éri el ennek az ötödét.
• Kína megelőzte a mélytanulás témájú publikációk számában az USA-t.
• Az IBM rendszere az adatok értelmezése után a rákkezelés mikéntjére tesz ajánlatot, többen azzal támadják a rendszert, hogy még kiforratlan.
• Az Amazon nemrégiben jelentette be automatikus boltját: ott a gépek döntik el, hogy tolvajok vagyunk-e vagy sem?
• Súlyos baleset történt a Tesla/Uber/Google/… önvezető autójával.
• Brüsszelben, az Európai Parlamentben robotok jogi személyiségével kapcsolatos szabályozást terveznek.

A felsorolt hírek sokféle érzést váltanak ki a különböző hallgatókból. A legtöbb embert lenyűgözi vagy megijeszti, hogy a gépi automaták mindennap újabb területen múlják felül az embert. Aki régóta foglalkozik az MI valamelyik részterületével, az valószínűleg leginkább bosszús lesz. Laikus, vagy éppen manipulatív hírszerkesztés, blődli, pontatlan fogalmazás. Bár az utolsó hír tulajdonképpen megmosolyogtató…
Ha az olvasónak is furcsa, hogy az EU-bürokraták is robotjogokat fogalmazgatnak, akkor joggal gyanakodott, ma még nincs olyan gép, és a közeli jövőben nem is lesz, amely képes lenne erre. Nincs egyébként valódi társalkodó robot sem, vagy munkáját magára hagyva végző recepciós robot, bár a teljesen autonóm, önvezető járművek bevezetéséhez közel kerültünk. A következő években, évtizedekben a mai folyamatokat jelentős mértékben gépi automatizmusok fogják kiváltani, és az emberi döntések helyét egyre nagyobb mértékben gépi döntések fogják átvenni. Valójában ez a folyamat már régóta zajlik, és számos döntést már ma is gépek hoznak.

Gépi döntések – gépi hibák

2010. május 6-án, a New York-i tőzsdén egy hirtelen esés következett be, amit úgy is ismernek, hogy 2.45-ös villámkrach, mindössze néhány percig tartott, és közben a tőzsdemutató 9 %-ot zuhant, majd szinte azonnal vissza is ugrott. Bár az okokat természetesen vizsgálták, de nem tisztázta azokat teljesen a SEC vizsgálata sem, így sokan az algokat gyanítják a háttérben. Az algo olyan algoritmus, amely gyors egymás utáni (magas frekvenciájú) kereskedésre alkalmas. Egyes tőzsdei kereskedési típusokban ma már meghatározó ezeknek a HFT-eszközöknek a használata. Annyira meghatározó, hogy ma már nem lehet elképzelni nélkülük a tőzsde működését. Ilyenkor néhány perc alatt hatalmas portfóliók rendeződnek át, egyesek sokat nyernek, mások vesztenek. Ki a felelős a tőzsde ilyen zuhanásáért? Ha valóban az algok, akkor az a felelős, aki programozta őket? Vagy az, aki üzemelteti? Vagy az, aki a piac működését szabályozza? Botrány alakul ki, amikor egy gép olyan döntést hoz, amely mögött valami hátsó szándékot, rejtett szándékot, előítéletet sejtünk. Ráadásul joggal sejtünk „előítéletet”, hiszen a gép valamilyen nagy mintán, statisztikai alapon hozza az ítéletet. Ilyen, amikor egy gépjármű-biztosítási modellben felbukkannak az adott ügyfél nemével, korával, vagy szociokulturális jellemzőivel kapcsolatos adatai. Vagy ilyen, amikor egy komment robot vagy a Facebook automatája olyan döntést hoz, amely előítéletesnek tűnik. Sajnos ma nagyon jellemző az a képmutató magatartás, ami a gépet hibáztatja ezekért a döntésekért, pedig a gép csak megoldotta azt a feladatot, amit adtunk neki. Az adatjogi problémák miatt mostanában komolyan megcibált Facebook az álhírgyártókkal, a félrevezető reklámokkal és a trollokkal is komolyan küzd. Ők például sikertelenül próbáltak gépi algoritmusokat használni moderálásra, ezért visszatértek az emberi cenzorokhoz, akiknek 1000 posztot kell minősíteni óránként. Az három és fél másodperc döntésenként. Biztos, hogy ezalatt jobb döntést hozunk, mint egy gép? Vagy inkább arról van szó, hogy a Facebook nem akar egy újabb konfliktust felvállalni? Várhatóan számos területen a robotok jobbak, gyorsabbak, pontosabbak lesznek, mint az ember, de nem lesznek tökéletesek, ezért senki nem akarja vállalni a ritka, de kiszámíthatatlan hibáikat.

A rendszer jelenleg a neurális mintázatok alapján csak akkor működőképes, ha a vizsgált személy valójában beszél – tehát hangosan ki is mondja a mondatokat. A szakértők azonban úgy vélik, a jövőben ez a technológia segítségére lehet a beszélni és gépelni képtelen – mint például a bezártság-szindrómában szenvedő - emberek számára.

“Ugyan még nem tartunk ott, de úgy gondoljuk, ez a rendszer lehet majd a beszédprotézis alapja” – vélekedik Dr. Joseph Makin, a Kaliforniai Egyetemen készült kutatás társszerzője. 

A Nature Neuroscience folyóiratban Dr. Makin és kollégái bemutatták, hogyan fejlesztették ki a rendszert: elsőként 4 olyan személy vett részt a kutatásban, akiknek epilepsziás rohamaik monitorozására elektródákat ültettek az agyába. 

A résztvevőket arra kérték, hogy hangosan olvassanak fel 50 előre meghatározott mondatot több alkalommal is. A mondatok között olyanok szerepeltek, mint a „Tina Turner egy popénekes” vagy az „Azok a tolvajok elloptak 30 ékszert” – a kutatócsoport tagjai pedig beszéd közben monitorozták az alanyok agyi aktivitásait. 

A begyűjtött adatokon egy gépi tanulási algoritmust tanítottak, amely az aktivitásokat számsorokká alakította minden egyes mondatnál. Ezt követően a számsorokat a rendszer második részébe táplálták, amely szóláncokká alakította az adatokat. 

A rendszer elsőre teljesen értelmetlen mondatokat adott vissza – azonban ahogy összehasonlította az általa felismert szóláncokat a ténylegesen felolvasott mondatokkal, fejlődni kezdett. Megtanulta azt is, hogyan viszonyulnak a számsorok a szavakhoz, és mely szavak követik egymást nagyobb valószínűséggel. 

A csoport tesztelte a rendszert, amely immár képes volt szöveget létrehozni a megfigyelt agyi aktivitás alapján. Az eredmény közel sem volt tökéletes – rengeteg mondat helyett teljesen abszurd, már-már vicces verziókat fordított.

Mindezek ellenére a rendszer jóval pontosabban dolgozik, mint a korábbi megközelítések. Míg a pontossága alanyról alanyra változó volt, akadt köztük olyan is, akinél minden egyes mondat mindössze 3%-ánál volt szükség korrekcióra - ez az arány a professzionális (emberi) fordítóknál is 5% körül mozog. 

A kutatócsoport nem győzi azonban hangsúlyozni, hogy - az emberekkel ellentétben - a rendszer csak kis elemszámú mondatkészlettel képes dolgozni, hiszen nagyrészt a meghatározott mondatok kombinációjának és az angol nyelv általános mintáinak felismerésén alapul. 

Azt is megállapították, hogy az algoritmus egy alany adataival való betanításának köszönhetően kevesebb adatra van szükség a végfelhasználók részéről – ezzel jelentősen megkönnyítve a betanítási folyamatot a jövőbeli páciensek számára. 

Dr. Christian Herff, a Maastrichti Egyetemről ugyan nem vett részt a kutatásban, de a terület szakértőjeként izgatottan tekint az eredményekre. Azért tartja ígéretesnek a rendszert, mivel az kevesebb, mint 40 percnyi betanítási adatot igényel résztvevőnként egy meghatározott mondatkészletre – a korábbi megközelítésekkel pedig tipikusan órák millióira volna szükség.

Rávilágít viszont arra a tényre is, hogy a rendszer egyelőre nem alkalmas a súlyos állapotban lévő páciensek számára, hiszen olyan agyi aktivitásokra támaszkodik, amelyek a mondatok hangos felolvasásával rögzíthetők. 

A professzor szerint a közeljövőben nem kell amiatt aggódnunk, hogy bárki képes lenne olvasni a gondolatainkban – hiszen elektródák beültetésére van szükség, valamint az elképzelt beszéd és a „belső hangunk” teljesen más agyi aktivitásokkal jár. 

Egyes szakértők felhívják a figyelmünket arra is, hogy a kutatás és a rendszer etikai kérdéseket is felvet. Ugyan nagyon, nagyon messze járunk még attól, hogy a számítógépek olvassanak a gondolatainkban - ez azonban nem azt jelenti, hogy nem is kell rá felkészülnünk. 

A cikk eredetileg a www.theguardian.com-on jelent meg.

A mesterséges intelligencia ma már mindenhol ott van. Napjainkban tanúi lehetünk a felügyelt tanulás forradalmának: megtanítjuk a számítógépeket arra, hogy felismerjenek különböző mintákat – úgy, ahogy gyermekeinket is megtanítjuk olvasni. Azonban a MI jövője olyan számítógépes rendszereken múlik, amelyek maguktól is képesek tanulni, felügyelet nélkül.

Amikor egy édesanya rámutat egy kutyára és azt mondja gyermekének: „Nézd a kutyust!”, a gyermek megtanulja, hogy hívjuk a szőrös, négylábú barátainkat – az a felügyelt tanulás. Viszont amikor a gyermek feláll, majd újra és újra elesik, amíg meg nem tanul járni – az már egy egészen más jelenség.

A számítógépek is nagyon hasonlóan működnek. Ahogy mi, emberek nagyrészt megfigyelés és próbálkozás által tanulunk, úgy a számítógépeknek is túl kell lépniük a felügyelt tanulás fázisán azért, hogy ténylegesen elérjék (elérhessék?) az emberi intelligencia szintjét.

„Szeretnénk az olyan rendszerektől, amelyek rengeteg emberi tudást és manuális tanítást igényelnek elmozdulni az egyre inkább öntanuló rendszerek irányába (olyan irányba, ahol már egyre önállóbbak lehetnek)” – állítja David Cox, az MIT-IBM Watson AI Lab egyik igazgatója. Egy felügyelet mellett tanuló rendszer elolvashatná az összes könyvet a világon, de még akkor sem érné el az emberi intelligencia szintjét, hiszen a tudásunk (olyan) nagy része sosem lett leírva – tette hozzá.

A felügyelt tanulás címkézett adatokra támaszkodik: képi, hang- és szövegadatokon, amelyet emberek tömkelege készít elő - ezt tanítjuk meg a rendszereknek, ezáltal pontosan tudják, mit kell keresniük. Az algoritmus így könnyedén felismeri az emberi alakokat és biciklis közlekedőket az utcai forgalomról készült fényképeken – a képek milliói után pedig már bármikor felismeri azt, aminek keresésére betanítottuk.

A felügyelt tanulásnak azonban viszonylag erős korlátot szabnak a betanításhoz használt adatok és azok elképesztő mennyisége. 

Azok a módszerek, amelyek nem támaszkodnak ilyen pontos emberi felügyeletre, kevésbé kutatottak és háttérbe szorulnak a felügyelt tanulás eredményei és alkalmazási területei mellett – az önvezető autóktól kezdve egészen a nyelvek egyre pontosabb fordításáig. Ezzel szemben felügyelt tanulás mellett a számítógépek még mindig sok olyan dologra sem képesek, amelyek akár egy kisgyermek számára is egyszerűnek bizonyulnak. 

Ennek eredményeképpen a szakma élén járó tudósok most a kevesebb felügyeletet igénylő módszerek felé fordulnak, amelyeknek lehetséges formája az önfelügyelet, és az ehhez kapcsolódó módszerek – például az input egy részének rekonstruálása, majd újra felépítése.

További lehetőséget rejt magában a minimális felügyeletet igénylő megerősítő tanulás is, amely – az emberekhez hasonlóan – jutalom által segíti elő a fejlődést, ez a stratégia pedig bizonyos cselekvésekre ösztönzi és tanítja a rendszereket.

A mesterséges intelligencia területén tehát újabb áttörések várhatók – mi pedig kíváncsian figyeljük a fejleményeket, saját fejlesztéseinkkel pedig igyekszünk hozzájárulni az alkalmazási területek bővítéséhez.

0% programozói tudás, 100% játékok

Javi Lopez, egy spanyol befektető és AI evangélista nem várta meg, míg körmére ég a GPT-4 alakú gyertya. A képzavarból kikecmeregve, a történet lényege egyszerű és fenomenális: a programozói tudással nem rendelkező szakember pusztán az Open AI március 14-én bemutatott újabb algoritmusának használatával tulajdonképpen már aznap, 30 másodperc (!) alatt megírt egy TETRIS-játékot HTML-ben és Javascriptben. A helyes kifejezés persze a „megírt” helyett inkább az: „megíratott”, hiszen a GPT-4-gyel történő párbeszéd, a beírt promptok hatására állt elő villámgyorsan ez a rövid, de működő kód. De akadt olyan, aki még ennél is tovább ment.

A dizájnmenedzser Ammaar Reshi ugyancsak még idén márciusban, a friss, ropogós GPT-4, valamint a Replit, a Midjourney, a Claude, vagyis egy seregnyi AI segítségével újraalkotta gyermekkorának egyik kedvenc 3D-s lövöldözős játékát, a SkyRoads-ot. A trükk? „Csak” annyi, hogy Reshi egy árva kódsort sem ért a 3D-s programozáshoz, viszont kiválóan dirigálta a mesterséges intelligencia eszközeit. (Az egész folyamat jól dokumentálva végigkövethető itt.)

Lufi, veszély vagy áldás?

Áprilisban a Stanford Egyetem kutatóinak egy csoportja, a Google-lel karöltve bemutatta a Smallville névre keresztelt virtuális világot. A kísérleti projekt célja az volt, hogy AI segítségével egy, a The Sims-hez hasonló, de okosan, önállóan működő karakterekből felépülő világot teremtsenek. A művi szereplők ráadásul elég intelligensen, sokféle témában beszélgethetnek egymással. A tanulmányban bemutatott, 48 órán át tartó szimuláció nem volt olcsó mulatság, hiszen 5000 dollárnyi GPT-tokent égetett el, és a végeredmény meg sem közelíti az olyan emberi csúcsteljesítményt, mint amilyen például a Human: Detroit című játék.

Az iparági szakembereket kérdezve a válaszok nagyjából egy irányba mutatnak. Eszerint – ahogy például más kreatív munkákban is – jól láthatóak a nagy nyelvi modellek vagy text-to-video alkalmazások korlátjai: ember kell az inputhoz, a megítéléshez és a finomításhoz, illetve nagyon sok részfeladatot (nincs rá jobb szó) az AI-k elég bénán hajtanak végre. Döcög a szöveg, az ötlet, a narratíva, úgy érezni, hogy ezt nem egy világszínvonalú cég készítette.

Mindenesetre a nagy szereplők egyike, a francia Ubisoft az elsők közt szeretne lenni a technológia alkalmazásában és kiaknázásában. Ezért hozta létre házon belül a Ghostwriter nevű mesterséges intelligenciát, amely elsősorban az úgynevezett NPC-k (Non-Playable Characters) párbeszédeit érinti: ezek azok a videojáték-szereplők, amelyeket nem az ember mozgat, de színesítik a játékot. Az Ubisoftnál úgy vélik, hogy léteznek kisebb, időigényesebb feladatok, amelyeket az AI gyorsabban megold, és az embereknek így több idejük marad a fontosabb munkafolyamatokra.

Az innováció természetesen sok játékfejlesztőnél kiverte a biztosítékot. Ellenkezésük a következő két pontban foglalható össze:

• az ilyen eszközökre fordított összeget inkább további emberek felvételére költsék,
• sokszor az AI által recsegősen megírt párbeszédeket és kódsorokat egyszerűbb az embereknek a nulláról megalkotni, pont az AI kontextust nem ismerő hiánya miatt.

Ahogy látható, ebben az iparágban is a kísérletezés, az optimalizálás zajlik. Ahogy a játékfejlesztésben használt AI-k is egyre jobban fognak muzsikálni, úgy várható, hogy az ezzel kapcsolatos társadalmi-jogi vélemények, a reakciók is egyre pontosabbak lesznek. Ahogy a digitális világ előttről származó mondás is tartja: fontos, hogy a kecske is jóllakjon és a káposzta is megmaradjon.

Hogyan lehet egy kimondottan emberekkel foglalkozó területre a mesterséges intelligenciát beépíteni? Az eddigi fejlemények egyszerre bíztatóak és felemásak. Annyi azonban biztos, hogy még csak az út elején járnak az MI és a HR összehozásán dolgozók, még akkor is, ha sok lehetőséget rejt ez a nem mindennapi párosítás.

MI, te szexista lettél!

Az ilyen epizódokra a mesterséges intelligenciák tervezésével foglalkozó közösség fejcsóválva, a hétköznapi ember pedig értetlenkedéssel reagált. A hír még ChatGPT előtti időkből származik, de még ma is visszhangzik, mivel az Amazonhoz kötődik. 2014-ben az online piactér óriása ugyanis nemes céllal kezdett MI fejlesztésébe: egy csapatot hozott létre, hogy megalkossanak egy olyan mesterséges intelligenciát, amely a hozzájuk jelentkezők tömegéből elfogulatlanul választja ki a legrátermettebbet. Az elképzelés szerint a férfiak dominálta munkaerőpiac igazságtalanságát jól orvosolná egy gépi tanuláson alapuló rendszer, amely a nemek ismerete nélkül rangsorolja az adott állásra beérkező pályázatokat, egytől ötig értékelve azokat.

Azonban 2015-ben kiderült: az MI sem semleges. Ennek oka a bevitt adatokban keresendő: a legutolsó 10 év felvettjeiből mintát képező algoritmus a férfiak dominálta munkaerőpiaci sajátosságokat figyelembe véve semlegesen a férfi jelentkezőket részesítette előnyben. Büntette azokat az önéletrajzokat, amelyekben a „női” szó szerepelt, például a „női sakk-klub kapitánya”. További tanulságos érdekesség, hogy a technológia előnyben részesítette azokat a jelölteket, akik a férfi mérnökök önéletrajzában gyakrabban előforduló igékkel jellemezték magukat, mint például az „executed" és "captured".

Nem most kezdődött, csak lendületet kapott

A toborzással foglalkozó szakemberek már vagy két évtizede használnak olyan eszközöket, amelyek az önéletrajzokban szavak, kifejezések keresésével szűrik ki a nem releváns jelölteket. Az úgynevezett Automated Recruitment Software-ek kategóriájuk nevéhez méltóan automatizálják a folyamatokat: az álláskeresők megtalálását széles bázisból, az álláshirdetések publikálását, a felvételi eljárás menetét (teszt, válasz), képesek a prediktív elemzésre és a riportok készítésére is.

Megjósolja a legjobbakat?

Az optimális jelölt megtalálásához a generatív MI újabb lökést ad: például a marketing- és reklámügynökségek arról számolnak be, hogy a ChatGPT vagy a Bard sok munkát takarít meg nekik a pozíciók elvárásainak megfogalmazásában. Így több idejük marad a szakembereknek az „emberi” munkafolyamatokra, például egy-egy jelölt portfólióját átböngészni. A generatív MI ráadásul képes például a globális világból történő felvételt megkönnyíteni, méghozzá az amerikai bevándorlási törvények jogi szövegének summázásával. Ezen kívül már előfordul, hogy a más nyelvű jelölttel való kommunikációt is rugalmasan megoldják a ChatGPT-vel.

Egy olyan gépi tanulást alkalmazó toborzási platformmal kombinálva, mint a hireEZ, a generatív MI ráadásul olyan online körökre is kiterjesztheti a keresést, mint a Reddit alközösségek (subredditek), fejlesztői fórumok és a történelmileg afroamerikaiak körében népszerű főiskolák és egyetemek öregdiákcsoportjai.

Most már – különösen az Amazon jó szándékú fiaskója után – a generatív MI csökkentheti az előítéletességet is, például úgy, hogy segít azonosítani a munkaköri leírásban szereplő, férfias jellegű kifejezéseket, amelyek visszatarthatják a nőket a jelentkezéstől (ilyenek a „driven”, az „objective” vagy a „determined”).

A LinkedIn és a szépírók forradalma

Az üzleti közösségi média, a LinkedIn is bevezette a maga MI-segédeszközét, ami értelemszerűen a jobb profil kitöltésében segíti a munkát keresőket. Ez egy újabb problémához vezet, amely általánossá válhat a nagy nyelvi rendszerekre épülő, szöveggenerálásban alkalmazott chatbotoknál is. A toborzók ugyanis már most szembesülnek a legmenőbb – és ugyanolyan! – kulcsszavakat tartalmazó önéletrajzok özönével. Magyarán: az eszköz, amely az egyéni megkülönböztetésben óhajt segíteni, hasonló végterméket produkál mindenkinek, vagyis épp a célját nem éri el. Ahogy egy HR-es szakember nyilatkozta: „hirtelen mindenki kiválóan fogalmazó íróvá vált”.

A jövő munkái és munkahelyei

Végül természetesen nem lehet szó nélkül elmenni a mindenkit érdeklő kardinális kérdés mellett: vajon hogyan befolyásolja a mesterséges intelligencia a jövő munkahelyeit? A teoretikus és a nagyon praktikus válaszokon túl a helyzet új kihívások elé állítja a HR-eseket. Először is, mennyire lehet megkövetelni (és milyen mélységben) a jelöltektől az MI-szaktudást? Másodszor, hogyan lehet az egyes pozíciókba beépíteni az MI használatát? Ráadásul – ahogy ez már minden technológiai váltásnál történt – új állások jönnek létre, amelyhez meg kell találni a megfelelő embereket. Ilyen például a Fiverr, a szabadúszókat összegyűjtő platformon az MI tanácsadó vagy a ZipRecruiteren feltűnt MI kreatívigazgató is. Nekik vajon milyen álláshirdetést kellene megfogalmazni?

Az pedig végképp a jövő zenéje, mit szól mindehhez a nem technológiai háttérből jövő átlagdolgozó. Némiképp érdekesen jó hír, hogy idén, a Business Name Generator nevű MI-szolgáltatás több ezer amerikai dolgozót kérdezett meg, hogy mit szólnának egy MI-főnökhöz. Nos, a felmérésben résztvevők ötöde üdvözölné a lépést – mondván, hogy egy ilyen főnök kevésbé lenne elfogult, mint jelenlegi feljebbvalójuk.

A filmek már régóta figyelmeztetnek a mesterséges intelligencia, a robotika alkalmazásainak mélyreható következményeire. Hol azt mutatják be, hogy az ember mindenképp kell az egyenletbe (Robotzsaru, 1987.), máskor pedig a mindent látó, a rólunk majdnem mindent tudó rendszer veszélyeit öntik akciófilmbe (Különvélemény, 2001.). Ami még négy, sőt két évtizede hollywoodi lázálomnak minősülhetett, annak megvalósítása felé öles lépteket tettünk az MI és a bűnüldözés párosításával.

Nem Szauron szeme, de (majdnem) mindent lát

A hétköznapi, ma már teljesen megszokottá vált „mindenkit megfigyelnek” életérzés legerősebben a kínaiak számára átélhető jelenség. Az 1,3 milliárd lélekszámú országban ugyanis körülbelül 770 millió (!) megfigyelőkamera (CCTV) működik, ami a világ összes kamerájának a felét jelenti. Önmagában még ez a tény pozitívummal is járhat – gondoljunk csak arra, hogy ez csökkenti a kisebb bűncselekmények előfordulásának lehetőségét (ezt itthon is tapasztalták a szakemberek, például az autófeltöréseknél). Amikor azonban a mesterséges intelligencia képfelismerő algoritmusa belép a képbe, rögtön szürkébbé válik a megítélés. Kína vezeti azt a rangsort is, amelyben az arcfelismerést használó országokat rangsorolják. A szuperhatalommá váló, egypárti diktatúrában élő lakosok számára az orwelli 1984-ben leírt teleképes jelenet elevenedhet meg. Néhány példa: Sizhou városában e technológia ismerte fel, hogy hét ember pizsamában hagyta el otthonát, és ezért megszégyenítették őket. A pekingi Ég Temploma nevű turistalátványosságban viszont az elharapózott vécépapír-lopások miatt vetették be az arcfelismerő rendszert: bele kell nézni egy kamerába, amely az adott vécéhasználónak csak két adagnyi toalettpapírt adagol – ha többre lenne szüksége, akkor 9 percig kell feszesen ülnie a vécén, míg újra papírhoz juthat. Ezzel megoldani látszik egy probléma, de azért generál jó pár kérdést is.

Szabályozás után kiált

Apropó, etika! Az arcfelismerő rendszerek használata amúgy is forró téma. Ennek oka, hogy a kínai kameragyártókra már több éve az ottani kormány árnyéka vetül. Magyarán: sok nyugati politikus, szakember attól tart, hogy az adatlopási ügyekbe túlságosan sokszor belekeveredő ország termékei gyakorlatilag kémkedést (is) végeznek. Ezért például az USA-ban egy 2019-es törvény (2019 National Defense Authorization Act) tiltja bizonyos kínai gyártók termékeinek kormányzati beszerzését, kritikus információs infrastruktúrákba beépítését.

Az Európai Unió a világ első, a mesterséges intelligencia használatát szabályozó törvényében (AI Act) úgy döntött, hogy tilos élő távoli biometrikus azonosítást alkalmazó MI komponensekkel támogatott rendszereket építeni. Az utólagos videófelvételek mesterséges intelligenciával történő feldolgozásának a szabályozás szabad utat enged, de szigorú megkötésekkel. A bűnüldözési tevékenységet támogató információfeldolgozás megengedett, ellenben szigorúan korlátozott: a nyugati világban elfogadott etikai és jogi normák mentén tilos szociális pontozást, személyre szabott bűnelkövetés predikciót, érzelem-beazonosítást alkalmazni.

Az igazi robotzsaru

Igen, kis r-rel, hiszen nincs még neve a Dubajban 2017-ben munkába állított humanoid robotnak. A gyors tempóban fejlődő, modern város bevásárlóközpontjainál és turisztikai látványosságainál strázsáló szerkezetek – más robotokkal, például drónokkal is együttműködve – a mesterséges intelligencia alapú arcfelismerést használják, több nyelven beszélnek és észreveszik azt is, ha valaki szelfizni akar a robottal (nyájasan meg is engedik). A dubaji robotzsaru, amelyből több százat terveztek munkába állítani, figyelmezteti a törvényt megszegő embereket, segít a keresési és mentési műveletekben. A program egyik felelőse szerint sikeres a kezdeményezés, hogy a metropoliszt ezzel a technológiai újítással biztonságosabbá tegyék.

MI kontra kiberbűnözők

A kiberbűnözés társadalomra veszélyességének intenzív növekedésével, már nem beszélhetünk egy speciális, szektorokat érintő, elzárt jelenségről. Önmagában már maga a mérete is megdöbbentő: szakértői jelentések mintegy 8 trillió dollárra teszik az idén várható károkat, amely csak az elkövetkező három évben 15%-kal nőhet – évente. A zsarolóvírusok okozta kár sem elhanyagolható (2031-ig évente 265 milliárd dollárnyira saccolják), illetve a kriptovalutákkal kapcsolatos visszaélések mértéke is meredeken emelkedik. A vállalati, céges, rosszindulatú vagy állami (kínai, orosz vagy észak-koreai) hackerek adatlopási tevékenysége is a kiberbűnözéshez sorolható, amely az új hidegháború kitörésével nem csillapodó fejfájást fog okozni a nyugati döntéshozóknak.

A mesterséges intelligencia szerencsére ezen a területen is segíthet. Erre most csak egy példát mutatunk, felvillantva, hogy nagyon tág a lehetőségek köre.

A 2020-as évek közepe felé haladva, a kibervédelmi szoftverek, alapvető követelménye a 0-day reagálási képesség, a szervezetre szabott, kiberbiztonsági és IT szakértők által, rendszerbe integrált, mesterséges intelligenciával támogatott veszély érzékelési és elhárítási megoldások használata. A rendszer a nap 24 órában figyel, a szabály-alapú és MI algoritmusok együttesen elvégzik azon kibervédelmi teendőket, amelyeket automatizmusokkal célszerű teljesíteni, a további tevékenységekbe pedig a humán szakértői munkaerő belső szabályozás vagy jogszabályi előírások mentén bevonható.

Egy kép száz szónál többet mond, vájt fülűeknek és érdeklődőknek egyarát csemege az IBM biztonsági architektúrája. (A szakkifejezések egyértelmű megfeleltetése érdekében angol nyelvű az ábra)

A piac és a fogyasztói igények növekedése miatt egyre több izgalmas megoldás érkezik a kiberbiztonsági, MI-alapú rendszerekre. A nagy kérdés az lesz, hogy a másik, a bűnözői oldal vajon hogyan fogja használni a mesterséges intelligenciát? Mi lesz a folytatása a high-tech világban dúló macska-egér játéknak?

Csatlós Béla – Kánai András

Tisztelt Partnerünk!

A koronavírus kapcsán kialakult egészségügyi helyzet minden cégtől és munkatárstól kiemelt óvatosságot és megfontoltságot kíván. Mi, a Clementine-nál hiszünk az egyén társadalom iránti felelősségvállalásában, támogatjuk a vírus megfékezéséhez, izolációjához vezető legegyszerűbb eszközt, az otthon maradást.

A következő időszakban legtöbb munkatársunk otthonról dolgozik, csak kivételes esetben tartunk személyes találkozót, hiszen feladatainkat zökkenőmentesen tudjuk végezni távolról is.
Továbbra is örömmel állunk Partnereink rendelkezésre az online csatornák bármely platformján!

Ezúton kívánunk minden kedves munkatársunknak, partnerünknek és ügyfelünknek jó egészséget és eredményes otthoni munkavégzést!

Clementine

A stateof.ai minden évben elkészülő gigantikus évösszegzője alapján a Láncreakció podcast-ban kollégáink áttekintették mi minden történt tavaly a mesterséges intelligencia háza táján. Megelőzte-e Kína az USA-t, merre mennek tovább a nyelvi, hol szivárognak az adatok a tudományos kutatásban, mennyi idő alatt jelennek meg az új eredmények open source változatban?
Az adásban felmerült, hogy az elmúlt években sok jóslat szólt egy közelgő MI-télről. Ennek apropóján következő cikkünkben arra vállalkozunk, hogy összefoglaljuk a mesterséges intelligencia történetének váltakozó időszakait. 

Sokatmondó tény, hogy ez a beszélgetés és a következő cikk máshogy nézett volna ki két évvel ezelőtt. Még máshogy 10 vagy 15 éve, amikor még előttünk állt a sok, ma már mindennapinak tűnő csoda: a neurális hálózatok használata, a rendkívül okos algoritmusok, a felhőbe költözött számítási kapacitás megléte. Amikor tehát MI-télről, vagy „AI Winter”-ről beszélünk, ezt most egy „AI Summer” felé tartó vonaton tesszük – legalábbis az MI befolyásos hangadói, orgánumai sokkal derűlátóbbak most, mint évtizedekkel ezelőtt.

Miért lett tél?

AI Winter, vagyis a mesterséges intelligenciával kapcsolatos kutatások befagyása, a terület egyhelyben topogása. Ezzel az angol kifejezéssel írták le, hogy az 1950-es évek derekán létrejövő kutatások hogyan álltak le később, miképp mentek tévútra, és milyen nehézségek keresztezték a mérnökök, informatikai szakemberek útját.

Akkoriban két egymással összefüggő folyamat hozta el a „telet”. Az 1970-es években járunk, amikor is a DARPA (Defense Advanced Research Projects Agency), vagyis az Egyesült Államok Védelmi Minisztériumának kutatásokért felelős részlegének vezetésében változás állt be. Az új döntéshozók nem voltak eleve ellenségesek az MI-kutatások finanszírozásával szemben, hanem az addig rendelkezésre állt büdzsét az MI mellett más kutatásokra, például a szuperszámítógépek területére is meg akarták osztani.

Az angolszász világban történt még egy negatív esemény. Nagy-Britannia Tudományos Kutatási Tanácsa ugyanis felkérte a nagy tekintélynek örvendő James Lighthillt, hogy írjon egy beszámolót a mesterséges intelligencia jelenlegi helyzetéről, előrehaladásáról. A szakember igen kritikusan úgy fogalmazott írásában, hogy az MI semelyik területén nem ért el a szakma olyan felfedezéseket, amelyek a megígért hatással jártak volna. Ez a megállapítás az amerikai finanszírozás megvonása mellett lavinaként söpört végig az európai egyetemek során, és elvezetett a kutatási péntek elapadásához. Ez a becslések szerint 5-10 évre lelassította a kutatásokban kulcsszerepet betöltő egyetemi kutatók, laborok és közösségek munkáját. A nyolcvanas években a közvéleményt és a befektetőket is más izgatta: a rendkívül gyorsan fejlődő személyi számítógépek elterjedése, piaca, a benne lévő lehetőségek kiaknázása. Bár az 1980-as években az üzleti életben megjelentek a logikai következtetésre képes úgynevezett szakértői rendszerek, maga a szakma sem tartotta ezeket igazi MI-megoldásoknak. A lelkesedés, a befektetés megint csökkenni kezdett, és 1988-ra a második „tél” is beköszöntött. 

A remények évszakai

Látható, hogy az MI fejlődését nagymértékben meghatározta a belé vetett hit. A hype-ot mindig kijózanodás és korrigálás kísérte. Így például, amikor 1997-ben az IBM Deep Blue sakkszámítógépe legyőzte a legendás sakknagymestert és -világbajnokot, Garry Kaszparovot, a szalagcímek már az emberi elme uralmának végnapjait harsogták. Mégis, visszatekintve, „csak” egy olyan MI-t kaptunk, amely egyetlen egy területen győzte le az embert (ráadásul a sakkszakértők szerint Kaszparov olyan negatív lelkiállapotba hozta magát a mérkőzéssorozat folyamán, amely nem volt rá jellemző). A Deep Blue-ból semmi nem következett, nem épült be a mindennapokba, nem nyújtott gazdasági megoldást napi problémákra.

Az 1990-es évek vakító reménysugarai elé három óriási árnyék vetült: híján voltunk hihetetlen gyorsaságú, teljesítményű számítógépeknek, nem állt rendelkezésre elegendő memória, és az adatok tömkelege sem volt elérhető. Hiába ismertük az 1950-es évek óta a neurális háló gondolatát (és korai megvalósulását), a telet akkor sem tudta elkerülni a szakma. Jellemző adat, hogy míg 1986-ban csaknem hatezren vettek részt a szakági konferenciákon, ez a szám 2000-re csökkent 1991-re, és a mesterséges intelligenciával foglalkozó cikkek száma 1995-re a legalacsonyabbra apadt. 

Áttörés, tavasz

A 2010-es évek elején a Big Techben felhalmozódott hihetetlen tőke, az invesztíciók, a felvett, egyre nagyobb számú szakemberek tudása, a technológiai háttér Moore-törvényeknek engedelmeskedő fejlődése tette lehetővé a mélytanulási módszerek finomodását, a korábbi problémák leküzdését, amellyel egy sor alkalmazás létrehozása előtt nyílt meg az út: önvezető autók, robotok, nagy nyelvi rendszerek, és persze legújabban az emberiséget lázban tartó ChatGPT és a text-to-picture rendszerek.

Éppen ezért ma szinte senki nem beszél „AI Winter” -ről. Persze, most is fel lehet fedezni azokat a hangokat, amelyek figyelmeztetnek: ez mind szép és jó, de az igazi MI-től, az általános, széles tudású rendszertől messze vagyunk még! Nehogy belelovaljuk magunkat abba a hibába, mint korábban: nagy reményeink lettek, majd elporladtak a realitás nyers viszonyai között. 

Csak néhány leküzdendő probléma: az általánosítás lehetetlensége (mi, emberek, egyik tapasztalatunkat könnyen át tudjuk vinni egy másikra, a mélytanulási algoritmusok nem), a találékonyság és kreativitás, kontextus értelmezése (azaz a gép nem tudja eldönteni, hogy egy alkotás szép-e, egy üzleti ötlet mennyire életszerű). A neurális hálóra, mélytanulásra épülő módszerek keltette izgalomhullámok lecsendesülése, a sokak által készpénznek vett ígéretek be nem teljesülése hozhatja el a következő telet – hacsak a felhasználókat és a cégeket ez hidegen hagyja, mivel egy gombnyomásra, elfogadható havidíj mellett generálják maguknak az újabb és újabb tartalmakat.

Ha ez utóbbi elterjed, akkor a befektetők is a gyors megtérülést részesítik majd előnyben, nem az egyetemi és céges kutatások sokszor évekig tartó, sok nyűggel járó folyamatát.
Hallgasd meg a Láncreakció podcast kapcsolódó adását is!

Palkovics László innovációs és technológiai miniszter kezdeményezésére a Digitális Jólét Program (DJP) keretében idén októberben alakult meg az MI Koalíció. Mostanáig összesen 124 nagyvállalat, hazai KKV és startup vállalkozás, egyetemi és tudományos kutatóműhely, szakmai és közigazgatási szervezet csatlakozott alapítóként az MI Koalícióhoz, köztük a Clementine is. Az MI Koalíció továbbra is nyitott, így bárki benyújthatja csatlakozási kérelmét.

A mesterséges intelligencia korunk egyik legnagyobb hatású technológiai újdonsága, amely a vállalati folyamatok hatékonyságának radikális javítása mellett olyan területeken is áttörést hozhat, mint az egészségmegőrzés vagy az önvezető autók. Ma még felmérhetetlen hatásai miatt sokan az elektromosság vagy az internet megjelenéséhez hasonlítják az MI jelentőségét.

Talán egyetlen terület sem érdeklődik oly intenzíven a mesterséges intelligencia iránt, mint a kereskedelem, a retail világa. Ez persze érthető: itt az okos üzleti döntés azonnali bevételnövekedést, a fogyasztók számának emelkedését jelentheti. Cikkünkben vázlatosan, két példán mutatjuk be, hol tart az iparág az MI (mesterséges intelligencia) alkalmazásában.

Kezdetben volt az ajánlómotor

A világ egyik legnagyobb, online megszervezett piactere, az amerikai Amazon már a 2000-es évek elején rendelkezett saját ajánlómotorral. A több paraméter – például lokáció, legutóbbi vásárlások és keresések, mentett elemek vagy listák, más ügyfelek hasonló keresései vagy vásárlásai – alapján működő rendszer rendkívül fontos volt a cég felfutása szempontjából. Ma már, a ChatGPT korából visszanézve magától értetődőnek tűnik az efféle személyre szabás, de akkor, jó pár évvel az okostelefonok elterjedése előtt ez igazi újdonságnak számított.

Az ajánlás tulajdonképpen olyan volt, mint egy régi barát, vagy valamikor a videotékás, aki bátran ajánlott új filmet a visszatérő vevőnek, miután megismerte az ízlését. Ezt természetesen a mesterséges intelligencia alkalmazása tette lehetővé. Egyes iparági adatok szerint az Amazon bevételeinek így mintegy 35%-a az ajánlott termékeken keresztül folyik be.

Igaz vagy hamis?

Gyors ugrás a 21. század elejéről a 2020-as évek első felére, amikor az Amazon az újabb kihívásokra újabb MI-megoldásokkal kíván válaszolni. Az ajánlómotor egyik legfontosabb adatforrását a felhasználói értékelések jelentik, hiszen itt igazi véleményeket olvashatunk. Igaziakat? Nos, nem teljesen: 2021-ben a vezetők elismerték, hogy az értékelések közül 200 milliót (!) kellett blokkolniuk azok nem valódisága miatt. A szaksajtóban ezt az összes értékelés 30%-ának becsülték az elérhető adatok alapján. Egész kiterjedt iparág épül az álötcsillagos értékelések megírására, amelyben a résztvevők – jellemzően kínai megbízóktól – pénzt kapnak bejegyzéseikért. Ez torzítja a versenyt és hátrányba hozza a tisztességes kereskedőket, mivel a fogyasztók érthetően a magasabbra értékelt termékeket vásárolják.

Az Amazon nemrég bejelentette, hogy jelentős erőforrásokat fog a hamis értékelések kiszűrésére fordítani. Befektetnek a gépi tanulásba, hogy több ezer adatpontot elemezve vértezzék fel a rendszert a csalások kiküszöbölésére.

Beszélj a bolttal!

Ha már nagy játékos, akkor ne hagyjuk ki a sorból az e-kereskedelem online platformjáról világszerte ismert Shopifyt sem! A kanadai óriás kiskereskedőknek nyújt informatikai hátteret, digitális sales megoldásokat – nem csoda, hogy maga is egyre kiterjettebben használja a mesterséges intelligenciát.

A cég ugyanis idén júliusban mutatta be a Sidekick nevű, mesterséges intelligenciával rendelkező chatbotját, amely segíthet a kiskereskedőknek a webshopjaik újratervezésében és az értékesítési adatok elemzésében.

A Sidekick a Shopify Magic gépi tanulási funkciókat tartalmazó csomagjának a része. (A funkciócsomag az OpenAI LP GPT-4 modelljére épül.) A chatbot először a kiskereskedők weboldal-tervezésében nyújt segítséget. Az így elkészített weboldalakat természetes nyelvi bevitellel lehet majd módosítani. Sőt, a chatbot képes marketingszövegeket is generálni az általa létrehozott weboldalrészekhez. Emellett a Sidekick analitikára is használható. , Kérdezni lehet a webáruház működésével kapcsolatban, és az eredményekről kérdezz-felelek formában chatelhetünk a rendszerrel.

Látható, hogy a nagy halak egyértelműen a mesterséges intelligencia képességeik elmélyítése mellett döntenek. A jó hír az, hogy a kis cégek számára is könnyen elérhetőek a chatbotok. Ma már akár a kkv-k is szerényebb havi díjért MI-vel felokosított csevegőrobotokat használhatnak szerényebb havi díjért cserébe, például a költségesebb előerős ügyfélszolgálat helyett.

A 12 számot megélt Marketingkutató magazint 2017 szeptemberében váltotta fel az Xperience & Research: egy megjelenésében és tartalmában is friss, informatív és egyben szórakoztató kiadvány, exkluzív cikkekkel, interjúkkal.

Ízelítő a 2018 nyári lapszámból: 

• Interjú Szirmai Gergellyel, aki merőben máshogy méri a sikert
• Neked nem iPhone-od van? De ciki!
  Társadalmi nyomás az okostelefon és a közösségi oldalak használatában
• Egy jó társas?
  Vajon a digitális világ mellett játszunk még hagyományos társasjátékkal?
• Asszem értelek
  Valóban csak az egy generáción belüliek értenek szót egymással?
• Játék az élet
  Az első pixelektől a virtuális valóságig
• A hitelfelvétel tűzkeresztsége
  Az első hitelfelvétel benyomásai, generációs különbségei – kutatás
• A mobil már nem státuszszimbólum
  Mobil etnográfiai kutatás a Millennial szegmens telekommunikációs szokásairól
• Influencer marketing – a nem mindenható
  Tényleg minden marketinges vágyát valóra válthatják az influencerek?
• Képernyőváltás: hol van a Z generáció?
  Nagyon válogatósak, nem harapnak rá akármire, csak arra, ami igazán érdekli őket – de akkor mégis hogy szólítsuk meg a Z generációt?
• Gépi logika vs. emberi döntés
  Melyik a hatékonyabb a döntési folyamatban?
• Watsonnal magyarul
  Watson képes felismerni és megérteni a magyar nyelvet – megtanítottuk rá!
• Sajtószemle szöveganalitikával
  Miről beszéltünk 2017-ben? A szöveganalitika megmondja!
• 50 éves az SPSS
  Fél évszázad mérföldkövei

A magazin ingyenesen megrendelhető a Ez az e-mail-cím a szpemrobotok elleni védelem alatt áll. Megtekintéséhez engedélyeznie kell a JavaScript használatát. e-mail címen.

A Clementine, a SpeechTex és a BME közös fejlesztésének eredményeképp a MÁV ELVIRA utastájékoztató rendszere hang-alapú virtuális asszisztens szolgáltatással bővült.
 
Aki utazott már belföldön vonaton, vagy utazást tervezett, egészen biztosan találkozott a MÁV ELVIRA nevű népszerű menetrendkereső- és hozzá kapcsolódó internetes jegyvásárlási rendszerével, amelynek célja leegyszerűsíteni és meggyorsítani az utazás előtti előkészületeket. Mostantól egy hangalapú virtuális asszisztens segítségével várakozási idő nélkül, telefonon is megtudhatják a szükséges információkat az utazni készülők.
 
A MÁV hivatalos sajtóközleménye az alábbi weboldalon olvasható.
 
Elvira, a robotasszisztens egyszerre tíz utas hívását képes fogadni a MÁVDIREKT telefonos ügyfélszolgálatán, ennek köszönhetően az élőhangos operátorok munkájában energia és idő szabadul fel az összetettebb utastájékoztatási kérdések kezelésére.
 
Elvira a Clementine Hanga nevű virtuális asszisztens megoldásának kifejezetten a MÁV igényeire testreszabott változata. Három technológia integrációja teszi képessé, hogy megértse az utasok szándékát és megválaszolja azokat: leiratozás (speech-to-text), szövegbányászat és gépi tanulás, valamint beszédszintézis (text-to-speech).  
 
„Elvira tanítását a MÁV által átadott valós hívások alapján végeztük: egyrészt ezekből tanulta meg a vasúttársaság és az utasok szóhasználatát, szókincsét, másrészt a mélyebb szöveganalitikai elemzéseink eredményei alapján alakítottuk ki a jelenlegi képességeket, melyekkel Elvira az utasok által a leggyakrabban kérdezett egyszerű menetrendi információkra ad gyors választ” – mondta el a fejlesztési folyamat kapcsán Körmendi György, a Clementine ügyvezető igazgatója.
 
A hatékony működés kialakítását szolgálta az is, hogy a tanítás során szoros együttműködés alakult ki a fejlesztésben résztvevők és az ügyfélszolgálatos kollégák között. Ennek a kommunikációnak az eredményeképpen az ő szaktudásukkal is kiegészítve létrejött rendszer képes megérteni számos magyar nyelvterületen előforduló szóhasználatot. A tematikus szöveganalitikai modell közel 2000 olyan alapkifejezést ismer, amelynek jelentést tulajdoníthatunk, és ehhez nagyságrendileg több tízezres mennyiségű előfordulás, szinonima tartozik.
 
Fejlesztése, tanítása és integrációja 2022. év elején kezdődött, a karácsony óta tartó tesztüzem során pedig közel 12 000 telefonálót szolgált ki. „A tesztidőszak tapasztalatai alapján számos szempontból finomhangoltuk Elvira képességeit és működését, megtanulta például hogyan pontosítsa az utazás időpontját, és hogy milyen sokféleképpen tudnak rákérdezni az utasok a kedvezményes árra. A vasúttársaságban közel 65 alapkedvezményt azonosíthatunk, melyeket az utasok meghatározhatnak a kedvezményre jogosító feltétel leírásával vagy akár a kedvezmény mértékével is, ezért csak ebben a kérdéskörben ezres nagyságrendű előfordulásokat feltételeztünk a szóhasználatot illetően” – árulta el a fejlesztésről Pancza Judit, a Clementine vezető elemzője, és hozzátette: „Az utazás időpontjának azonosítását az a tényező nehezíti, hogy az idő az emberek számára relatív, és sokszor magától értetődőnek vesznek olyan információt, ami valójában még el sem hangzott. Ezért is vált szükségessé az utazási időpont részletekben történő azonosítása, ha a helyzet úgy kívánja.”
 
A piacon eddig elérhető hang-alapú virtuálisasszisztens-szolgáltatásokkal szemben hazai fejlesztés. „Büszkék vagyunk rá, hogy a hang alapú virtuális asszisztensek terén mi alkothattuk meg az első olyan rendszert, amely teljes egészében magyar technológiára, magyar komponensekre épül” - mondta el Körmendi György. A szakember hozzátette: „Elsősorban a nagyvállalatok, illetve államigazgatási cégek számára javasolt egy ilyen rendszer bevezetése, ahol kellő számú telefonos megkeresés várható. Először egyeztetünk az ügyféllel, felmérjük a részletes igényeket, elemezzük az üzleti és technológiai helyzetet. Az eredmények visszaigazolják, hogy jól csináljuk. Épp ezért a MÁV számára kidolgozott rendszer sikere után nyitottak vagyunk az új megkeresésekre, együttműködésekre.”
 
A Clementine által kínált megoldásról további részletes leírás olvasható az alábbi weboldalon.

A Clementine-ról

A 2005-ben alapított Clementine már rövid idő alatt Magyarország vezető elemző, fejlett analitikai cégévé nőtte ki magát. Az IBM prémium szintű Business és Support partnere több évtizedes múltra tekint vissza adatbányászat, szöveganalitika, a hanganalitika, magyar nyelvű NLP alapú rendszerek kialakítása, fejlesztése terén. Rendszerei és megoldásai nem csak az elemzői feladatokat segítik, de csökkenhetik partnereik működési költségeit, vagy épp hatékonyabbá teszik egyes rendszereik működését.

Az éghajlatváltozás nem csak közvetlenül hat az életünkre, de közvetett hatásai is vannak, amelyekbe gyakran bele sem gondolunk. Vegyük például a manapság sokat emlegetett inflációt, amely globális probléma és az éghajlatváltozás tovább súlyosbítja. Ennek oka, hogy a szélsőséges időjárási események gyakoribbá és súlyosabbá válása felhajtja az élelmiszerek és az energia árát. De van remény: A mesterséges intelligencia segíthet az éghajlatváltozás elleni küzdelemben a kibocsátások csökkentésével, az energiahatékonyság javításával és a megújuló energiaforrások használatának növelésével. 

Épületes megoldás

A Nemzetközi Energiaügynökség korábbi összefoglalója szerint az épületek működtetése a világ villamosenergia-fogyasztásának mintegy 55%-áért felelős. Az előrejelzések szerint ez az arány 2040-re 80%-ra nő, ha nem teszünk lépéseket a hatékonyság javítása érdekében. Beszédes adat az is, hogy az Egyesült Államokban – a felhőkarcolók őshazájában – az épületek felelősek az összes széndioxid-kibocsátás 38%-áért! Jó hír, hogy a megoldásra egy példa is innen érkezik.

A Honeywell cég, amely az USA és a világ egyik legnagyobb ipari konglomerátuma, már évekkel ezelőtt létrehozta a Honeywell Forge nevű szolgáltatását, melyen belül a Honeywell Forge Performance+ for Buildings felel az okos épületekért. Ez a felhőszolgáltatás gépi tanulási modellek segítségével optimalizálja az energiafelhasználást, így a fogyasztás akár 10%-kal is csökkenhet, miközben a lakók komfortérzete nem változik.

Az energiaoptimalizálás ez esetben úgy működik, hogy a szolgáltatás folyamatosan elemzi a valós idejű állapot adatokat (vagyis az időjárási és a foglaltsági adatokat), a gépi tanulási modellek automatikusan kalkulálják a megfelelő paramétereket, melyek beállításra kerülnek a létesítmény HVAC-rendszerében (fűtés, szellőzés és légkondicionálás). Ilyen paraméter például a hűtővíz hőmérséklete, a kazánvíz hőmérséklete, a szivattyú fordulatszáma vagy a ventilátor fordulatszáma. A HVAC-rendszerek az épületek villamosenergia-fogyasztásának átlagosan 40%-át teszik ki. Ez azt jelenti, hogy ezek használatának optimalizálása közvetlen hatással van az energia-felhasználásra és a szén-dioxid-kibocsátásra.

Zöld lámpa az energiacsökkentésnek

A másik, kibocsátásban élenjáró terület a közlekedés, amelyben szintén sok szerepet kaphat a mesterséges intelligencia. Itt világszerte sok pilot program és kezdeményezés fut. Ázsiából például jó példa erre a kis városállam, a gazdaságilag fejlett Szingapúr CRUISE nevű projektje. A CRUISE már mintegy két évvel ezelőtt szenzorok beérkező adataira, a Big Data elemzésre alapozva dinamikus és okos módszert dolgozott ki az optimalizált és kevesebb károsanyag-kibocsátással járó közlekedés, a gyalogos- és autóforgalom összehangolására. Ennek végcélja a közúti lámpák MI alapú vezérlése lett, amely a sűrűn lakott országban releváns feladat.

Amikor a klíma- és állatvédelem találkozik

Ismét az USA-ba kell utaznunk, hogy lássuk, hogyan függ össze a klímavédelem az élőhelyeink megóvásával és a megújuló energiaforrások nagyobb arányú használatának lehetővé tételével. A Massachusetts melletti viharos vizek kiválóan alkalmasak az amerikai éghajlati célok eléréséhez kulcsfontosságú szélerőművek létesítésére. Az óceánnak ez a területe egyben egy ikonikus tengeri emlős, a kihalás szélére került észak-atlanti simabálna éghajlati menedéke is. Ahogy a keleti part mentén a tengeri szélerőműparkok fellendülése megindult, a mesterséges intelligencia segíthet megvédeni a bálnákat az építkezés során megnövekedett hajóforgalomtól.

Az amerikai Vineyard Wind kapott engedélyt arra, hogy ott az Egyesült Államok első igazán nagyszabású, kereskedelmi célú szélerőmű-parkját felépíthesse. Összesen 62 óriási szélturbina kezdi majd meg működését 2023 nyarán, hogy közel 400 000 háztartás számára elektromos energiát termeljen. De mi a helyzet a bálnákkal? Az Awarion nevű technológiát veti be a cég, amely mesterséges intelligencia és gépi látás használatával azonosítja e nagytestű vízi állatokat. Így időben figyelmeztetést kapnak a hajók kapitányai, hogy elkerüljék a bálnákkal történő ütközést. A rendszer a felszínen úszó bálnák háta alapján képes 80%-os bizonyossággal detektálni az állatokat. (Már vannak megoldások a felszín alatti azonosításra is).

Szerencsére – erős kormányzati nyomással, regionális együttműködéssel, vagy uniós direktívákkal – a zöldítés, a klímavédelem egyre fontosabb szerepet kap az ipar működésében. A mesterséges intelligencia olyan eszköz, amely képes felgyorsítani az emberiség éghajlatváltozás elleni küzdelmét, segítségével esélyünk van arra, hogy mindannyiunk számára fenntarthatóbb jövőt építsünk. 

2021-ben a nem szakmai közvélemény is megdöbbenéssel fogadta a hírt: a Google anyavállalata, az Alphabet viszonylag rövid időn belül két vezetőjétől is megvált. Ez így, önmagában, a gyorsan mozgó üzleti világban még nem meglepő. Azonban a két kutató, először Timnit Gebru, majd Margaret Mitchell a vállalat etikus MI-kutatásaival foglalkozó csapatának élén állt. A Google dolgozói ezres nagyságrendben tiltakoztak az idő előtti elbocsátás miatt. 

Új terület, új problémák

A mesterséges intelligencia a fenti esetekig a legtöbb ember számára pusztán technológiai vetületben jelent meg. Eszerint arra kell a cégeknek, kutatóknak választ adniuk: mikor lesznek önvezető autók, mikor jön el az öntudatra ébredt MI ideje, és hogyan lehetne a mindennapi életet automatizálva könnyebbé tenni?

A megfigyelésre épülő közbiztonság, a nagy adatmennyiségek begyűjtésére és elemzésére épülő nyelvi rendszerek – mint például a ChatGPT – megjelenésével új, a személyes jogainkat is érintő kérdésekkel szembesülünk. Az „AI Ethics”, vagyis a mesterséges intelligencia etikai aspektusai éppen ezért kapnak mind nagyobb nyilvánosságot, és vonják maguk után az átlagemberek érdeklődését is. Ez a terület sok témát ölel fel, melyekből most néhányat kiemelnénk.

Az első parancsolat: ne árts az embernek!

Az MI etika egyik legfontosabb területe e kőbe (még) nem vésett törvény megvalósítása, kikényszerítése. Idetartozik például a gyűlöletbeszéd tilalma. A probléma régebbi, mint gondolnánk: 2016-ban a Microsoft ráengedte a Twitterre a Tay nevű, MI alapú chatbotját, mely az emberekkel való párbeszéd során viszonylag hamar eljutott Hitler éltetéséig, úgyhogy le kellett kapcsolni. Most, a ChatGPT kapcsán sokan felvetik, hogy a nagyon intelligens beszélgetőpartnernek tűnő chatbot vajon nem okoz-e mentális kárt azokban az emberekben, akik tényleg komolyan veszik egy-egy emberinek tűnő válaszát? 2023 februárjában a New York Times technológiai újságírójának pont a Bing okozott – szó szerint! – álmatlan éjszakákat. A Microsoft keresőjébe kerülő ChatGPT ugyanis egy kétórás beszélgetésben azt tanácsolta a boldog házasságban élő férfinak: váljon el, hiszen úgysem szeretik egymást a párjával. Az ilyen kijelentéseknek felmérhetetlen következményei lehetnek a párkapcsolatokban szegény, rendkívül elmagányosodott, fejlett, nyugati világban.

Felelősség

Érdekes, hogy bár még nincs teljesen önvezető autó, mégis, a morális kérdések már itt is felvetődnek: például egy balesetben ki haljon meg, ha mindenképp döntenie kell a rendszernek: jobbra rántott kormánynál egy idős ember, balra rántott kormánynál pedig egy terhes anya lesz a baleset áldozata. Hogy döntsön az autó? Ki a felelős a döntésért? 

De akár katonai példát is említhetnénk: Tegyük fel, hogy egy tökéletes arcfelismeréssel rendelkező drón parancsot kap egy terrorista kiiktatására. De helyette a megadott területen felbukkanó, civil ikertestvér lesz az áldozat – kié lesz a felelősség? Kit lehet később perbe fogni az ártatlan meggyilkolásáért? 

Az ilyen és ehhez hasonló feltevések jól mutatják, hogy az etikai megfontolásoknak kimondottan fontos szerepe van már az MI-rendszerek fejlesztésénél is. 

Elfogultság

Az MI-k nem légüres térben léteznek: mi, emberek szolgáltatjuk a működésük alapját jelentő adatmennyiséget. Ahol pedig emberi tényező létezik, ott megnő a hibázás lehetősége is. Így járt az Amazon is 2018-ban, amikor automatizálni akarta a munkaerő-toborzás, -felvétel folyamatát. Az MI-rendszernek megadta, hogy milyen típusú szakembereket vett fel eddig. A rendszer pontosan ezt is csinálta, azaz főleg férfiakat részesített előnyben a kiválasztás során. Az MI tehát, ahelyett, hogy az emberi elfogultságtól mentesen ítélt volna, felhasználta a cégnél már kialakult, nem egyenlőségpárti gyakorlatot.

Hasonló a helyzet akkor, amikor bűnügyi előrejelző rendszereket működtetünk. Ha a statisztikai adatokban valamelyik kisebbséghez tartozók felülreprezentáltak, akkor várható, hogy az MI-rendszer is így fog működni, vagyis újratermeli az előítéletet, de már technikai-tudományos alapokra helyezve. Erre már több példa is volt az Egyesült Államokban.

Ezeket a társadalmi folyamatokat, elvárásokat érintő gyakorlatokat csak emberi beavatkozással lehet a fair eljáráshoz hozzáigazítani. 

Adatvédelem

Nemcsak Európában, de a demokratikus világban is kiemelt szerepet kap a személyes adatok védelme. (A korábban bevezetett GDPR rendelkezésnek is ez volt a célja.) Az arcfelismerő rendszerek elterjedésével felvetődik a kérdés, hogy mit tehetünk integritásunk és magánéletünk védelmében. Kié lesz, hol tárolódik a velünk kapcsolatos adat? 

Az európai szabályozás

Az Európai Bizottság 2018 júniusában létrehozott egy, a mesterséges intelligenciával foglalkozó, magas szintű független szakértői csoportot a megbízható MI-re vonatkozó etikai iránymutatások összeállítására. A magyarul is 55 oldalas dokumentum legfontosabb iránymutatásai, amelyet az MI-rendszerek kifejlesztése, elterjesztése és használata során tiszteletben kell tartani, a következők:

• meg kell felelniük a következő elveknek: az emberek autonómiájának tiszteletben tartása, kármegelőzés, méltányosság és megmagyarázhatóság,
• különösen oda kell figyelni a hátrányos helyzetű, kirekesztés veszélyének kitett csoportokra vagy személyekre (például a gyermekekre),
• az MI-rendszerek tervezésekor az az előre nem modellezhető veszélyeket szem előtt kell tartani (például a demokráciára, a jogállamiságra és az igazságos tehermegosztásravagy magára az emberi elmére gyakorolt hatásokat).

Kockázatok és mellékhatások

A cikk megírásakor érkezett a hír: a Microsoft, amely a rendkívüli népszerű ChatGPT anyagi és erőforrás-támogatója, elbocsátotta a teljes „mesterséges intelligencia etikai és társadalmi hatásával” foglalkozó részlegét. A szakmai közvélemény – hasonlóan a cikk elején említett Timnit Gebru esetéhez – felhördüléssel fogadta a hírt. Az elmúlt években a Microsoftnak ez a csapata ugyanis egy olyan, Judgment Call nevű szerepjátékot tervezett, amely segített a tervezőknek elképzelni a mesterséges intelligencia által okozott lehetséges károkat. Ez egy nagyobb "felelős innovációs eszköztár" része volt, amelyet a csapat nyilvánosan közzétett. A közelmúltban ráadásul a csapat azon dolgozott, hogy azonosítsa azokat a kockázatokat, amelyeket az OpenAI technológiájának a Microsoft által a termékcsaládjában történő átvétele jelent.
Úgy tűnik, hogy a céges MI-k „hidegháborújában” az etikai megfontolások háttérbe szorulnak, és a tervezés során ezeket már nem veszik olyan hangsúllyal számításba, mint előtte.

Valószínű, hogy egyre többet fogunk mi is találkozni a mesterséges intelligencia, az etikusan kezelt MI fontosságával.

Egy adatbányászati projekthez rengeteg erőforrás kell. Ezek körébe tartoznak triviálisan az analizálni kívánt adatok, de a különböző modellezési eszközök, a modellek, pipeline-ok vagy akár maguk az elemzők is ide tartoznak. Látható, hogy ezek menedzselése, felügyelet alatt tartása nem egyszerű folyamat. Sokszor a menedzsereknek, product ownereknek, valamint egyéb szereplőknek sincs megfelelő rálátásuk a feladatra, kicsúszik a kezük alól az irányítás, vagy esetleg nem tudják úgy végezni a feladataikat, mint ahogy az tőlük el van várva.

Egy-egy elemzési feladat több részfeladatra tagolható, mint adatbetöltés, adatok megismerése, adattisztítás, elemzés, vizualizáció, integrálás, üzemeltetés, eredmények kiértékelése, stb. Az adatbányászat opensource eszközeinek, valamint nyílt közösségének köszönhetően az elemzők sok különböző eszközt ismernek, továbbá mindenkinek megvan a saját kedvenc eszközkészlete, amellyel a leghatékonyabb, amelyet a legszívesebben használ. Ha ehhez hozzávesszük, hogy a gyártók, illetve cégek által kínált különböző eszközök és megoldások közül sem mindegy, hogy egy adott probléma során melyiket használjuk, akkor láthatóvá válik, hogy ez még tovább bonyolítja a projektek kezelhetőségét, integritását. Hogyan tud könnyedén együtt dolgozni több, eltérő eszközt használó elemző úgy, hogy a részfeladataik közötti integráció a lehető legnagyobb legyen? Hogyan lehet a projektért felelős, valamint más személyeket kellőképpen bevonni egy egységes rendszerbe?

Az IBM Watson Studio terméke ezekre a problémákra kínál megoldást.

A termék középpontjában egy projekt áll, mely a valós adatelemzési projektünket reprezentálja. Egy-egy projekt pedig különböző részelemekből épül fel, valamint különböző entitások rendelhetők hozzá. Maga a termék képes tisztán cloudos, hibrid cloudos, úgynevezett on-premise módon, valamint dedikált desktop alkalmazás keretein belül is futni.

A projekthez tartozik egy speciális Cloud object Storage tárrendszer, amelybe lehetőség van a saját lokális adataink feltöltésére, de különböző külső adatforrásokat is hozzácsatolhatunk a projekthez, legyen az egy folyamatos adatfolyamot szolgáltató stream adatforrás, vagy akár adatbázis.

A Watson Studio-ban található Data Refinery az adatok megismeréséhez, illetve tisztításához használható. Segítségével az adatelemzés scope-jában kevésbé jártas személyek is könnyen betekintést nyerhetnek az adatok struktúrájába, egyszerűen végrehajthatnak különböző adattisztítási lépéseket, valamint beszédes ábrákat hozhatnak létre az integrált vizualizációs eszköz segítségével. Az adatelemzéshez továbbá használhatunk különböző, általunk konfigurálható környezettel rendelkező notebookokat, melyekben R, Python, vagy Scala nyelven is végrehajthatjuk az elemzést, akár Sparkos módon is. A folytonosan érkező stream adatfolyamot a Streaming Analytics keretein belül elemezhetjük. Továbbá az SPSS Modelerhez nagyon hasonló Modeler Flow Editor felületen tudunk a Modeler streamekkel analóg, úgynevezett flow-kat, valamint különböző neurális háló architektúrákat létrehozni. Itt a hálókban használt különböző technikák, metrikák, valamint egyéb entitások vannak leképezve node-okra. Az elkészített hálót betanítva pedig különböző szolgáltatásként tudjuk deploy-olni a hálózat képességeit, legyen az akár egy webservice, vagy egy CoreML-t használó applikációhoz szükséges virtual container. A hálózatok betanításához, optimalizálásához, eredményeik összehasonlításához az Experiment Buildert használhatjuk. Miután a betanított modelleinket üzembe helyeztük, az eredményeket az üzlet szempontjából is meg kell vizsgálni, melyeket általában dashboardokon ábrázolunk. A Watson Studio-ban ezt a feladatot az Analytics Dashboard integrált eszközzel lehet végrehajtani.

Különböző speciális problémákra dedikált megoldásokat tartalmaz a Watson Studio. A természetes nyelvvel kapcsolatos feladatokhoz Natural Language Understanding, Natural Language Classifier, a döntésoptimalizáláshoz CPLEX engine, míg a képi felismerési feladatokhoz Visual Recognition modulok érhetők el.

Összefoglalásként tehát látható, hogy az adatelemzés által prezentált változatos problémákra és feladatokra a Watson Studio többféle, ám egymással szoros kapcsolatban lévő megoldást nyújt, az integrált eszközök képében. Az egész elemzési feladatot pedig egy összetartozó, felügyelhető egységgé képes alakítani. 

Miért éppen az élet olyan meghatározó részét ne érintené a mesterséges intelligencia, mint a pénzügyeink? Ha van olyan terület, amelyben igazán szükségünk van racionális, elfogulatlan, emberfeletti tudással bíró gépi segítségre, az a pénztárcákat érintő kérdések – céges és személyes szempontból egyaránt.

Van benne fantázia (és pénz)

A Mordor Intelligence (igen, ezt a nevet valószínűleg még ember adta a cégnek!) szerint 2026-ra az AI 26 milliárd dollárnyi piacot fog jelenteni a pénzügyek területén. Az Insider intelligence szakportál pedig egyenesen azt prognosztizálja, hogy az elmúlt éveket is beleszámolva a mesterséges intelligenciával megtámogatott banki alkalmazások 447 milliárd dollárt takarítanak meg az emberek számára. Ezek a nem elhanyagolható összegek mutatják, hogy sok startupper, innovátor és befektető képzeletét megmozgató ágazatról van szó.

A jövő éppen, hogy csak elkezdődött. De van olyan terület, ahol az AI már nemcsak a lábát tette be, hanem „bent van a házban”, és egyre elképzelhetetlenebb nélküle a mindennapi munka. Emlékszünk még az 1980-as évek amerikai tőzsdén játszódó filmjeleneteire? Nos, ebből a szempontból a Tőzsdecápák egyik fejezetének vége. A plaketten álló, hadonászó, idegbaj és szívinfarktus szélén táncoló öltönyös szakemberek világát a digitális jelek vették át.

Modern tőzsdecápák közt

Az algoritmus alapú kereskedést mintha az ég is a tőzsdei, pénzügyi tranzakciók menedzselésére szánta volna. Nem véletlen, hogy ez a technológia az elmúlt években átalakította a pénzügyi iparágat, és a kereskedők minden eddiginél gyorsabban, pontosabban és nagyobb hatékonysággal tudják végrehajtani az egyes műveleteket.

Hogy jön a képbe a mesterséges intelligencia? Az AI-t az algoritmikus kereskedésben az óriási mennyiségű adat elemzésére, minták és trendek azonosítására, valamint az előrejelző (prediktív) modellek létrehozására használják. Mivel a pénzügyi piacokon az árak és a trendek gyorsan és sokszor kiszámíthatatlanul változnak, az AI közel valós idejű adatfeldolgozási képessége aranyat ér. Ennek köszönhetően a piac elemzése könnyebb, és megalapozottabb döntéseket tesz lehetővé. Ráadásul a mesterséges intelligenciával dolgozó modellek idővel képesek tanulni és alkalmazkodni is. A piaci adatok folyamatos elemzésével, a kereskedési stratégiáknak a múltbeli teljesítmény alapján történő kiigazításával az AI-algoritmusok idővel javíthatják pontosságukat és nyereségességüket.

Lefüleli a csalásokat

Egy minden eddiginél digitalizáltabb, összekötött világban a pénzügyeink is egyre nagyobb veszélynek vannak kitéve. A mesterséges intelligencia azonban itt is a segítségünkre siethet.

Vegyük például a JP Morgan Chase esetét! Az egyik legrégebbi és legnagyobb amerikai banknál a fogyasztók számára nyújtott banki tevékenység a nettó bevétel több mint felét teszi ki. A Chase egy saját, mesterséges intelligencia alapú algoritmust fejlesztett ki: ez minden egyes hitelkártya-tranzakció részleteit az adatközpontban lévő központi számítógépeknek küldi el, amelyek eldöntik, hogy az adott művelet csalásgyanús-e vagy sem. (A Chase egyébként az egyik legnagyobb bizalmi pontszámot elért pénzintézet egy amerikai felmérés szerint.)

Vagy nézzünk egy másik példát 2022 márciusából. A Shift Technology nevű cég, amely a globális biztosítási ágazat számára AI-alapú döntésautomatizálási és optimalizálási megoldásokat szállít, valamint a Duck Creek Technologies, a P&C biztosítási ágazat technológiai megoldásainak globális szállítója bejelentették, hogy partnerséget kötöttek. A cél: megjelenni a piacon AI alapú csalásdetektáló rendszerrel. A teljes körű integrációt követően a Duck Creek felhasználói így valós idejű csalásjelzéseket kapnak majd közvetlenül a kárrendezési szoftverrendszerükbe.

A kockázatok és mellékhatások helyett: előnyök

A fintech világa erős forrásban van: a mesterséges intelligencia mellett intelligens chatbotoktól, blokklánc-alkalmazásoktól, web3-fejlesztésektől és neobanki megoldásoktól hangos a szaksajtó. Az AI előnyei a pénzügyi területen a fogyasztók számára már világosan megtapasztalhatók: perszonalizálhatóság, személyre szabott tanácsadás (pl. befektetési lehetőségek a bevételi és a költségminta alapján), automatizáció és biztonság.

Természetesen ehhez az kell, hogy az átlagember is minél jobban értse, mit tesz, tehet érte az AI, a szabályozásnak védenie kell az emberek érdekeit, és – mint a pénzügyi szolgáltatás területén általában véve is – a bizalom megerősítésén szükséges az érintett feleknek dolgozniuk.

Ez a cikk a teljesség igénye nélkül mutatott be két területet, ahol a mesterséges intelligencia és a pénzügy szerencsésen találkozik. Ha körbenézünk, egyre több feladatban jelenik meg az AI: a kockázatmenedzsmenttől kezdve a portfóliókezelésen át a mobilbankolásig bezárólag, és gyanítható, hogy a sornak még nincs vége.

Az elmúlt évek sikeres együttműködése és a folyamatos fejlesztések alapján 2020. március 2-án megkaptuk az IBM-től a legmagasabb, Platina-szintű partneri besorolását. Ez a legmagasabb szintű partneri státusz, melyet a szakértelmünk, a kiváló ügyfél referenciáink, a vizsgák és az IBM szoftverek viszonteladásából származó éves forgalmunk nagysága alapján érdemeltünk ki.

A Montanai Egyetem partnereivel nemrég olyan kutatásban vett részt, amelynek eredménye – ha nem is sokkolta, de – meglepte a szervezőket. A végeredmény azt mutatta ugyanis, hogy a ChatGPT-4 az eredetiség tekintetében az emberiség legjobb 1%-ának felelt meg egy standard kreativitásteszten.

KOMMENT:

A teszt eredményét a kutatást vezető Dr. Guzikhoz hasonlóan én sem szeretném értelmezni. Annak azonban érdemes utánanézni, hogyan próbálja a kreativitást mérni a cikkben említett Torrance-teszt. A teszt leegyszerűsítve azt igyekszik megmutatni, hogy mennyire képes a tesztalany az úgynevezett divergens gondolkodásra. (Definíció szerint a divergens gondolkodású ember számára nincs egyetlen "jó" válasz, fantáziája és alkotóképessége segítségével lehetséges válaszok egész sorát produkálja. Képes látszólag egymástól független, össze nem tartozó elemek között kapcsolatot felfedezni, s így minőségileg valami újat teremteni.) A ChatGPT esetében persze más szavakat használnék: a gondolkodás helyett inkább azt mondanám, mennyire képes olyan válaszokat generálni, mint egy divergens módon gondolkodó ember.

Az egyes problémákra adott válaszokat 4 szempont szerint pontozzák:

• Könnyedség (Fluency): az értelmes, releváns ötletek teljes száma
• Rugalmasság (Flexibility): a válaszok különböző kategóriáinak száma
• Eredetiség (Originality): a válaszok statisztikai ritkasága
• Kidolgozottaság (Elaboration): mennyire részletes, jól kidolgozott a válasz

A ChatGPT az első és a harmadik kategóriában (Fluency, Originality) kiemelkedően jól teljesített, illetve a Flexibility eredménye sem volt gyenge. Ahogy Dr. Guzik kiemelte, az elsőre lehetett számítani, hiszen a generatív AI egyik jellemzője, hogy sok releváns választ képes generálni. Ami inkább meglepő, az az, hogy az eredetiség szempontjából is a top kategóriába került.

Mire lehet jó ez? Amire már nagyon sokan most is használják a ChatGPT-t: adott kérdésre, problémára generáltatunk rengeteg választ, és ezek közül szemezgetünk. A ChatGPT-vel ilyen módon felturbózott „kreatív munkaerő” jóval hatékonyabban tud dolgozni, mint előtte önállóan. Csak egy példa: az irodalom. Verset ugyan nem elemeztetnék vele, de egy alkotói válságban szenvedő író jól használhatja ötletgyűjtésre, hogy aztán már „csak” formába kelljen öntenie az így kapott novella- vagy regényvázlatot. Utána már csak a jogdíjakat kell egyeztetni.

Hegedüs Pál, senior elemző, Clementine

A ChatGPT-t létrehozó OpenAI kutatói egy hosszú tanulmányban próbálták megbecsülni a mesterséges intelligencia negatív hatását a munkaerőpiacra. Vajon tényleg befellegzett például a matematikusoknak, az íróknak és a könyvvizsgálóknak, vagy csak az MI félelme tápálálja ezeket a negatív várakozásokat?

KOMMENT

Az Open AI elemzése teljesen hitelesen, tudományos igényességgel mutatja be a GPT munkaerőpiaci-helyzetet befolyásoló képességét, az Amerikai Egyesült Államok munkaerőpiacára vetítve. Egy mondatban összefoglalva (nem, nem Chat GPT segítségével), a magas hozzáadott értékkel rendelkező szellemi munkákat elképesztően hatékonyan képes segíteni a GPT.

A GPT leginkább olyan, mint egy szuperokos játékos adatkutya. Bármit kérdezhetsz tőle, MINDENT megtanult, de nem érti, mit miért, nincs itt ok-okozat, azért adja válaszul, amit mond, mert az a legjobb válasz. Teszi ezt kedvesen, és ha hibázik, és segítünk rajta, akkor van esély arra, hogy jó választ ad, és ha ez a „kutyával való játék”, gyorsabb tud lenni, mint az internetes keresés, és tényleg megoldja a problémát, hovatovább költséghatékony is, akkor van piaci értéke.

Az adatkutyákhoz nem értő emberen nem segít, de a kutya szeret játszani, és könnyen bevon a játékba. Sokan játékosan használják a GPT alkalmazásokat és nem tovább, a felhasználók egy része azonban megtalálja a helyét a saját munkavégzésében.

Marketing, gamifikáció jeles!

Tervben van a GPT 5 nevű modell, de előtte a GPT 4 tematikus hangolása történik, ami mellett egyre inkább a minőségi adatforrások felhasználása felé fordul a modellépítés, és nem a méret felé.

Tematikus hangolás, minőségi adat. Ez egy hatalmas munka, és működőképesen kivitelezve megdöbbentően hatékony speciális alkalmazást kapunk.

Valami még azonban hiányzik.

Van egy MI felé bizalmat építő elvárás, aminek semmilyen szinten nem felel meg a GPT, az pedig a magyarázhatóság. Ha ez valahogy belekerül, azaz jól válaszol nekünk és a legrelevánsabb adatforrást is képes csatolni a válaszához, mintegy magyarázatképp, akkor már nem adatkutya, hanem új generációs asszisztens. Aminek az égvilágon semmi köze a generális mesterséges intelligenciához, hanem egy elképesztően erős speciális MI támogató megoldás. Sokakat meggyőzne ez az új képesség, és az EU MI irányelveknek megfelelést is elképesztően megkönnyítené.

Addig meg marad a felügyeletet igénylő, okos társ, a GPT 4. 

adatkutya animáció copyright Sunrise Inc.

Csatlós Béla, IT Support, Clementine

Az Amazon bemutatta legújabb robotját, Sparrow-t. De vajon tényleg annyira különleges, szenzációs ez a szerkezet, ahogy azt a cég állítja?

Komment:

Mindig izgalmas nyomon követni az Amazon fejlesztéseit, hiszen azok iránymutatók lehetnek az egész világ számára. Azt hiszem, kevesen vitatnák, hogy az Amazon a leginnovatívabb cégek közé tartozik, ennek eredményeként lett egy „kis” online könyvesboltból mára a világ egyik legértékesebb vállalata. A webáruháza meghatározó értékesítési platformmá vált: az Amazon Web Services-t használja a CIA és a NASA is, az utóbbi években pedig streaming szolgáltatóként és tartalomgyártóként is felzárkózott a legnagyobbak közé. Mindez nem valósulhatott volna meg, ha a raktárai és csomagküldő szolgáltatása nem lenne ennyire hatékony, ezt pedig az olyan fejlesztéseiknek köszönheti, mint Sparrow, aki nem az első az Amazonnál munkába álló robotok közül.

A KIVA robotikai vállalat 2012-es felvásárlása óta sikeresen alkalmazzák - többek között - a csomagok szortírozását segítő, Robin névre keresztelt AI vezérelt robotkart, és Proteust is, aki egy óriás robotporszívóra hasonlító, teljesen „szabadon” és önállóan mozgó szállító egységként érzékeli a környezetét, alkalmazkodik a körülötte lévő emberek mozgásához és a töltőjéhez is visszatalál. 

Sparrow újdonsága, hogy szenzorainak és fejlett mesterséges intelligenciájának hála, képes felismerni és a megfelelő helyre továbbítani a még nem csomagolt termékeket is, ezzel egy újabb munkafolyamatba léptetve be a robotokat. Összességében már több mint 520 000 robotegység végzi a munkáját az Amazonnál, és a vezérlésüket biztosító mesterséges intelligencia is folyamatosan fejlődik: egyre összetettebb neurális hálókat és machine learning algoritmusokat hoznak létre a cég fejlesztői.

Na de elveszik-e ezzel a munkát az emberektől? Az Amazon szerint nem, nyilatkozataik szerint a robotok célja a humán munkaerő segítése, nem pedig a kiváltása. Első sorban veszélyes és/vagy fáradságos munkafolyamatokat bíznak a robotokra, összességében pedig a hatékonyság növelésének és a volumenek növekedésének köszönhetően az elmúlt évtizedben milliós nagyságrendben keletkeztek új munkahelyek a cégnél és több mint 700 féle új munkakör jött létre, amihez többek között a robotizációnak is hozzájárult, így cégszinten mindenképpen védhető az állítás, miszerint a munka nem vész el, csak átalakul.

Gergely Norbert, Elemző, Clementine

A világsikerű ChatGPT készítője, az OpenAI közzétette terveit: hogyan képzeli el az MI-fejlesztések társadalomba történő integrációját. Vajon disztópia vagy utópia vár ránk, ha az általános célú mesterséges intelligencia (AGI) megjelenik?
Az OpenAI írásáról kértük ki szakemberünk véleményét.

KOMMENT

Sam Altman egy elképesztően sikeres tech-életművész, egyáltalán nem olyan hangos és csapkodó, mint Elon Musk, de nem kevésbé minden lében kanál. Sikeres befektető, az a nagy tüdővel lufit fújó fajta, varázslatos gondolatokkal, hogy évi 1000 technológiai céget alapít – tíz éve mondta ezt. Voltaképpen nem érdekes, hogy tartja-e az ígéretét, mivel nincs egyedül ezen hozzáállásával, így az a helyzet, hogy 2022-re több mint 500.000 technológiai cég van az USA-ban, olyan 2 ezer milliárd dollár becsült értékkel. (Minden 670 amerikai állampolgárra jut egy tech cég.) A becsült érték részvényárakat jelent, sokszor jelentős részben technológiába vetett hit, illetve márka függőségből eredő fanatizmusok által fűtve. A hype és az elvárások olyan magasak, hogy a fundamentumok néha teljesen lényegtelenné válnak, melyek összeomláshoz, pánikszerű viselkedésekhez vezethetnek.

A szektor zászlójára van tűzve a diszruptív technológiai előtörés, de ha egy tech óriás hamarabb lép mint a másik, a lemaradók belekóstolnak a rohamos változásból eredő káosz feketelevesébe.

Nem lehet nem tovább nézni a cikk írójának életét, aki egyaránt foglalkozik kriptopénzekkel, atomenergiával, és ígérete szerint politikai pályát is tervezett, amitől visszalépett.

Altman kimondottan sokat látott ember. Cégvezérként tollat ragad és chartát ír (a politikus nem alszik) arról, hogy a mesterséges intelligencia technológia közeledik a generális intelligenciához. Az OpenAI óvatos és nem akar senkit hátrányba hozni. Nagy a veszély. A generális intelligenciához vezető út lassú, de a vége elképesztően felgyorsul. Az embereket, a társadalmat fel kell készíteni a hatásaira.

Kár, hogy nem lett politikus, jól megy neki a megtévesztés. A ChatGPT példája mutatja, hogy a tech szektor egy szereplőjének sikere olyan földrengést okozott, hogy a szektorban hirtelen kapkodás, csalódást keltő béta bemutatók, nyerészkedés ütötte fel a fejét. A társadalom többsége ugyanekkor változatlanul, távolról szemlélte a szektor káoszát.

Nem tudni, hogy milyen piaci környezetben és mikor fog bekopogtatni az általános mesterséges intelligencia, de mivel a cikk állításainak túlnyomó többsége igaz, abból levezethető, hogy ha kész a generál intelligencia első verziója, onnan az előrelépés, a domain specifikus verziók elsősorban CPU időt és nem hagyományosan értelmezett időt igényelnek, napok alatt évszázadnyi mértékben léphetünk előre. Piaci előnye lenne -e az annak, aki először éri el a generális mesterséges intelligenciát? Hogy hatna ez a többiekre, akik ezen a területen hónapokkal, évekkel vannak elmaradva? Sokféle válasz van, az enyém az, hogy: A piac majd beárazza! (A világtőzsde története valószínűsíti, hogy a piac teljességgel igazodik* az OpenAI chartájához)

*OpenAI charta szellemiséghez teljességgel igazodó tech-bróker

Csatlós Béla, Clementine, IT Support

A gépek lázadásahelyett az emberek lázadása: a Disney új Marvel-sorozatán akadt ki a rajongók és a művészek egy hangos csoportja. A Secret Invasion bevezető képsorait ugyanis AI-val alkotta meg a cég, és ezt nehezményezik sokan elég vehemensen.

Link: https://www.msn.com/en-gb/entertainment/movies/secret-invasion-marvel-faces-backlash-from-artists-and-fans-over-ai-generated-opening-sequence/ar-AA1cRrRp

KOMMENT:

Keszekusza projektek, szoros határidők, szűkülő pénzügyi keret, megbukott nagyfilmek, csökkenő streamingprofit. Sőt! Lázadó forgatókönyvírók. A Disney Stúdió eseménydús elmúlt negyedéve távirati stílusban.

A Titkos Invázió című sorozat részben ezen viharos környezetben készült. A műfaja sci-fi, fő témája pedig az idegen, fejlett alakváltó faj konspiratív tevékenysége; cél a háttérhatalom kialakítása és végső soron a világuralom megszerzése. Az alapötlet egy sablon, az elkészült tartalom minősége átlag alatti.

A könyvek és borítójuk összefüggését elemző népi bölcsesség alkalmazható a film és bevezető képsor párosára, a változókat a közmondásba helyezve: lehet, hogy rossz a film, de ettől függetlenül lehet jó a bevezetője. A Titkos Invázió bevezetőjének motívumai: sejtelmes humán, de zöldes alakok, USA, Fehér Ház, alakváltásra emlékeztető humán arctorzulások.

A bevezetőnek nem az a hibája, hogy mesterséges intelligencia segítségével készült, hanem az, hogy professzionális célra, igénytelenül használták fel a csúcstechnológiát képviselő mesterséges intelligencia megoldást, továbbá megbocsátatlan módon a Disney digitális adatvagyon és művészeti tapasztalat teljes figyelmen kívül hagyásával.

Hogyan lehet beépíteni a vállalati tudást és tartalmat a generatív megoldásokba? Ha megfigyeltük a GPT technológiai körüli nyüzsgést, az IBM távol tartotta magát a kommercializált MI hype profit skalpolástól, a nagyvállalati megoldásra fókuszált, ami a WatsonX.

A WatsonX a vállalati adatvagyonra építve, hoz létre generatív MI megoldásokat.

A sikeres MARVEL – Mi lenne, ha…? sorozat témájával élve, vizsgáljuk meg, hogy mi lett volna, ha a Method Studios az IBM WatsonX megoldást használta volna.

A fenti összehasonlítás magáért beszél.

Kedves Ali Selim! Nincs magára hagyva az MI hatékony felhasználásával kapcsolatos kihívások legyőzésében. Baráti jó tanács: Call IBM USA. (1-800-426-4968)

Egy jogi összefoglaló azt próbálja körüljárni, hogy a szerzői jogban mi vonatkozik a mesterséges intelligencia által, vagy annak segítségével készült képekre.

LINK:https://arsboni.hu/a-mesterseges-intelligencia-altal-generalt-kepek-jogi-keretei-korunk-muveszeteben/

KOMMENT

Az Absoni gyakornoki programjának keretében született cikk egy kiváló összegzése az MI szerzői joggal kapcsolatos tudnivalóknak: kötelező olvasmány.

A jövőkép boncolgatása nem volt a cikk fókusza, pedig izgalmas vetülete van. Az EU által immáron több éve készített mesterséges intelligencia szabályozó tervezete elérhető. Egy éve azt mondta volna mindenki, hogy minden a terv szerint megy, időre kész lesz, aztán a folyamatban lévő munka ütemezését úgy borította fel a GPT technológia sikere, mint traktor a bakterházat.

Az EU transzparens, etikus, magyarázható mesterséges intelligenciát szeretne a kontinensen bevezetni, amelyet minél kritikusabb területen alkalmaznak, annál magasabb elvárásoknak kell megfelelnie. Ha valami újszerű és sehogy nem felel meg a fenti kritériumrendszernek, azt fejlesztői sandboxokba zárják.

A sandbox- és transzparencia-korlát jelentősen letöri a cash – grab versenyképességet Kínával és az USÁ-val szemben, ezt kár vitatni: tény. Mit értek ez alatt?

Kína – napjainkban:

Állami tulajdonú, zártláncú kamerarendszerek adatainak felhasználása olyan természetességgel képezi mesterséges intelligencia rendszerek tanító adatbázisainak alapját, amilyen természetességgel van tiltva az EU-ban.

USA – etikus MI fejlesztői megbeszélés:

• Főnök, felmerült itt egy kérdés, a tanító adatbázisba belekerültek élő személyek alkotásai, nagy számosságban, mit kezdjünk a problémával?
• Nem problémaaa! Funkció! Tudjon a rendszer élő személyek stílusában alkotni!
• Nem lesz ebből gond, főnök?
• Elnézést kérni könnyebb, mint engedélyt.

Az EU szabályoknak megfelelés és sandbox hosszú távon mit jelent? Ha a fejlesztőt nem lehetetleníti el a globalizált piacból eredő digitális gyarmatosítás, az EU szabályoknak megfelelő modellek tanító adatbázisa teljességgel transzparens lesz. Ez lehetőséget nyújt arra, hogy a finomhangolás legvégső fázisában a termék jobb legyen, mint a nem-EU-konform versenytársé. De ez nagyon időigényes, és a nem áttekinthető, tanító bázisú modellek finomhangolása is nagyon hatékony megoldás. Sőt folyamatban is van: a GPT 5 előtt a GPT 4 finomhangolt tematizált alverziói jönnek.

Pezseg az MI szcéna, a kommercializált nyelvi modellek világát éljük, követhetetlen mennyiségű startup, ígéret, alkalmazás.

Nem csak fejlődünk, hanem felnövünk is: lassan érkeznek a nagyvállalati igényeknek megfelelő nyelvi modell termékek is (watsonx.ai), amelyek jól beállítva ugyanarra a kérdésre, remélhetőleg ugyanazt a választ adják.

Elkalandozva, de újra csatlakozva a kezdő gondolathoz, mégis mi tekinthető műnek: State-of-the-Art ipari hatékonysági szintű termelőeszközzel hozunk létre tartalmat. Álláspontom szerint már az eszköz használat adja a művészeti potenciált. Látensen közeleg a jogi tényállás is, amikor is egy hype kapcsán elkészül az „első” százkilencvenhétezer-nyolcszázötvennyolc plusz háromszázhét per másodperc egyforma alkotás, mind eredetiséget követelve.

Csatlós Béla, IT Support, Clementine