A hétköznapi életben, így a pénzügyi szolgáltatások terén is egyre gyakrabban lehet találkozni a mesterséges intelligencia- (MI) alapú megoldásokkal, ilyen például a K&H mobilbankjában a Kate névre keresztelt digitális pénzügyi asszisztens. A Google december elején mutatta be eddigi legambiciózusabb generatív mesterségesintelligencia-megoldását, a Geminit, amellyel egy új versenytárs lépett a mesterséges intelligencia piacára.
A Kate alig egy év után „megtanult” hangalapú utasításokat is végrehajtani. Így például szóban meg lehet kérni arra, hogy utaljon át egy bizonyos összeget valakinek. Nem árt ismerni, hogyan tud a számítógép egy ilyen műveletet végrehajtani. Milyen folyamatok húzódnak meg a háttérben? Ehhez először is tisztáznunk kell néhány alapvető kérdést.
Mi is az a mesterséges intelligencia?
A látszólag egyszerű válaszokat a K&H kommunikációs csapata állította össze. A mesterséges intelligencia a számítógépeknek azon képessége, hogy olyan feladatokat végezzenek el, amelyekhez hagyományosan emberi intelligenciát igényelnek. Jellemzően ilyen a tanulás és a problémamegoldás.
De vajon honnan tudja az MI, hogy milyen legyen a megalkotott szöveg vagy kép? A válasz egyszerű: nem tudja, de a sok százezer, sok millió tárolt adatból következteti ki – tulajdonképpen ezek a tárolt adatok az „emlékei”. Minél több adatot tárol, elméletileg annál nagyobb pontosságra képes. A generatív mesterséges intelligencia (Gen AI) olyan algoritmusokat ír, amelyek segítségével új tartalmak, például hang, kód, kép, szöveg, szimulációk és videók hozhatók létre. A MI számos gyakorlati felhasználási lehetőséget is kínál az új termékek megtervezésétől kezdve az üzleti folyamatok optimalizálásáig. Ahogy használata egyre inkább beépül az üzleti életbe, elterjed a társadalomban, és a mindennapjaink részévé válik, úgy alakul az új szabályozási környezet is, amely hozzájárulhat a kétségkívül meglévő kockázatok kezeléséhez is.
A szövegalapú gépi tanulási modellek új generációját már nem tudósok tanítják, hanem az úgynevezett önfelügyelt tanulásra támaszkodnak.
Az ilyen típusú képzés során a modellt hatalmas mennyiségű szöveggel táplálják, hogy képes legyen előrejelzéseket generálni.
Egyes modellek például néhány szó alapján képesek megjósolni, hogy egy mondat hogyan fog végződni. Megfelelő mennyiségű mintaszöveggel ezek a nyelvi modellek igen pontosak lesznek.
Miért pont most robbant be a mesterséges intelligencia az éltünkbe?
Mert több folyamat összeért, és immár új minőséget alkot. Az első ok a Big Data, a cégeknél felhalmozódó hatalmas adatvagyon. Ezek alapján a cégek egyre személyesebb szolgáltatásokat tudnak kínálni, illetve alá tudják támasztani saját döntéshozatali folyamatukat. A másik ok a számítási és tárolókapacitások exponenciális növekedése. Az IT infrastruktúra fejlődése – a gyors számítógépek, a hardverek és a szoftverek, a felhőalapú technológia – lehetővé teszi a nagy adathalmazok gyors és olcsó, jól skálázható feldolgozását.
Végül, de nem utolsósorban a gépi tanulást elősegítő algoritmusok és grafikai processzoregységek olyan rohamosan fejlődnek, hogy lehetővé teszik az elképzelhetetlenül gyors és összetett kalkulációkat is. A generatív MI a betáplált adatok alkotóelemeit használja tartalomgenerálásra. Mivel az algoritmusok képzéséhez használt adatok mennyisége gigászi – a GPT-3-at 45 terabyte-tnyi szöveges adaton képezték ki –, ezért a modellek kreatívnak tűnhetnek a végtermékek előállításakor, vagyis olykor hallucinálnak. Ráadásul a modellek általában véletlenszerű elemeket tartalmaznak, ami azt jelenti, hogy egy bemeneti kérésből többféle kimenetet is képesek előállítani, amitől a végeredmény még életszerűbbnek tűnik.
Az informatikai ipar és a szoftverfejlesztők munkáját támogathatja például, hogy az MI-modellek azonnal jórészt hibátlan kódokat írnak. De az MI alkalmas akár marketingszövegek megírására és testre szabására is. Ebből bármely olyan szervezet profitálhat, amelynek írásos anyagokat kell készítenie. Az így megtakarított időt és erőforrásokat a szervezetek új üzleti lehetőségek felkutatására, a nagyobb értékteremtés lehetőségére fordíthatják.
Milyen kockázatai vannak az MI-modellek használatának?
A generatív MI-modellek használatának van néhány velejáró kockázata. Ezek közül van, amit ismerünk, és van olyan, amit még nem. A generatív MI-modellek végtermékei például néha egyszerűen tévesek, vagy valamilyen jogot sértenek, ami kockázatot rejt magában. Ezek a kockázatok persze kezelhetők vagy részben csökkenthetők.
A vállalatok egyre inkább elvárják alkalmazottaktól, hogy ellenőrizzék a MI által generált végeredményeket, és szükség esetén felülbírálják. Az összegzés összeállítói szerint fontos, hogy a felhasználók megőrizzék józan eszüket, és kiszűrjék a nyilvánvaló butaságokat. Egyelőre szerencsésebb, ha nem a gép dönt, csak a döntés előkészítésében működik közre, és mindig maradnak emberek a döntéshozatali folyamat végén – különösen olyan döntések esetében, amelyek jelentős erőforrásokat vagy emberi jólétet érintenek.
