Mit jelent igazából a mesterséges intelligencia (MI)?

Anyai nagymamám mesélte, amikor a rádió újdonság volt a falujukban, és az ő nagyapja először találkozott a technika eme vívmányával, akkor azt kérdezgette, „hun van ebbe’ az a piciny ember, aki beszél”. Persze idővel megbarátkozott a gondolattal, hogy a pici ember beköltözött hozzájuk, és előszeretettel hallgatta is, amit mond.

Évtizedeknek kellett eltelni, hogy a rádiózás elérje az első 100 millió felhasználóját, ez az idő a ChatGPT esetében mindössze 2 hónap volt. A technikai újdonságokra nyitott emberek közbeszédébe beépült a mesterséges intelligencia, sokan pár sör vagy épp egy klaviatúra mellett lamentálnak a szép új világról, várakozásokkal, félelmekkel, kérdésekkel tele.

Sokakhoz el fog jutni a technológia, sőt, amit most a köznyelv mesterséges intelligenciának hív, az igazából már milliárdokhoz el is jutott, gondoljunk a nagy keresők, social platformok vagy alkalmazások algoritmus rendszereire.

Mi is az a mesterséges intelligencia?

Az 50-es évek Amerikájában rakták le a fogalom alapjait, leegyszerűsítve egy olyan célt, ambíciót jelent a mesterséges intelligencia (AI, vagy artificial intelligence), amely az emberi kognitív képességek összességét, az emberi gondolkodást próbálja replikálni.

Fontos jellemzői, hogy állandó, folyamatos emberi beavatkozás nélkül képes legyen a külvilág ingereire reagálni, illetve a viselkedését képes legyen célszerűen és megismételhető módon változtatni, azaz tanuljon.

A sci-fi irodalomban, a popkultúrába elsősorban ennek a már tökéletesen megvalósult állapotát szokás mesterséges intelligenciának nevezni, azaz az önállóan gondolkodó, saját tudattal, akarattal rendelkező gépet. Bármennyire is megtévesztő lehet az emberi érzékelés számára, a jelenlegi MI rendszerek nem tartanak itt. Tulajdonképpen nagy adatbázisokban fedeznek fel szabályszerűségeket, találnak mintákat, összefüggéseket, és ez alapján alkotnak új ismereteket, információkat.

Az emberi elme tartalmi hierarchiája

Russel Ackoff 1989-es DIKUW modellje (data – information – knowledge – understanding – wisdom) az emberi elme „tartalmában” öt különböző hierarchia szintet különböztet meg. A mesterséges intelligenciák sajátosságaikból fakadóan különféleképpen kezelik, használják az egyes szinteket, de egyelőre a legmagasabb, a bölcsesség szintjére nem jutnak el, tulajdonképpen az ide való eljutás feltételezné az öntudatra ébredést. De melyek ezek a szintek, és milyen kontextusba hozhatók az MI-vel?

Adat

Az adat nagyon röviden egy kontextus nélküli ismérv. Egy önmagában semmit nem mondó „entitás”. Ilyen például egy szám, mondjuk az 5. Az MI képes nagy mennyiségű adatot feldolgozni, elemezni, és az adatokból származó mintákat és összefüggéseket felismerni. Ezen a szinten nagyon otthonosan mozog az MI rendszerek többsége.

Információ

Az információ kontextussal rendelkező adat. Az előző példánkból kiindulva, ha az 5-ről tudjuk, hogy mit jelöl az 5, akkor az 5 adott szituációban mondjuk 5 óra alvást, vagy 5 km futást jelent, akkor információról beszélhetünk. Az MI rendszerek képesek adatokból információt kinyerni, mintákat, összefüggéseket találnak és információkat konvertálnak adathalmazokból.

Tudás

A tudás olyan determinisztikus folyamat eredménye, melynek célja az információk módszeres gyűjtése. Ez nem jelenti az összeszedett információk megértését. Ackoff tudásdefiníciója ennyiben eltér a hétköznapi tudás általánosan használt fogalmától. Hallottunk már óvodás csoportot Himnuszt szavalni? Mennyire tűnik hitelesnek a „bal sors akit régen tép” sor egy ilyen előadásban? Az ovisok begyűjtik az infót, megtanulják a verset, tudják a verset, de többségük egyelőre nem értelmezi.  Az MI rendszerek képesek az adatok és az információk módszeres gyűjtésére.

Megértés

A megértés lehetővé teszi új adatok előrejelzését a korábbi adatokból történő interpoláció segítségével. Gépi tanulás esetén az interpoláció azt jelenti, hogy az algoritmusok az ismert adatkészleten belül próbálják megbecsülni az ismeretlen értékeket. A megszerzett tudás összefüggései alapján képes újfajta tudást szintetizálni. Az intelligensebb MI-k erre képesek.

Bölcsesség

Az értelmet felülmúló képesség, amely nem csupán a megszerzett ismeretek keretein belül képes újfajta tudást szintetizálni, de annak határain is képes túllépni. A bölcsesség az, amikor a tudás és a megértés alapján döntést hozunk és cselekszünk. Az MI rendszerek jelenleg nem képesek az emberi tapasztalat és bölcsesség szintjén döntéseket hozni. A rendelkezésre álló adatkészleten belül képesek javaslatokat tenni, döntést támogatni, de extrapolációra, azaz a rendelkezésre álló adathalmazon kívül eső értékek becslésére nem képesek. Erre egyelőre az emberi gondolkodás képes.

Hogyan tanulnak a gépek? Mi is az a gépi tanulás (machine learning)?

A gépi tanulás a mesterséges intelligencia egyik alkalmazási területe, amelynek során a gépek képesek saját maguktól tanulni és javítani teljesítményüket a tapasztalatok alapján, anélkül, hogy az ember közvetlen módon programozná azokat minden lehetséges helyzetre. A számítógépek automatikus tanulási folyamatának tudománya, amely lehetővé teszi, hogy az adatokból, információkból, tudásból és a tapasztalatokból új dolgokat tanuljanak, és javítsák a teljesítményüket a feladatok elvégzése során.

Melyek a gépi tanulás szintjei?

Felügyelt tanulás (supervised learning)

A gépi tanulás egyik típusa, ahol az algoritmus rendszereket olyan adatkészlettel tréningezik, amelyeket korábban már címkéztek vagy besoroltak. Azaz, az algoritmus kap adatkészletet, az adatok címkézettek, megvan a szabály, ami alapján elkészül az output.

Felügyelet nélküli tanulás (unsupervised learning)

Ebben a típusban nincs címkézett adatkészlet, nincs ismert szabály. Ebben az esetben az algoritmusoknak fel kell ismerniük a bemeneti adatokban található összefüggéseket.

Erősített tanulás (reinforcement learning)

Az erősített tanulásban az algoritmusnak nincs hozzáférése címkézett adatkészletekhez. A kezdeti cselekedetei alapján a környezet reakcióiból tanul és az alapján fejleszti magát, hogy a következő lépései jobbak és jobbak legyenek.

Mély tanulás (deep learning)

A mély tanulás általában többrétegű mesterséges neurális hálózatokon alapuló gépi tanulás típusa. Sok rétegből tevődik össze és jellemzően nagy mennyiségű adatot elemez, és komplex, nagyszámú műveletet végez.

De mi az a mesterséges neurális hálózat?

A mesterséges neurális hálózat felépítésében az agy biológiai neuronjainak működését utánozza, azaz próbálja utánozni. A neurális hálózatok nagyszámú egységből állnak, amelyek az adatok feldolgozását végzik, kommunikálnak egymással úgynevezett súlyok segítségével. A súlyok a kapcsolatok erősségét jelzik a mesterséges neuronok között. Ez határozza meg, hogy milyen mértékben és hogyan veszik figyelembe az egyes neuronok az információt a bemeneti rétegből a kimeneti rétegbe. A súlyok kezdeti értékeinek beállítása az adathalmaz tanítása során történik, és az algoritmusok a tanítási folyamat során optimalizálják azokat. A visszajelzések, hibák alapján korrigálják a súlyokat, optimalizálnak, míg a célnak megfelelőbb outputot nem adnak. Ezeket a rendszereket jellemzően olyan céllal használják, hogy olyan bonyolult feladatokat oldjanak meg, amelyeket a hagyományos számítógépi módszerekkel nehéz vagy nem is lehetséges.

Mi a ChatGPT (Generative Pre-trained Transformer) tulajdonképpen? És miért most robbant nagyot a mesterséges intelligencia a köztudatban?

Az emberi gondolkodás egyik fontos megnyilvánulása a sok közül a beszéd, a nyelv. A ChatGPT egy nyelvi modell, amely ezt replikálja egyre tökéletesebb módon. Ez az MI megjelenéseknek csupán egy ága. Mesterséges intelligenciát, bonyolult algoritmus rendszereket, neurális hálókat nem a ChatGPT kezdett el használni. Igazából keresőkben, social platformokon találkozhattunk ezzel, a Facebook feed összeállítását, annak perszonalizálását is bonyolult algoritmus rendszerek végzik, de a Google személyre találati listáit is algoritmusrendszerek állítják össze. Az MI fogalmával az emberiség az 1950-es évek óta foglalkozik. 1961-ben az IBM egyik computere teljesen mesterségesen elénekli a Daisy bellt. Reptereken, autópályákon hosszú évek óta működnek felismerő rendszerek, amelyek kiszűrik a szokatlan jelenségeket és riasztást küldenek emberi kezelőknek. Azt sem lehet mondani, hogy ezek nem lennének annyira látványosak. A ChatGPT varázsa valószínűleg abban rejlik, hogy a jelensége nagy tömegek által elérhető és megtapasztalható. Ahhoz, hogy használjuk, nem kell szakembernek lenni, könnyen befogadható. A popkultúra rég megteremtette a vágyakozást egy gépre, ami beszél, gondoljunk az Űrodüsszeia Hal 900-ára, az HBO Farkas gyermekei sorozat humanoidjaira, vagy a Nyolcadik utas a halál Bishopjára és megannyi társukra. Azt nem mondhatjuk, ez már a jelen, de az illúziója már a jelen.

Az öntudatra ébredt AI entitásokhoz képest a ChatGPT annyit tud, hogy hatalmas adatbázisok alapján tanul, optimalizál. Részben gyakorisági alapon az algoritmusrendszere szavakat pakol egymás mögé úgy, hogy azok az ember számára értelmesnek tűnjenek. Illetve a betáplált adatbázisai alapján tanul. a GPT 4-es elvileg adatbázisok milliárdjait, 100 milliós nagyságrendű paramétert használ, ez az eddigi legtöbb paramétert használó MI a világon.

Nincs öntudata, nincs akarata, szabad akarat alapján nem tud döntéseket hozni, de nagyon magas színvonalon kelti ennek az illúzióját, ami sokakban azt az érzetet keltheti, hogy egy öntudatra ébredt lénnyel társalognak. Egyelőre a Skynet még nincs itt, talán nem is lesz soha, de az biztos, hogy az MI szektor egy nagyon komoly ugrás elején tart, és az MI széleskörű, sokak számára elérhető alkalmazhatósága gyökeresen át fogja alakítani a világunkat. A következőkben azzal fogunk foglalkozni, hogy hogyan érdemes készülni az MI okozta változásokra, hogy milyen átfogó hatásai várhatók a marketing és kommunikációs területeken, miként integráljuk az MI-t az üzleti folyamatainkba, illetve hogyan használhatjuk fel az MI szerepét akár már napjainkban magyar KKV-ként.

Inspirációs tartalmak

Ha szeretnél teljesen közérthető videókat nézni a témával kapcsolatosan.

Interjú Rab Árpád jövőkutatóval a Mindenségit! csatornán
Interjú Tilesch György MI szakértővel a Friderikusz Podcast csatornáján
Interjú Keleti Arthúr kiberbiztonsági szakértővel az ATV Magyarország csatornáján
És egy remek szakmai csatorna a témában: Machine Learning Budapest sok témába vágó videóval
444 csatornáján beszélgetés Lukács András, az ELTE TTK Számítógéptudományi Tanszékének egyetemi adjunktusával

Szerző: Kapui Ferenc
Szerkesztett képi anyag: Márián Gábor