Mindenki a nagy áttörést várja a mesterséges intelligenciától, de 2024-ben még nem fogja megváltoztatni az életünket
Negyvenes városi, középosztálybeli nő. Bankja jól ismeri szokásait, tudja mire költ, tudja, hogyan költi a pénzét, tudja azt is, merre jár, mi érdekli. Csak egy lépés, hogy a rendszerben tárolt adatai segítségével ajánlatot tegyen neki a bank egy új termékre, mondjuk egy hitelkártyára. Egy nyelvi modell pedig könnyedén el is készítheti ezt az ajánlatot: tudja, mivel keresse meg, azt is, milyen stílusban szólítsa meg, és nyilván azt is képes meghatározni, milyen platformon tudja a leghatékonyabban elérni, még a napszakot is képes belőni.
2023-ban erre a pontra ért el a mesterséges intelligencia, egy adott pillanatban már azt is elhihettük az AI körüli hype-ot látva, hogy a határ a csillagos ég, és az ráadásul igen közel van – egészen addig, amíg meg nem láttuk, milyen is lett a kész ajánlat.
Egyszerre túl tökéletes és tökéletesen használhatatlan.
Hiába beszél a barátaival tényleg ilyen stílusban a megcélzott nő, egy banktól nem feltétlenül veszi jó néven, ha úgy szólítja meg: „hahó, csajszi”. Azt meg egyenesen tolakodásnak fogja venni, ha az ajánlat este kilenckor érkezik push üzenetben, még úgy is, ha ő jellemzően akkor nézegeti az okostelefonját. Azért meg a bankfelügyelet büntetné meg a pénzintézetet, ha túl sok információt használna fel a kliens költési szokásai alapján egy ajánlat készítésénél, és akkor arról még nem is beszéltünk, hogy egy olyan időszakban, amikor minden második céges ajánlatról kiderül, hogy csalás, az ügyfél mennyire venne komolyan egy ilyet.
A példa nem légből kapott: az AI által megírt ajánlattal és annak elemzésével nemrég a McKinsey szakértői demonstrálták, mennyire távol vagyunk még attól, hogy azokat valóban alkalmazni tudják a cégek.
Ennek ellenére kár lenne vitatni: 2023 forradalmi év volt a mesterséges intelligencia alkalmazásában. Egy jó ideje tartó folyamat ért el egy kritikus pontra azzal, hogy széles körben is elérhetővé tettek több nyelvi modellt, például az OpenAI ChatGPT-jének újabb generációit, a Google Geminijét vagy a Microsoft Bing Copilotját. „Az AI persze korábban is velünk volt, a forradalmi változás abban állt, hogy a használatához ma már nem kell adatelemzőnek, kutatónak vagy IT-szakembernek lenni, hiszen emberi nyelven képes veled kommunikálni: egyik pillanatról a másikra azt láttuk, csak attól függ minden, hogy képes vagy-e a megfelelő kérdést feltenni” – magyarázza Ruben Schaubroeck, a McKinsey londoni partnere, aki azonban azt is hozzáteszi: annak, amit most AI-nak tekintünk, csupán 20-30 százaléka valódi generatív mesterséges intelligencia, a maradék egyszerű gépi tanulás alapján létrehozott produktum.
Vagyis a gyakorlatban egy soha nem létezett gyönyörű nő portréja, netán egy valósághű vizuális „gondolatkísérlet” arról, hogyan nézne ma ki John Lennon – ennek az üzleti haszna azonban igen korlátozott.
A kezdeti lépések mégis nagyon fontosak a szakember szerint: „Úgy gondolom, az igazi újdonság az AI demokratizálódása volt, vagyis az, hogy az idén élesedő alkalmazásokat már nem csak erre specializálódott cégek, szervezetek igénybe veszik, hanem akár a gyerekek házi feladatának készítésében is segítséget nyújthat".
Aki persze kipróbálta már – akár a házi feladat elkészítéséhez – láthatta, hogy messziről sem tökéletes a válasz, amit kap, még ha a lehető legpontosabban tette is fel azt a kérdést, amire választ várt. Van azonban, amire már most is használhatók ezek a rendszerek (még ha nem is generatívként) – emeli ki Schaubroeck: a legegyszerűbb munkafolyamatok automatizálásával segíthetnek az emberi munkaerőnek abban, hogy tényleg olyan tevékenységeket végezzenek a dolgozók, amelyekre a gép még nem képes. Például a call centerben dolgozók munkáját segítsék adatokkal, miközben az alkalmazott a hívásra tud koncentrálni. Vagyis
nem arról van szó, hogy egyszer csak egy robot dolgozik egy ember helyett, sokkal inkább arról, hogy apránként, az emberek igényei szerint alakulnak át a munkafolyamatok, a cégek működési rendszerei.
A szakember szerint a nagy lehetőség és a nagy kockázat is itt van, hiszen ügyesen kell meghatározni azt, hogyan integrálják az AI-t a hagyományos rendszerekbe. Vagy hogyan építenek ki ennek érdekében egy teljesen új infrastruktúrát, és ebben hogyan tudnak nagy szerverparkokra, felhőrendszerekre támaszkodni. Az adatok strukturált kezelése ugyanis csak egy dolog, ezen túl létre kell hozni és hozzáférhetővé kell tenni az új digitális infrastruktúrákat is, az AI fejlesztésén túl ennek is óriási tőkeigénye van. Pláne, hogy egyelőre az sem világos, hogy pontosan merre is halad majd ez a folyamat – teszi hozzá, kiemelve: ez is a következő időszakban dőlhet el.
Egyelőre tehát nem tartunk ott, hogy az AI venné el az emberek munkáját – ezt a cikket sem tudná megírni a mesterséges intelligencia, bár ahhoz komoly segítséget nyújtott. A McKinsey szakértőjével a cég által szervezett találkozón, óriási zajban készített beszélgetést a háttérzajból kiemelve rögzítette az iPhone felvevője, majd a hangjegyzetet igen nagy pontossággal írta át szövegbe a Word beépített alkalmazása. Ez azonban szintén nem tekinthető generatív mesterséges intelligenciának, igaz, ennek bizonyos formája is megjelent már az újságírásban, és szintén használni tudnánk akár ehhez az íráshoz: egy adott témában megjelent cikkek összefoglalására alkalmazhatók ezek a rendszerek, például a fenti keretes előállításához.
Ennél bonyolultabb lenne az egész cikket megíratni vele, van ugyanis egy elháríthatatlan akadály: a strukturálatlan adathalmazból nem tudja a gép eldönteni, melyik forrás megbízható és melyik nem. Ehhez az a háttértudás, sajátos perspektíva szükséges, amellyel egy újságíró rendelkezik – magyarázza a szakember.
Emlékszünk még a cikk elején felvetett példára a negyvenes nővel, akit túlságosan bizalmaskodó stílusban szólított meg a bankja AI-ja? Az újságírásban látható akadályt látja a személyre szabott marketingnél is Ruben Schaubroeck: „Az újságíró forrásokat keres, és ha egyet nem talál megfelelőnek, lép tovább, így lesz egyre kifinomultabb a képe egy témáról – az általa alkalmazott forráskritika egyfajta visszacsatolás. A marketing is hasonlóan működik: valaki (mondjuk a marketinges) tesz egy javaslatot, a másik fél (mondjuk a cégvezetés, a jogi osztály, külső szakértő stb.) erre reagál, módosítja, finomítja, a válasz alapján pedig születik egy újabb javaslat, és így tovább. Ezt hívjuk feedback loopnak (visszacsatolási hurok). Ebben a folyamatban a gép egyelőre csak a javaslatot képes megtenni, a visszacsatoláshoz, így végső soron a döntés(ek) meghozatalához, azonban szükség van az emberre – a maximum, amit el tudunk érni, az a gépi és az emberi gondolkodás kombinációja. Gondoljunk csak az etikai megfontolásokra, ezeknél is szükség van az emberi döntésre.” Vagyis ahhoz, hogy a gép megtanuljon olyan ajánlatot adni, amely megfelel a szakmai, az etikai szabályoknak, mellesleg nem ijeszti el az ügyfelet, egyelőre olyan út vezet, amelyet emberek köveznek ki – nevezzük ezt a gondolkodási folyamatot inkább hibrid intelligenciának.
Természetesen az emberek is hazudnak, lehetnek etikátlanok vagy egyszerűen tévedhetnek – vetjük fel –, amire ennyit válaszol: ezért kell erősíteni a folyamatok transzparenciáját, mind az embereknél, mind az AI-nál, hogy minden egyes fázisban értsük, mi történik.
Nem ez azonban az egyetlen korlát, amelyet a következő időszakban le kell még bontani ahhoz, hogy a generatív mesterséges intelligencia valódi áttörése bekövetkezzen. Az első feladat a szakember szerint a nagy nyelvi modellek erősítése, trenírozása – ehhez nagyon sok műveletre van szükség, a sok művelethez pedig a mostaninál erősebb processzorokra. „Nem véletlen, hogy az Nvidia részvényárai felrobbantak az elmúlt időszakban, különösen, mikor a cég bejelentette új generációs, AI-szuperszámítógépekbe szánt gyorsítóchipjeit. Az elmúlt 30 év fejlődése exponenciálisan gyorsulhat fel a következő időszakban, az erősebb számítógépek pedig új nyelvi modellek kialakítását is lehetővé teszik. Szükség van azonban arra is, hogy megváltoztassuk az adatokhoz való viszonyunkat: elfelejteni azt, hogy kizárólagosan rendelkezünk felettük, hiszen minél szélesebb körben érhetők el adatok, annál hatékonyabban tud működni a generatív AI. Ehhez viszont a mostaninál biztonságosabb adatkezelésre van szükség – és itt is van még tennivaló."
Hogy az adatok felhasználhatóságának kérdése mennyire eldöntetlen még, azt jelzi az a per is, amit az év utolsó napjaiban indított a New York Times a Microsoft és az Open AI ellen amiatt, hogy azok AI-alkalmazásai engedély nélkül használnak fel szerzői joggal védett tartalmakat.
Schaubroek szerint a harmadik dolog az emberek hozzáállásának a megváltoztatása: "Hiába javasol az AI egy új megoldást egy folyamatban, ha az emberek megszoktak egy másikat, és nem merik megkockáztatni az újat – megoldandó kérdés az, hogy erősítsük az emberek bizalmát, hogy elmagyarázzuk neki ezt a fajta működést, hogy átalakítsuk a feedback loopot is.”
Ehhez azonban még egy lépést meg kell tenni: valahogy dűlőre jutni a generatív AI előretörésével felerősödő vitában is arról, hogy a mesterséges intelligencia valójában veszélyt jelent vagy lehetőséget. Ennek eldöntése azonban megint az emberek feladata lesz.
