Öntudatra ébredhet-e az AI, hol húzódnak a technológia korlátai?
Kérdés, mit várunk egyáltalán a mesterséges intelligenciától (MI; angolul: AI). Valószínűleg sokan úgy gondolnak rá, mint KITT-re a Knight Riderből, aki pikpakk megadja minden felmerülő kérdésünkre a választ, legyen az irodalom, biológia vagy kvantummechanika.
Amikor az AI már a saját írásait idézi
Ez még lehetségesnek is tűnhet a mostani modellek esetén, de a pontosság és kapott válasz nagyban függ attól, hogy milyen adatokon trenírozták az adott nyelvi modellt, és emellett legalább annyira fontos, hogy milyen módon fogalmaztuk meg pontosan a kérdésünket.
Sokaknak van olyan tapasztalatuk, hogy pontatlan választ kapnak az AI-tól, vagy pedig hallucinál, az alkalmazott modelltől függetlenül. Ugyanakkor tény, hogy az újabb, még szélesebb tanításon átesett modellek, mint például a GPT-5 vagy a Claude 4.5, illetve a Google Gemini és a Grok, pontosabb és jobb válaszokat tudnak adni, mint a korábbi változataik,
de nagyon úgy fest, mintha most már elfogyott volna az adat, amivel be lehet őket tanítani.
Egyesek véleménye szerint már az egész internetet felhasználtuk arra, hogy betanítsuk őket, és a pontosság most már Paréto-hatékonnyá is vált, azaz exponenciálisan több új adatra volna szükség ahhoz, hogy csak egy kicsit pontosabb választ tudjon adni ugyanarra a kérdésre az AI.
Ami a betanítást tovább nehezíti, hogy most már elég sok AI által generált írás is megjelent az interneten, ami ha szintén tananyaggá válik, akkor egy rekurzív – azaz ismétlődő lépésekből álló műveletsorozaton alapuló – problémával szembesülünk, ami nem fogja már a pontosságot tovább növelni.
Kreativitást ne várjunk a mesterséges intelligenciától
Kicsit visszakanyarodva, valószínűleg elég sokan egy általános mesterséges intelligenciára vágynak (AGI), de nagyon úgy fest, hogy a nagy nyelvi modellek nem tudják elhozni az AGI-t, ahhoz alapjaiban más megközelítésre lehet szükség.
A nagy nyelvi modellek előnyei a specifikus feladatok elvégzésében rejlik, ez az, amit ügynököknek (agent) hívunk. Viszont nem szabad elfelejteni, hogy
ezek működésükből fakadóan csupán az intelligencia látszatát keltik, és nem alkalmasak olyan feladatok elvégzésére, amelyekben kreatívnak kell lenni, új elméletet kell alkotni.
Ezek ugyanis kívül esnek a betanítási adattömegen, és rohamosan növelik a hallucinációk esélyét. Persze az emberek által gyártott elméletek sok esetben pontatlanok vagy épp hibásak, ám mi ezekből képesek vagyunk tanulni, szemben az LLM-ekkel (nagy nyelvi modellek), amelyek csak akkor és annyit tanulnak, amennyit megengedtünk nekik.
Itt pedig már felvetődik egy másik kérdés, hogy egyáltalán milyen adatokat szabad felhasználni a betanításra, nem sértünk-e meg ezzel személyiségi vagy épp szerzői jogokat, vagy nem használunk-e fel illetéktelenül bizalmas adatokat.
LLM-ellenőrök kerestetnek majd
Nagyon is megvan ugyanakkor az igazi terepe az LLM-eknek. A fordítás, a kódolás, a szövegalkotás, az összehasonlítás és keresés terén jóval nagyobb az esélye annak, hogy olyan válaszokat kapunk, amelyek megfelelnek az igényeinknek. Feltéve persze, hogy jól tettük fel a kérdést.
Na de hogy lesz ebből akkor hatékonyság- és profitnövekedés? Jelenleg úgy tűnik, hogy lesznek ágazatok, ahol igen nagy hasznát lehet majd venni az AI-nak. Sajnos, a profitnövekedés viszont diszrupció (azaz a rombolással járó megújulás) által látszik megvalósulni.
Azaz egyáltalán nem, vagy jóval kevesebb embert fognak alkalmazni olyan feladatokra, mint az adatfeldolgozás vagy esetleg fordítás és egyes programozási feladatok.
Mivel azonban a hallucinációk elkerülhetetlenek, mindig szükség lehet olyan munkatársakra, akik ellenőrzik az AI irományát, tehát a szaktudásra továbbra is szükség lesz!
Összességében a szoftveroldalon vannak jelenleg nehézségek, a betanításhoz szükséges hardverre továbbra is nagy az igény, akár újabb nagy modellekről, akár speciális igényű ügynökök betanításáról beszélünk.
A Skynet még nem ébred öntudatra
A szoftveroldalon jól ismert szereplők jellemzően nem tőzsdei cégek, legfeljebb jól ismert tőzsdei cégek fektetnek ilyen technológiába, ezért
a tőzsdei lufi, ha ez lufi egyáltalán, valószínűleg csak akkor pukkanhat ki, amikor elkezd csökkenni az igény a számítási kapacitás ilyen mértékű bővítésére.
Persze elképzelhető, hogy a szerverparkok már a más alapokon nyugvó AGI-hoz is felhasználhatók lesznek, így az igény fennmaradhat. Ezt erősíti az is, hogy sokan még csak most kezdik tesztelni, hogy az AI-t fel tudják-e valahol használni a folyamataik során. Úgy tűnik, a Skynet még nem akar öntudatra ébredni…😉
