(A cikk írója egyébként az Anthropic vállalat munkatársa, a Google DeepMind egykori kulcsfontosságú figurája, aki többek közt az AlphaGo, AlphaGo Zero és AlphaZero rendszerek kifejlesztésében is tevékenyen részt vett.)

De vajon igaza van-e? Nincs-e a felvetésében túlzás?

LINK: https://www.julian.ac/blog/2025/09/27/failing-to-understand-the-exponential-again/

Az AI jövője remek vitatéma, sok különböző forgatókönyv lehetséges, amik nagyon különböző kimenetelekbe torkollhatnak. Az biztos, hogy nagyon rövid idő alatt óriási változások következtek be, de hogy merre tartunk, arról sok – általában egymással szöges ellentétben lévő – sarkos véleményt olvashatunk. Ez tipikusan az a helyzet, amikor kis számú adatpontra próbálunk görbét illeszteni és a kevés pontba most még mindenki más függvényt lát bele. Ilyenkor még minden jóslatot érdemes „educated guess”-ként kezelni. Amit viszont el kell ismerni, hogy Julian Schrittwieser bizony eléggé „educated” a témában, jó érvei vannak, érdemes olvasni a bejegyzéseit. Ráadásul a tipp – miszerint az AI ember számára 1 napon túlnyúló feladatokat is el fog tudni végezni önállóan 2026-2027-ben, szerencsére elég rövidtávú, nem a szokásos évtizedes vízió. Szóval 1-2 éven belül meglátjuk, hogy igaza van-e, amikor exponenciális görbét lát az AI modellek teljesítményét mutató adatokba és valóban radikális változások jönnek-e, vagy ebből az exponenciálisnak tűnő görbéből is S-görbe lesz, és a gyors fejlődés lelassul, a robbanásszerű fejődési szakasz után, mint sok más technológia, pl. belsőégésű motorok vagy a kijelzők pixelsűrűségének tekintetében is. Az AI modellek teljesítményértékelésének nehézségeit tartalmazó nyúlüregbe most nem mászom be, de arról is lehetne – és kell is, fogunk is – értekezni.

Gergely Norbert, a Clementine elemzője