„Mást ért mesterséges intelligencia (MI/AI) alatt a köznyelv és a szakma, sőt: a szakmán belül is vannak eltérő nézőpontok” – mondja Velkei Szabolcs, a Machine Intelligence Zrt. vezérigazgatója. „Bár egységes definíció nincs, van egy többé-kevésbé elfogadott meghatározás, az viszont legalább ötven éves. E szerint az MI a gépek intelligens, emberszerű viselkedést utánozó képessége.” Ennek egy részhalmaza a gépi tanulás, amely közelít az emberszerűséghez a magától elvégzett tanulással. Amelynek pedig egy technikája a mély tanulás, ahol a bemeneti és a kimeneti adatok közt sok, egymás utáni, bonyolultabb folyamat áll.
Az OpenAI hamarosan elérhető legújabb, GPT-4o modelljének beharangozója:
Végül a mesterséges általános intelligencia (artificial general intelligence, AGI) viselkedne elvileg már teljesen emberhez hasonlóan, már ha valaha sikerül ilyet létrehozni. Bár ennek sincs egzakt definíciója, az OpenAI végső célja például az, hogy ezt elérje. Itt még nem tartanak, a cég népszerű és könnyen kezelhető MI-csetbotja viszont már így is fordulópont volt az MI történetében. „Egészen a ChatGPT és más hasonló, nagy nyelvi modellekkel (large language model, LLM) dolgozó, generatív rendszerek elterjedéséig, ha valamire azt írták, hogy mesterséges intelligenciát használ, az azt jelentette, hogy egy programozó lefejlesztett valamit, aminek a neurális hálókhoz, a tényleges MI-hez 99 százalékban semmi köze nem volt, csak ráírták, mint az intelligens mosóporra az intelligenciát” – fogalmaz Velkei Szabolcs. „Azelőtt csak néhány cég foglalkozott tényleg mélyrehatóan a témával, onnantól kezdve viszont sokkal könnyebb lett a cégeknek az MI használata, ezért nagyobb hányadban találkozhatunk tényleg »okos« megoldásokkal.”
A kétezres évek elejétől úgy 2013-ig ugyanis aki valóban MI-n dolgozott, az többnyire saját, „DIY-megoldások” kifejlesztésére kényszerült. 2014-től azonban ehhez már megjelentek a közösen használható motorok és a kereskedelmi forgalomban elérhető MI-szolgáltatások. Ezt követte a generatív MI berobbanása két éve, amely óriási adathalmazból dolgozva szöveget, képet és egyebeket állít elő – emlékezik vissza. „Egymásra épülve rengeteg kis szolgáltatás indult el. Mára, ha valaki azt mondja, hogy MI-t tartalmaz a terméke, az esetek többségében el is kell hinnünk, mert jellemzően ezeket a szolgáltatásokat használja” – magyarázza. Tavaly tavasztól idénre csak a nyílt forráskódú MI-modellek száma úgy 200 ezerről 650 ezer fölé nőtt.
A Google Gemini nevű MI-rendszere így fogja a cég tervei szerint átalakítani a keresőt:
A nyelvi modellek csak az egyik út
Az LLM-ekkel dolgozó generatív rendszerek mára olyan népszerűek lettek, hogy mára sokan ezeket azonosítják az MI-vel, pedig ez annak csak egy válfaja – hangsúlyozza a szakember. Ő kétfelé bontja a megoldásokat: ezekre az absztraktabb nyelvi MI-kre és a szenzoriális, azaz érszékszervi adatokat felhasználókra, az ő cégük egyébként az utóbbival foglalkozik. „Az érzékszerveink által rögzített adatok feldolgozása a legalapvetőbb, már valamennyire intelligens művelet. A beszélt nyelv pedig az evolúció során kilépett a szenzoros világból, ezzel bejöttek a képbe az absztrakciók” – foglalja össze.
„Az MI-nél ez megfordult: elsőként a szövegalapú generatív rendszerek robbantak be, mivel ehhez megvolt az előfeltétel: minden adat rendelkezésre állt digitális formában az interneten, szövegalapon. A fizikai robotok programozása viszont jóval nehezebb, mert a szenzoros adatainkat nem mentettük le olyan nagy mennyiségben, vagyis nincs elég információ az ilyen gépek tanításához” – fejti ki.
A Microsoft 365 (leánykori nevén az Office) bemutatóvideója a Copilot-funkciókról:
„Az absztrakt dolgok továbbadásában nagyon jók vagyunk, azt könnyen át is tudtuk adni a gépnek, hogy utánozza azt, generáljon szövegből szöveget, szövegből képet és így tovább” – magyarázza. „Az olyan munkáknál, ahol absztrakt információkkal kell dolgozni – mondjuk egy könyvelőnél – ez elég is, mert lényegében az ember is ezt csinálja, ezek a folyamatok jól automatizálhatók.” A szenzoros folyamatokhoz viszont gyors, reflexszerű működésre és a gépek önszabályozására van szükség. „Ha egy robot mozog, azonnal korrigálnia kell a hibáit, ha menni akar, folyamatosan egyensúlyban kell lennie és ha nem tud felállni, vége a műszakjának” – magyarázza.
„A XX. század óta mindennek a mérésére készítünk szenzorokat, tele vannak velük az otthoni eszközeink és a gyárak is. Ennek tulajdonképpen már eljutottunk a csúcsára, de itt jött képbe az MI” – magyarázza. „Ha az MI-t bevetjük, akkor a folyamatokhoz nem kell már kitalálni a fizikai modelleket, hanem az input és az output megfigyelésével, tapasztalati úton egy rendszer lemodellezi helyettünk, amivel sokkal hatékonyabbak lehetünk. Hétköznapi példával – nem biztos, hogy van ilyen – egy kamerával automatizáltan megállapítható, hogy odaégett-e a kifli. Sőt: már benn a kemencében észlelhető, hogy meg fog égni és le kell állítani a sütést előbb.” Az eddigi szenzoros mérések ugyanis csak azt tudták detektálni, hogy a sütőben hány fok van, mekkora a páratartalom és így tovább, de az olyan jelenségeket, hogy mikor kezd odaégni, nemigen, ez vált sokkal egyszerűbbé.
„Eddig is körbe tudtuk írni a folyamatokat szabálybázisú rendszerek segítségével, de azok nem mindig úgy sikerültek, ahogy terveztük. Ráadásul a beavatkozás is nehézkesebb volt, emiatt sokszor csak a selejtes termékeket látták kijönni a futószalagon.” – summáz a cégvezető. Az MI-rendszerek viszont már azonnal beavatkozhatnak. Egy autógyárban például egy félig takarásban lévő vezetékről eddig nem feltétlenül lehetett megmondani, be van-e dugva. Egy neurális hálót használó rendszer, amelyik megtanult „látni”, viszont már képes lehet ezt kikövetkeztetni a látható részek alapján – érzékelteti. „Jellemző kihívás továbbá, hogy az emberibb munkakörnyezetért beengedett napfénnyel nem tudnak mit kezdeni a kamerás rendszerek. A mély tanulás során viszont beléjük lehet táplálni a napszakokat és ettől függetleníteni tudja a rendszer a mért eredményeket” – példálózik.
Vagyis, összegez, ugyanúgy mindent mérünk, csak sokkal összetettebb módokon tudjuk már feldolgozni a kapott adatokat, így a változás minőségi. Ráadásul ezekkel is olyan repetitív folyamatokat lehet kiváltani, amiben az emberek jellemzően hamar elfáradnak.
Tényleg felfújják
Az MI körüli hájpra persze sokan fel akarnak ülni. A valóban hasznos szolgáltatások és a marketinglufik különválasztásában pedig nem segít, hogy az MI-vel tényleg komolyan foglalkozó cégek ígéretei is olykor túlzók. Az előző túlhájpolt új technológia, a kritptovaluták kritikusaként ismertté vált kutató-szotvermérnők Molly White nemrég arról írt blogbejegyzésében, hogy az MI – ez alatt a szövegében ő a generatív rendszereket érti – nem haszontalan, viszont sokszor sokkal specifikusabb feladatokra igazán jók az ilyen szolgáltatások, mint amennyire általános felhasználással hirdetik azokat néha. White konkrét példaként sorolja fel a felhasználásra, hogy ha nem jut eszébe egy kifejezés, akkor a ChatGPT segít annak körülírásából megtalálni azt, igaz, hozzáteszi, hogy ezt egy erőteljesebb guglizással is el tudja érni.
Ahogyan az amerikai Anthropic cég Claude nevű egyik LLM-ljét egészen jól tudta a beszámolója szerint proofreadingre, azaz egy szöveg helyesírásának, nyelvhelyességének a vizsgálatára felhasználni. Bár elvileg erre a ChatGPT is alkalmas, tapasztalatai alapján az nem ritkán olyan hibákat is látni vél, amik benne sincsenek a szövegben. A kódírásban való segítséget érezte a legvonzóbbnak, a GitHub fejlesztői felület MI-kiegészítőjéről, a Copilotról például azt írja, hogy bár arra is jellemző az MI-nek ez a hallucinációnak nevezett rákfenéje, de egyébként szerinte elég hasznos. Kiemeli, hogy az ilyen szolgáltatások jól megoldanak olyasmit, ami kiszakítaná egy munkafolyamatból, például a dokumentációk vagy – a Gyakori kérdések fejlesztői változata – a StackOverflow böngészése és még új megoldási ötleteik is vannak.
Ahogyan olyan egyszerű feladatokat is megoldanak, mint egy olyan script írása, amivel a kutató egy blogajánlót adott a weboldalához. Az viszont már szerinte színtiszta fantázia, amikor a Microsoft úgy hirdette a Copilotot a Super Bowl szünetében, hogy valaki beütötte, hogy „írj egy kódot a 3D-s nyílt világú játékomhoz”. Ha ezt tényleg beírjuk, a rendszer csak pontokba szedi, merre induljunk el és hol nézzünk utána a témának, de természetesen szó sincs arról, hogy kapásból ki is köpné a kódot. Arról is ír, hogy amikor nemrég egy Chrome-kiegészítőt készített, inkább kikapcsolta az MI-funkciót, mert az a rossz javaslataival csak akadályozta a munkáját. Megemlíti egyebek mellett még az olyan etikai dilemmáit is, mint hogy mindez rengeteg erőforrás-felhasználással, így magas karbonlábnyommal jár, sok rosszindulatú felhasználása lehetséges és nagy részben támaszkodik alulfizetett dolgozók szinte láthatatlan munkájára.
Cégek halálát hozhatja
A generatív és a szenzoros MI várhatóan a gazdaság más-más területét fogja megváltoztatni, de szinte egyszerre. Mégpedig jelentősen, ugyanis bár az MI-rendszerek betanítása irgalmatlan pénz, az emberrel szemben a legnagyobb előnye a skálázhatóság. Vagyis egy jól összerakott MI-rendszert több erőforrással sok példányban lehet futtatni, csak energia és hardver kell hozzá, magyarázza Velkei Szabolcs. „A XX. században egy cég organikusan tudott növekedni, vagy fel tudott vásárolni más vállalatokat. Száz ember ki tudott nevelni tíz újat, egy bizonyos sebességgel lehetett növekedni. Ma a mély tanulást jól használva egy cég egy év alatt az ötvenszeresére is nőhet például a bevétel vagy a gyártási kapacitás terén. Nincs már akadálya az exponenciális növekedésnek, amíg bírják erőforrásokkal.”
Aki pedig kimarad, az lemarad. A szakember szerint a generatív rendszereknél ez szinte azonnal bekövetkezhet. „Ha a világ legnagyobb négy könyvvizsgálói cégéből mondjuk az egyik beszáll, a többiek viszont nem, akkor az az egy letarolja a piacot. Mivel az ő folyamataik, a könyvelés, a tanácsadás, a keresés a dokumentumokban, kategorizálás, szűrés és így tovább, jól automatizálhatók, 10-20 ezer alkalmazottal hirtelen 200 ezer vagy kétmillió alkalmazottnyi feladatot is el fognak tudni látni, hiszen a munka legnagyobb részét az MI elvégzi” – jósolja. Ezzel pedig épp annyival lehetnek olcsóbb a konkurenciánál, hogy átcsábítsák az ügyfeleiket. „Innentől ezt a fejlesztést mindenkinek meg kell tennie.” A szenzorozásnál annyiban különbözik a kép, hogy ott a cégvezér csak egy átmeneti idő után számol hasonló hatásokkal. Elmondása alapján a távol-keleti, nyugat-európai és amerikai piacokon már a kisebb cégek is előrébb vannak – nem véletlen, hogy ők is exportra termelnek, magyar nyelvű weblapjuk sincs.
„A cégek egy részének halált, egy részének megváltást hozhat el a mesterséges intelligencia öt éven belül. Az előzetes feltételek ugyanis valahol megvannak, valahol pedig nincsenek meg az ilyen nagyságrendű skálázáshoz” – jelenti ki.
„Maga a technológia szinte végtelenül skálázható, de előtte szükség van pár lépésre: digitalizálni kell a folyamatokat és automatizálni.” Mivel ezek költségesek és önmagukban alacsony plusz hasznot termeltek, a nagy, előre gondolkodó cégeken kívül sokan úgy döntöttek, hogy pár százalékos többlet miatt ők nem foglalkoznak ezzel, hiába figyelmeztettek sokan, hogy egyfajta felkészülési időszakot élünk. Aki az előfeltételeket mostanában kezdi pótolni, az már sok év hátrányból indul, teszi hozzá. „Ez egy nagy letisztulás lesz. Aki már digitalizált és automatizált, annak az MI bevezetése egy, a szemléletváltás terén jelentős, de amúgy nagyon gyors folyamat lesz, hiszen megtermeli a másik mennyiségét is, a konkurens pedig tönkremegy.” Úgy látja, ezért az okos MI-szolgáltató cég kivárja ennek a végét és jobbára csak utána kezd el a magyar piacon érdemben ügyfeleket keresni.
Állások százmillióit válthatja ki
Ettől a dolgozók nem feltétlenül kerülnek egyébként utcára, sokszor csak a váltás nyertesei felvásárolják a vesztes cégeket. Szerinte a technológia letisztulásával egyre kevésbé lesz nehéz adaptálódnia mondjuk egy ilyen helyzetben lévő dolgozónak az onnantól használatos rendszerekhez, sőt, úgy véli, előbb-utóbb annyira természetessé válik a használatuk, mint ahogy ma elővesszük a telefonunkat. Hosszú távon szerinte, mivel igényünk, hogy az MI emberszerű legyen, ideális esetben észre sem veszik majd a vezetők, hogy a feladatokat részben gép végezte el. Az viszont nagy kérdés, hogy ha a monoton, repetitív munkákat tényleg az MI veszi át, azt a cégek vezetése hogyan kezeli.
„Nyilván az egyik lehetőség, hogy a cég egy csomó alkalmazottat kirúg. Ez rövid távon jó ötletnek tűnhet, de az a versenytárs, aki ehelyett megtartja a kollégákat és azt mondja nekik, hogy innentől csak a kreatív munkafolyamatokon dolgozzanak, pár év alatt előnyre tesz szert, vagyis a generatív MI alapvetően elsősorban a munka jellegét alakítja át” – magyarázza. „A szenzoros területen, ahogyan megtörténnek az olyan áttörések, hogy gépek végezzenek mondjuk nehézipari rakodást, sem fognak átvenni mindenféle munkát. Valószínűtlen például, hogy a többség robot fodrászhoz akarjon járni.” Ráadásul, mint mondja, a gyártósorok mellett jobbára olyan munkahelyek szűnhetnek meg, amelyekre már most is nehéz elég embert találni.
Ezzel együtt is alapjaiban írhatja át a munkaerőpiacot, ha egy ilyen jellegű exponenciális növekedés sok helyütt valóban megtörténik.
A Goldman Sachs szerint az MI akár 300 millió teljes állást is ki tud majd váltani, ami az Egyesült Államokat és Európát illeti.
Számolhatunk azzal is, hogy ezzel párhuzamosan új típusú munkakörök jelennek meg, végeredményben pedig az éves termelés értéke 7 százalékkal növekedhet világszerte. A jelentés azt is előrevetíti, hogy az amerikai és európai állások kétharmadára hatással lesz az MI, az állások negyedét pedig teljesen ki is válthatja. A McKinsey pedig úgy véli, hogy 2030-ig világszerte a dolgozók 14 százalékának kell karrierváltáson gondolkodnia az MI, a digitalizáció és a robotika fejlődése miatt.
„A skálázhatósága miatt nem tudunk volumenben lépést tartani az általunk teremtett MI-vel, ha ezt csataként fogjuk fel, azt elveszítjük, ezért meg kell tanulnunk egyenrangú félként együtt élni vele” – összegez Velkei Szabolcs. „Az optimista elképzelés szerint nem a betevőért kell már majd dolgozni, hanem a szellemi frissességünkért, hogy értelme legyen az életünknek” – veti fel. Hozzátéve: az MI hatásai miatt elképzelhető, hogy csökkenteni kell például az országok nyugdíjkorhatárát és előkerülnek az olyan felvetések is, mint a feltétel nélküli alapjövedelem. Kérdés, hogy a bár jelenleg vagy korábban a világ bizonyos részein kísérleti jelleggel működő, de alapvetően csak egy stabil alapnak szánt, a munkajövedelemnek legfeljebb egy részét kiváltó juttatást vajon miből lehetne tömeges szinten, akár emberek teljes megélhetését fedezve finanszírozni.
Az ENSZ-hez tartozó Nemzetközi Munkaügyi Szervezet kutatója, a makroközgazdász Rosanna Merola például két éve megjelent tanulmányában „robotadót” javasolt kivetni a dolgozókat gépekkel kiváltó cégekre, ebből finanszírozva a munka nélkül maradók alapjövedelmét. Bár az ötletét maga sem érzi jelenleg életszerűnek, elvi síkon kívánatosnak tartaná. Ahhoz viszont tisztázni kellene, mi mindent érintsen, ami egyelőre egyáltalán nem egyértelmű. Merolának mindenesetre lennének rá ötletei, tavaly novemberben a Guardiannek arról beszélt, tartozhatnának az adó hatálya alá az LLM-eket, például a ChatGPT-t feladatok automatizálására használó cégek, abból kiindulva, mennyi profitot tudtak ezeknek köszönhetően termelni. De azt is elképzelhetőnek tartaná, hogy az ezekhez elengedhetetlen adatanyag gyűjtését, feldolgozását és értékesítését sarcolják meg e célból.
Karl Widerquist közgazdász-politológus, a Georgetowni Egyetem katari intézményének filozófiaprofesszora ugyanennek a lapnak arról beszélt, ha valaki elveszíti a munkáját, az nem feltétlenül marad munkanélküli, hanem jó eséllyel elkezd „lefelé menekülni” a piacon, rosszabban fizető munkákat elvállalva. Úgy látja, rövidebb távon az MI miatti átalakulások a szellemi területen dolgozók egy részét a gig economy („haknigazdaság”), vagyis az olyan bevételi források felé tolhatják el, mint a futárkodás, az uberezés (már ahol lehet ilyet), az egyesével elvállalt szabadúszó, illetve alkalmi munkák. Valaki ezt a folyamatot is alapjövedelemmel előzné meg, de Joe Chrisp, a Bath-i Egyetem a témával foglalkozó kutatócsoportjának kutatója épp attól tart, hogy az elősegítheti ezt a folyamatot ahelyett, hogy stabil munkahelyek keresésére ösztönözne.
Az innovatív kollégákban bíznak a cégvezetők
Azoknál a cégeknél is félremehet az MI bevezetése, ahol a digitalizációt és az automatizációt, azaz az előfeltételeket már teljesítették. Velkei Szabolcs szerint az egyik tipikus jelenség a csodavárás, az irreális elvárások. „Amin szintén sokszor el tud úszni az átállás, az a humán rész. A méréstechnikai és gyártósori feladatoknál típikusan adathiányban szenvedünk, a tudást pedig kizárólag az emberi agyakból tudjuk megszerezni. Ha Pista bácsi, aki mindent tud a gépekről, nem adja át az MI-nek tudását az olyan finomságokat is beleértve, hogy mikor milyen zörejeket kell hallani a gyártósoron, esetleg ellenséges a folyamattal szemben, akkor az nem fog működni” – érzékelteti. Ráadásul ezek az emberek jellemzően életkorukuknál fogva „csak bevezetnek minket az ígéret földjére, de már nem léphetnek be”. A cégvezető úgy összegez: „aki a digitalizációt és az automatizációt már megugrotta, annak emberségre lesz szüksége”. Hozzátéve: az átállás nem kell, hogy tökéletes legyen, elég, ha jobban sikerül, mint a konkurenciának.
A Bizalmi Kör vezetői klub, az RSM Hungary Zrt. adótanácsadó cég és az Egyensúly Intézet agytröszt friss kutatásában megkérdezett 261 magyarországi cégvezető döntő többsége lehetőséget lát abban, hogy az MI hamarosan átalakítja a cégek működését és a téren is bizakodók, hogy „mint minden korábbi fejlesztés, elérhető lesz minden cég számára”, ezért úgy vélik, „inkább csak hosszabb távon fogja befolyásolni a piaci versenyt”.
A 80 százalékuk által már legalább kipróbált rendszereket szövegírásra, fordításra, leiratozásra és más irodai funkciókra, illetve képek és videók létrehozására használják nagyobb részben.
Emellett kisebb arányban előkerül még az adatelemzés, illetve előrejelzések területén. Mintegy negyedük chatbotokat és virtuális asszisztenseket is használ, illetve 15 százalékuk az ügyfélszolgálaton is alkalmaz MI-t. Az egyik vezető pedig például arról írt, hogy a „termelésben optimalizálni, selejtet csökkenteni” tudnak vele.
És bár a kutatás összefoglalója szerint „sok helyen indultak komolyabb fejlesztések”, csak a cégvezetők 25 százaléka tartja magát felkészültnek a témában, nem egész tizedük használ érdemben MI-adatokat a döntéselőkészítéshez, szűk többségük elégedetlen is azzal, amit eddig kezdtek az egésszel. Ez nem meglepő annak fényében, hogy a vezetői válaszok alapján csak a cégek hatoda költött eddig érdemben az MI alkalmazására, a többség a következő három évben tervezi ezt. Pedig akik bevezették, azok közül alig vannak, akik nem érezték a hatékonyság növekedését, igaz, ötödüknél az eredmények alulmúlták a várakozásokat. Sok cégvezér közben attól fél, hogy mire megvalósul egy fejlesztés, már el is avul. Majdnem felük az ehhez szükséges szakértők megtalálását érzi az egyik legnagyobb kihívásnak a megfelelő megoldások kiválasztása mellett. Közel kétharmaduk abban bízik, hogy az MI céges használatának az innovatív dolgozók, illetve az IT-csapatuk lesz a motorja. A menedzsment katalizáló szerepe csak ezután jön.
