A mesterséges intelligencia végletes érzelmi reakciókat vált ki belőlünk, emberekből. Mi ennek az oka?
Az a kérdés izgatja a fantáziánkat, hogy képesek lesznek-e a gépek arra, hogy gondolkozzanak. Ma már bizonyos részterületeken jól teljesítenek, hosszú számításokban, statisztikai szabályszerűségekben, de ez az emberi gondolkodásnak csak egy kicsi, triviális szeglete. A ChatGPT ma nem megy át a Turing-teszten, az interakcióból gyorsan kiderül, hogy emberrel van dolgunk. De gondolkozhat-e, érezhet-e valami, amit mi alkotunk és nem szerves anyagból áll?
Szeretnénk hinni, hogy kis istenek lehetünk, új életformákat hozhatunk létre. Az érem másik oldala a rémálom, amikor a teremtményünk öntudatra ébred és a teremtőjére támad. A mesterséges intelligencia hőskorában, az 1950-60-as években a nagy ígéreteket nem tudták valóra váltani, a lelkesedést felváltotta a szkepszis, és jó húsz évig alig jutott erőforrás az MI-fejlesztésekre. Ma a nagy nyelvi modellek újra fűtik a lelkesedést, de nem tudom, hogy ez meddig fog tartani. Én is használom ezeket az eszközöket íráshoz, szövegjavításhoz, áttekintést adnak témákról, segítenek, ha hiányzik egy rész a képből. De sok hibát is elkövetnek, ami könnyen hiteltelenítheti az egész iparágat.
Lehet egy gépnek öntudata valamikor a jövőben?
Nem, ezt a lehetőséget kizárhatjuk. A komplex rendszereket nem lehet pontosan leírni matematikai modellekkel, mindig maradnak bizonytalanságok. Barry Smith Amerikában élő brit filozófus tavaly megjelent nagy hatású könyvében (Why Machines Will Never Rule the World) amellett érvel, hogy az emberi agy komplex rendszer, és ezért nem lehet tökéletesen modellezni matematikai eszközökkel. Ez önmagában elég ahhoz, hogy kijelenthessük, nem lehet olyan gépet létrehozni, amely képes olyan kreatív és önálló gondolkodásra, mint az emberi agy élő szövete. Nincs eszközünk, felszerelésünk ahhoz, hogy gépi agyat állítsunk elő.
Ráadásul nagyon távol állunk attól, hogy az agy működésének részleteit ismerjük. Nem ismerjük azt, amit modellezni kellene, és ha ismernénk is, akkor sem lehetne matematikai eszközökkel modellezni.
A tőzsdéken az algoritmusok olyan komplex folyamatokat mozgatnak, amelyeket már az ember nem lát át. Nem gondolja, hogy más, matematikán alapuló algoritmusok létrehozhatnak olyan komplex jelenségeket, mint amilyenekre az emberi agy képes?
Túlbecsüljük, amit az algoritmusok csinálnak a pénzügyekben. Az árak viselkedése bonyolultnak tűnhet, de a belső mechanizmus nagyon egyszerű, az algoritmus elemi információkat és utasításokat használ, mint például „vegyél ebből, ha az ár tíz százalékkal emelkedik, egyébként add el vagy tartsd meg”. Ha közelről nézzük az utasítások mögötti logikát, akkor a varázslat eltűnik, ebben nincs semmi kiismerhetetlen. Ugyanazt csinálják, amit az emberek, csak fénysebességgel. Ez nem komplexitás. Ráadásul valószínűleg rosszabbak, mint az emberek, mivel gyorsak, egy kis információ nagy reakciókat vált ki. Ott, ahol algoritmusok kereskednek, hektikusabbak az árfolyammozgások, mint az emberi környezetben.
Többet tudhatunk meg magunkról azzal, hogy a mesterséges intelligencia eredményeit tanulmányozzuk?
Jobban megértjük néhány korlátunkat, és az algoritmusok elemzései megmutatják, mik a fő gyengeségeink az információfeldolgozás terén, és hol van szükségünk a mesterséges intelligencia segítségére. A Fritz 9 bármikor legyőzi a többszörös norvég sakkvilágbajnokot, Magnus Carlsent. Ezeket a tapasztalatokat felhasználják az emberek elleni játékban. A gépektől tanulhatunk: lehetséges forgatókönyveket állíthatunk elő, és felhasználhatjuk olyan dolgok felfedezésére, amelyeket magunktól nem érhetnénk el, így fejlődhetünk. Vannak, akik a mesterséges neuronhálók vizsgálatából próbálják megérteni az emberi agy működését, de a mesterséges neuronok játékszermodellek a természetes neuronokhoz képest, így ez a megközelítés legalábbis naivnak tűnik.
Mik az erősségeink a gépekkel szemben?
A kreativitás a legfontosabb, ezt nem lehet algoritmusokkal reprodukálni. Ha a mesterséges intelligenciával készíttetünk képet, az nem művészet abban az értelemben, hogy nem közvetít jelentést, mint Picasso, Michelangelo vagy Caravaggio művei. A kreativitás az alkotói folyamat lényege, a műalkotás az erről szóló üzenet. Nem látom, hogyan tudna a ChatGPT irodalmi művet írni. Különböző forrásokból statisztikai alapon összeállít szövegeket, ez hasonlít arra, amit az emberek csinálnak, sok könyvet olvasnak, és emlékeznek a forrásokra, de itt jön a többlet: rezonálnak velük, és egyedi szemléletmódjuk szerint megalkotják a mondanivalójukat.
Hasonló a helyzet az olyan speciális rendszerekkel, mint a jogban alkalmazott mesterségesintelligencia-modellek. Ezeket nagy befektetői érdeklődés övezi Amerikában, mert sokat segítenek, különösen a polgári jogban, ahol a precedensjog miatt a döntések nagy része korábbi ítéleteken alapszik. Ezek a szakosított modellek nagy segítséget nyújthatnak az első vázlat elkészítésében, és nagyon pontosak. De nem értik a vádakat, és a védelmet sem. Ezért minden peres ügyben van tíz százalék, ahol nélkülözhetetlen az emberi intuíció és kreativitás. Ez az a fajta interakció, amelyre a jövőben is számíthatunk az emberek és a gépek között. A gépek sok hétköznapi feladatot elláthatnak, így az emberek több időt szentelhetnek a munkájuknak.
A ChatGPT-t angol nyelvű szövegeken képezték. Milyen esélyei vannak a kisebb nyelveknek, az olasznak vagy a magyarnak? Kiegyensúlyozhatjuk ezeket a kulturális hatásokat?
Meg kell őriznünk a sokszínűséget: a kultúra és a tudományos gondolkodás arról szól, hogy versenyeztessük a különböző nézőpontokat és gondolkodásmódokat. Azonban a ChatGPT és társai hajlamosak elmosni a különbségeket és a kiugró értékeket. Az algoritmusok kimenete a betáplált adatoktól függ, ezért fontos, hogy legyenek olyan modellek, amelyeket csak olasz vagy magyar forrásokból tanítanak be. A ChatGPT az interneten elérhető angol nyelvű forrásokat használja, és emiatt gyakran közöl hamis állításokat. De a jogra szakosodott GPT nem követi el ezt a hibát, mert csak hitelesített jogi adatbázisokon tanították. A helyzetet nehezíti, hogy sokkal több forrás van angolul, mint olaszul vagy magyarul, és a modelleknek nagy mennyiségű adatra van szükségük a jobb kimenet előállításához. De a túl sok adat is gondot jelenthet, egy francia–új-zélandi kutatópáros, Cristian Calude és Giuseppe Longo 2016-os tanulmányukban arra hívták fel a figyelmet, hogy a nagyon nagy adathalmazokban feltáruló korrelációk gyakran megalapozatlanok, ezért az ilyen adatbányászat nem helyettesítheti a tudományos módszereket, csak kiegészítő eszköz lehet.
A jövő nemzedéke intenzíven használja a ChatGPT-t és társait. Mit kezdhet az iskolában a tanár ezzel?
Az új eszközök tiltása helyett inkább arra kell törekedni az iskolában, hogy a diákok tanuljanak ezekből az interakciókból. Különböző nézőpontokat kaphatnak egy kérdésről, és fejleszthetjük a fiatalok kritikus gondolkodását is. Az algoritmusok hasznosak, de gyakran hibás eredményeket adnak, nem szabad száz százalékban bízni bennük.
Ezért fontos, hogy az iskolában fejlesszék a diákok kritikai gondolkodását, tanulják meg, hogy nem bízhatnak vakon egy gépi válaszban.
Dolgozniuk kell a válasszal, kis kutatást végezniük. Ez intellektuális ugrás a diákoknál is, egyfajta szkepticizmus szükséges, ami akkor is hasznos, ha más emberekkel lépnek interakcióba. Az algoritmusokon gyakorolhatják, fejleszthetik a kérdezési technikáikat és a beérkező információk kritikai értékelését. Szánjanak időt arra, hogy ellenőrizzék, a válasz megbízható-e vagy sem. Meg kell érteniük, hogy a gép csak eszköz, az interakciók során létrejövő szellemi termék alkotója mindig az ember lesz. Ez a könyvem fő üzenete is: kritikus szemmel kell közelítenünk az MI-hez. Értékelnünk kell a kockázatokat és a lehetséges előnyöket, hogy elkerüljük az MI utópisztikus vagy disztópikus vízióinak sodrását.
