Nem kérdés, hogy a mesterséges intelligencia jövőre is meghatározó technológiája lesz az informatikai világnak. De hogy pontosan merre is fejlődik, mit várhatunk az MI-ügynököktől és hogyan lesz energia a modellek tanításához? Erről is beszélt lapunknak Tilesch György, a PHI Institute for Augmented Intelligence alapító elnöke, az EY AI Confidence vezető MI-szakértője, valamint Erik Slooten, az EY AI Confidence partnere.
◼︎ A mesterséges intelligencia 2025-ben
– Beszélhetünk-e MI-buborékról, és ha igen, ki fog-e pukkanni?
Tilesch György: Az „MI-buborék” kifejezés a technológia körüli túlzott médiafelhajtásra utal, amely gyakran két végletet hangsúlyoz: vagy azt, hogy az MI fejlődése kifulladt, vagy azt, hogy a fejlődés megállíthatatlan. Ez az ingadozó narratíva természetes tisztulási folyamat eredménye, ahol az MI-alkalmazások és technológiák hatékonysága fokozatosan kristályosodik ki. Az MI-buborékkal kapcsolatos félelmek leginkább abból fakadnak, hogy sok vállalat a technológia potenciálját felülértékeli, miközben nem rendelkezik a megfelelő szakértelemmel vagy stratégiával az implementációhoz. Bár az MI kapcsán a buborék gondolata népszerű, nem valószínű, hogy 2025-ben ez kipukkanna, mivel a technológiai fejlődés alapjai szilárdak.
Erik Slooten: A generatív MI – mint például a ChatGPT, a Bard és a többi rendszer – már bebizonyította, hogy valós értéket teremt. Az iparágban működő nagyvállalatok nemcsak a technológia fenntartására, hanem folyamatos fejlesztésére is összpontosítanak, ezért a teljes összeomlás valószínűtlen. Az iparági szereplők tapasztalatai azt mutatják, hogy az MI alkalmazása nemcsak a technológiai óriások privilégiuma. A kisebb cégek is egyre inkább felfedezik az MI-ben rejlő lehetőségeket, például ügyfélszolgálati rendszerek automatizálásában vagy adatelemzési feladatokban. Ez hasonló az internet fejlődéséhez: egyes vállalatok megbukhatnak, de az alaptechnológia továbbra is virágzik és fejlődik.
– Ha a mesterséges intelligencia fejlődési trendjeit nézzük, mit hozhat a közeljövő?
Tilesch Gy.: Véleményem szerint párhuzamosan fut három folyamat. Az első, hogy ami nagy volt, az még nagyobb lesz. Tehát, azok, akik most vezető szerepet játszanak, vagyis az OpenAI és a Google, próbálnak minél „okosabb” modelleket készíteni. Manapság szinte mindenki az értelmezés (angolul: reasoning) képességét hajszolja, és egyre többen mondják magukról, hogy rendszerük már képes is erre. Ez lenne az igazán nagy minőségi ugrás.
A második trend éppen ellenkezőleg hat. A fentivel párhuzamosan zajlik egy másik folyamat, amikor minden modellnek megjelenik a mini verziója is. Hihetetlenül energiaigényes ezeknek a modelleknek a betanítása. Azt hiszem a kormányok és az energiavállalatok rájöttek arra, hogy ezt itt és most meg kell fékezni – vagyis energiaszempontból is hatékonyabb modelleket kell létrehozni.
A harmadik trend, hogy nagyon erősen záródik az olló a zárt és a nyílt forráskódú MI-modellek között, és erre még nem nagyon figyelt fel a közvélemény. Ennek főképp az az oka, hogy a nagyvállalatok marketinggépezete szeret elegánsan átlibbenni ezen. Ehhez képest az európai MI-bajnok, a francia Mistral most jött ki egy óriási modellel, amely a különböző mérésekben egy csomó paraméter tekintetében vagy csak nagyon picit maradt el vagy éppen túl is szárnyalja a ChatGPT-t. Mindezzel azt szeretném hangsúlyozni, hogy most már tényleg csak hónapokban mérhető a nyílt modellek lemaradása. Ezek már masszív modellek, és ha az ipar és a felhasználók jobban figyelnének a nyílt forráskódú modellekre, paradigmaváltás is végbemehetne. Egyértelmű, hogy alig lemaradó vagy ekvivalens modellek állnak harcban a világ vezető zárt forráskódú modelljeivel.
E. Slooten: Az MI-modellek mind a sebesség, mind a pontosság és az összetettség terén gyorsan fejlődnek. Ennek révén egyre bonyolultabb feladatokat oldhatnak meg, megközelítve az emberi szintű problémamegoldást. A mennyiségi fejlődés, a milliárdnyi paraméterrel rendelkező nagyobb modellek vagy gyorsabb feldolgozási képességek lehetővé teszik az MI számára, hogy hatalmas adatokat kezeljen és azonnali eredményeket szolgáltasson. A fejlesztések csökkentik a hibaarányt az olyan alkalmazásokban, mint a pénzügyi előrejelzések vagy az önvezető járművek, miáltal ezek pontosabbá, megbízhatóbbá válnak.
A multimodális modellek és a megerősítéses tanulás innovációival egyre valószínűbbé válik egy újabb minőségi ugrás – mondjuk, az MI képessé válik arra, hogy emberhez hasonló módon értelmezzen és kontextualizáljon problémákat. Az ilyen ugrások lehetővé teszik a szélesebb körű alkalmazást és az új felhasználási eseteket, különösen az egyénre szabott oktatás vagy az orvosi diagnosztika területén.
– Önök szerint melyek lesznek az MI-szektor legfontosabb termékfejlesztései 2025-ben?
Tilesch Gy.: A következő évben az MI-ügynökök széles körben terjedni fognak a digitális térben. Az elmúlt két évben tapasztalt generatív MI-forradalom valójában csak előfutára volt annak, ahogy az MI valódi hatása kibontakozhat.
Lényeges fejlemény lesz véleményem szerint, hogy az egyes MI-megoldások a jövőben végre a számukra legmegfelelőbb feladatokat látják majd el. Jelenleg az egyik legnagyobb kihívás a hallucinációk problémája, ami abból ered, hogy szinte mindent nagy nyelvi modellekkel próbálnak megoldani – még az olyan egyszerű feladatokat is, mint az ügyfélszolgálati problémák kezelése. Ez nem ideális megközelítés, hiszen az LLM-ek valódi erőssége a fordításban rejlik, például parancsok közvetítésében a különböző ügynökök között. A jövőben az LLM-ek nem fognak döntéseket hozni, hanem inkább tolmácsként fognak működni, ami sokkal hatékonyabb és célzottabb működést eredményez.
Az MI-ügynökök képesek lesznek értékesítési folyamatokat, raktárkészlet-kezelést, vagy komplex vállalati belső folyamatokat teljes egészében menedzselni. Több amerikai nagyvállalat már teszteli az MI-alapú HR-megoldásokat, például a jelöltek előszűrését és a teljes toborzási folyamat automatizálását. Különösen izgalmas példa erre a LinkedIn HR-ügynöke, amely jelenleg privát béta verzióban érhető el.
Ezek az MI-ügynökök hamarosan elérhetők lesznek a mindennapi életben is, hiszen az eddig megszokott LLM-megoldások olcsó kiegészítéseként is megvásárolhatjuk majd azokat. Az alacsony belépési korlátok révén pedig igazi forradalom küszöbén állunk.
E. Slooten: Én is úgy látom, hogy az autonóm MI-ügynökök megjelenése lesz a következő nagy dobás. Vegyünk egy hétköznapi példát, amire György is utalt. A virtuális asszisztens például nemcsak időpontokat egyeztet, hanem elemzi a prioritásokat, tárgyal a résztvevőkkel az optimális időpontról, lefoglalja a helyszínt és emlékeztetőket küld. Pénzügyi környezetben az MI-ügynök képes lehet teljes folyamatában kezelni a hitelkérelmeket. Ellenőrzi a hiteligénylő pénzügyi előzményeit, kockázatelemzést végez, és kommunikálja az eredményt – mindezt önállóan.
Kialakításukból adódóan az ügynökök önmagukat irányítják, vagyis a kontextushoz és a követelmények változásaihoz alkalmazkodva képesek új feladatokat generálni maguknak vagy finomhangolni a meglévőket. Ez a képesség forradalmasíthatja a munkafolyamatokat az egészségügyben (az ügynökök kezelhetik a betegek regisztrációs folyamatait) vagy a kiskereskedelemben (felügyelhetik a készletgazdálkodást és a személyre szabott marketingkampányokat). Az ilyen felelősségek átvállalásával az MI ügynökök lehetővé teszik az emberi munkaerő számára, hogy inkább stratégiai és kreatív feladatokra összpontosítson, alapvetően átalakítva a vállalatok működését, és növelve a termelékenységet.
– Korábban már szóba került a mesterséges intelligencia energiaigénye. Hogyan lehet elérni, hogy kevesebb erőforrásra legyen szükség az MI képzéséhez és bevezetéséhez?
Tilesch Gy.: Az MI-alapú rendszereik működtetésére a Google és a többi techóriás is hatalmas energiaigényű adatközpontokat üzemeltet, aminek jelentős környezeti hatásai vannak. Bár az MI segíthet az energiafogyasztás optimalizálásában – a Google adatközpontjai például 25 százalékkal kevesebb energiát használtak két év alatt –, a folyamatosan növekvő kapacitásigény szinte teljesen ellensúlyozza ezeket az eredményeket. A Közel-Keleten és Nyugat-Európában már intenzíven épülnek új adatközpontok az egyre növekvő MI-igények kiszolgálására. A közeljövőben az adatközpontok száma robbanásszerűen nőhet, amit jelentős pénzügyi és infrastrukturális kihívások kísérnek. Az MI hatékonyságot javító potenciálja mellett a fenntarthatóság kérdése kulcsfontosságú marad.
– 2024-ben fogadták el az európai AI Actet, amely számos kötelezettséget ró az MI-t alkalmazó és fejlesztő vállalkozásokra. Hogyan látják a szabályozás szerepét a mesterséges intelligencia világában?
Tilesch Gy.: Európa célja nem a szabályozás önmagában, hanem a kínai központosított, megfigyelésalapú modell és az amerikai techóriások dominanciájának ellensúlyozása. Az európai szabályozás érdekes jogi újítást képvisel a társadalmi kockázatalapú megközelítéssel, de problémák is vannak vele.
Egyrészt Európa, ahelyett hogy saját technológiai vezető szerepét erősítené, inkább másokat próbál megregulázni. Másrészt a keretszabályozás túl általános, és nem veszi figyelembe az ágazatok közötti különbségeket, például az MI szerepét az egészségügyben vagy a kereskedelemben. Az Egyesült Államok rugalmasabb szabályozási modellje ezzel szemben hatékonyabb ágazatspecifikus megközelítést alkalmaz. Az MI-szabályozás nem lehet kizárólag jogi kérdés, hanem komplex megközelítést, multidiszciplináris csapatmunkát igényel, ami figyelembe veszi a jogi, technológiai, adatkezelési, üzleti és etikai szempontokat is.
– Egyre nehezebb jogtiszta és hasznos adatokhoz jutni a nagy modellek betanításához, és fennáll a veszélye annak, hogy a modellek egyre inkább MI-generált tartalmakon fognak tanulni. Mit lehet ez ellen tenni?
E. Slooten: Ahogy az adatvédelmi szabályozások szigorodnak, az MI-fejlesztők is egyre inkább a szintetikus adatok felé fordulnak a modellek képzéséhez. A szintetikus adatok valós világot szimulálnak, miközben elkerülik az adatvédelmi problémákat. Megjelennek az adatok megosztására irányuló együttműködések és konzorciumok is, lehetővé téve a szervezetek számára az erőforrások törvényes és biztonságos egyesítését. Vállalati szinten a cégek saját adatgyűjtési stratégiáikat dolgozhatnak ki. Például egy egészségügyi szolgáltató anonim betegadatokat gyűjthet diagnosztikai folyamatai fejlesztésére, miközben megfelel a szabályozásoknak.
– Mi lehet az MI távolabbi jövője?
Tilesch Gy.: Az MI szinte minden területen megjelenik majd. Egyszerűen megfogalmazzuk, mit szeretnénk, esetleg időnként ellenőrizzük majd az eredményt, de nem lesz szükség állandó interakcióra. Az MI láthatatlan technológiává válik, akárcsak az internet: ma már természetesnek vesszük, hogy például egy hűtőszekrény okos, és kapcsolódik az internethez. Hasonlóan, a mesterséges intelligencia is beépül a mindennapokba, csendben végzi a feladatait, és nem fog különlegességnek számítani.
