A mesterséges intelligencia (MI) fogalma idén bombaként robbant be a technológia újdonságaival csak felhasználóként találkozó átlagember életébe, hogy néhány hónap alatt teljesen a feje tetejére állítsa azt. A jószerével csak tudományos-fantasztikus mozifilmekből ismert képességek talán még soha nem érkeztek meg ilyen hamar a hétköznapokba, ezért elmagyarázzuk, mi is az MI.
◼︎ 2023: a generatív mesterséges intelligencia éve
Mostanában hihetetlenebbnek tűnhet, mint valaha, de a mesterséges intelligencia története bizony az ókorig nyúlik vissza: az akkor élt filozófusok ugyanis azon gondolkodtak, hogy miért is ne létezhetnének mesterséges lények, mechanikus emberek és más automaták valamiképp.
Az 1700-as években már az volt a kérdés: hogyan lehetne az emberi gondolkodást gépesíteni, intelligens szerkezetekkel, végül pedig a matematikai szimbólumok mechanikus manipulációja lett a cél. 1921-ben Karel Čapek cseh drámaíró megalkotta a „robot” fogalmát, 1927-ben Fritz Lang „Metropolis” című filmjében pedig már ott a robotlány, akit fizikailag nem lehet megkülönböztetni attól az embertől, akiről másolták. 1929-ben aztán Makoto Nishimura japán biológus professzor Japánban létrehozta az első igazi robotot, amelyet „Gakutensokunak” keresztelt (magyarul: tanulás a természet törvényeiből), ami zseniális, korai megérzés arra nézve, hogy a mesterségesen intelligens elme tudását az emberektől és a természettől nyerheti, vagyis egyfajta biomimikri lesz az igazi megoldás. Az 1940-es években született meg az első programozható digitális számítógép, az Atanasoff Berry Computer (ABC), majd John McCarthy számítógépes és kognitív tudós 1956-ban látta elérkezettnek az időt, hogy megalkossa a mesterséges intelligencia kifejezést.
Az ember alól, az ember fölé
Leegyszerűsítve a „mesterséges intelligencia” azt jelenti, hogy a gépek képesek értelmezni, kiszűrni és megtanulni a külvilágból érkező adatokat oly módon, hogy funkcionálisan utánozzák azokat a kognitív gyakorlatokat, amelyeket az embernek tulajdonítunk. Az 1950-es évektől napjainkig minden évtized elhozta a maga újításait és felfedezéseit, amelyek során az MI egyre közelebb került a megvalósuláshoz és ahhoz is, hogy az emberek elfogadják azt a lehetőséget, hogy nagyrészt – vagy talán egészen is – megismerhetők, modellezhetők és végül lemásolhatók, sőt meghaladhatók vagyunk. Nem könnyű gondolat még annak sem, aki már megértette és elfogadta.
Néhány stáció a teljesség igénye nélkül:
– 1955-ben Allen Newell kutató, Herbert Simon közgazdász és Cliff Shaw programozó megírták a „Logic Theorist” szoftvert, megszületett az első, mesterséges intelligenciának nevezhető számítógépes program.
– 1964-ben született meg a STUDENT nevű, korai, Lisp nyelven írt MI-program, amelyet ma a természetes nyelvfeldolgozással (NLP-vel) foglalkozó MI szektor első fecskéjének tekintünk, ilyen értelemben a ChatGPT archetípusa.
– 1982 végén Donald Michie edinburgh-i professzor feltárt egy alapvető hibát, amely a mesterséges intelligencia létrehozására irányuló korábbi erőfeszítéseket sújtotta: a fogalmak, szabályok, stratégiák megtanulása induktív kell legyen, mivel ez a módszer adja az ember problémamegoldási erejét és sokoldalúságát. Tehát nem a korábban feltételezett nyers számítási erő a lényeg. A példákból való tanulás hamarosan a mesterséges intelligencia meghatározó hajtóerejévé vált.
– 2011-ben debütált Watson, az IBM természetes nyelvi kérdésekre válaszoló számítógépe, amely két korábbi emberi nyelvivetélkedő-bajnokot is legyőzött, valamint megjelent az Apple Siri virtuális asszisztense.
– 2016-ban elkészült a Hanson Robotics cég „Sophia” nevű humanoid robotja, az első „robot állampolgár”. Sophia képes volt látni (felismerni képeket), arckifejezéseket létrehozni és kommunikálni ugyancsak mesterséges intelligencia segítségével.
– 2017-ben a Facebook mesterségesintelligencia-kutatólaboratóriumának két chatbotja az egymás közötti angol nyelvű kommunikáció során eltért az emberi nyelvtől, és feltaláltak egy saját nyelvet, váratlan és fejlett mesterséges intelligenciát mutatva.
– 2021 januárjában az OpenAI elkészítette a DALL·E gépi tanuláson alapuló mesterséges intelligenciát (Generative Pre-trained Transformert, GPT-t), amely képes volt képeket létrehozni szöveges leírás (prompt) alapján, majd 2022 áprilisában bejelentették a DALL·E 2-őt, még valósághűbb képekkel, nagyobb felbontás mellett. Elindult a képi és videós tartalmak forradalma, ma is tart, üteme szinte exponenciálisan gyorsul.
– 2022 novemberében érkezett a ChatGPT nevű chatprogram, amely rövid időn belül szenzációvá vált. A chatbot a kommunikáció során komplex válaszokat ad bármilyen kérdésre.
2023-ban aztán jöttek a többiek is: a Google Bard-ja, a Microsoft Bing-je, az Anthropic Claude 2-je. Ezekre a modellekre alapozva több ezer új szolgáltatás indult, ami olyan, eddig soha nem érintett területekre hozta el az automatizációt, mint az újságírás, a jogalkalmazás, a műszaki dokumentációk elkészítése.
Ma már léteznek olyan, MI támogatta audio deepfake-technológiák például az Elevenlabs műhelyében, amelyek képesek 5 másodpercnyi eredeti emberi beszéd nyomán közel tökéletesen klónozni az alany hangját: tetszőleges tartalmú beszédet tudnak szintetizálni.
Talán sikerült megvilágítani, hogy nem az OpenAI és a Microsoft találta ki az MI-t, csak a ChatGPT miatt nekik tulajdonítja közvélemény – amiben az a jó, hogy most ömlik a pénz a területbe.
Mi van a motorháztető alatt?
A mesterséges intelligencia tehát mindenütt jelen van, az összes valamirevaló üzleti szoftverünkben, az alkalmazásainkban, a járműveinkben. A vele érkezett jókora fogalomhalmazban is segítünk eligazodni. A ma létező összes MI szűk vagy keskeny mesterséges intelligencia (artificial narrow intelligence, ANI), amely egyetlen konkrét feladat elvégzésére alkalmas például arc-, hang- vagy képfelismerésre, de ez teszi lehetővé az önvezető autók működését is.
Az általános mesterséges intelligencia (artificial general intelligence, AGI vagy strong AI) egy (egyelőre?) elméleti mesterséges intelligencia, amely bármilyen feladat elvégzésére képes, amire egy ember, azonos minőségben vagy jobban. Ezt hatalmas viták övezik, sokan kételkednek abban is, hogy valaha létrejöhet-e. Mindenesetre a jeleit általában az érzelmekre, érzésekre utaló jelekben, illetve a feltanításkor betáplált adatokhoz képest váratlan, azokból nem következő kimenetekben, válaszokban keresik a kutatók az új modellek vizsgálatakor. Az AGI létrejöttével ma még elképzelhetetlen civilizáció-evolúciós szuperugrások is elérhetőkké válnának, messze felülmúlva azt, amit az ember valaha elért.
A mélytanulás olyan rugalmas szabályok és technikák összessége, amelyek lehetővé teszik a neurális hálózat számára, hogy önmagát tanítsa. A Watson neurális hálózat például a mély tanulás használatával képes megtanítani magának olyan képtípusok felismerését is, amelyekre az induláskor nem tréningezték.
A programok gépi tanulást használnak az algoritmusok tanítására és megváltoztatására a jobb működés érdekében. A gépi tanulás lehet felügyelt, ahol az algoritmusok végigfutnak a betanítási adatokon, hogy javítsák teljesítményüket, vagy felügyelet nélküli is, ahol az algoritmusok képzés vagy korrekció nélkül elemzik az adatkészletet és struktúrákat azonosítanak benne. A harmadik típus a megerősítő tanulás, amelyben a rendszer különböző forgatókönyveket futtat, és emberi felügyelet értékeli a működés pontosságát. Az MI program ezután feldolgozza az emberi visszajelzést, és módosítja a viselkedését. A „javítás” alatt ezekben az esetekben azt érjük, hogy a kimenet bizonyos jellemzőit összehasonlítják egy előre meghatározott értékkel vagy tulajdonsággal, és kellően kicsi, avagy elfogadható irányú eltérés esetében a kimenet megfelelőnek minősül.
A neurális hálózatok területe megkerülhetetlen az MI világában. Céljuk az emberi idegrendszerhez és agyhoz hasonló hálózatok létrehozása. A generatív adverzariális hálózat (GAN) a gépi tanulási keretrendszerek egy gyakori osztálya, a generatív MI technológiájának egyik tartóoszlopa. A GAN működése során két neurális hálózat versenyez egymással, és együttműködve fejlődnek. Az egyik például egy fotorealisztikus képet generál, a másik pedig megpróbálja kitalálni, hogy a kép valós vagy digitálisan generált tartalom. A rendszer így önmagát fejleszti, és egyre valósághűbb képeket alkot miközben a modell felügyelet nélkül tanul. A GAN-ok az evolúciós biológiában a mimikrihez hasonlítanak, a két hálózat között gyakorlatilag evolúciós fegyverkezési verseny folyik.
Egyszerűen fogalmazva, az MI nagy adatkészleteket kombinál intuitív feldolgozási algoritmusokkal, és úgy tanulja meg manipulálni ezeket az algoritmusokat, hogy viselkedési mintákat azonosít és tanul meg az adatkészletekből.
A korlátozott memóriájú MI működésének 5 lépése
1. Adatbevitel Ebben a lépésben összegyűjtik a mesterséges intelligencia megfelelő működéséhez szükséges adatokat, amelyek lehetnek szöveges-, képi-, hang- (beszéd) vagy videóformátumú információk is. Fontos, hogy az algoritmusok képesek legyenek olvasni a bevitt adatokat és ebben a lépésben kell egyértelműen meghatározni az adatok kontextusát és a kívánt kimeneti paramétereket is.
2. Feldolgozás A mesterséges intelligenciát élőben beáramló adatforrásra kapcsolják, és az eldönti, hogy mihez is kezdjen a beáramló adatfolyammal. Ehhez az MI értelmezi az első lépcsőben előre beprogramozott adatokat, és a megtanult viselkedési formákat is felhasználva felismeri az azonos vagy hasonló viselkedési mintákat a valós idejű adatokban (az adott MI-technológiától függően).
3. Előrejelzés A harmadik lépésben az MI előrejelzést tesz a várható eredményekre. Ez a lépés határozza meg, hogy az adatok és a hozzájuk tartozó előrejelzések kudarcnak vagy sikernek minősülnek-e.
4. Korrekció Ha az előző lépés eredménye kudarc, a negyedik lépésben az MI tanulhat a hibából, és ezúttal másképp ismétli meg a folyamatot. Igazít az algoritmusok szabályain, vagy megváltoztatja őket, hogy illeszkedjenek az adatkészlethez, és a kimeneti eredmények a kívánt eredményt tükrözzék.
5. Értékelés Ez a szakasz lehetővé teszi a technológia számára, hogy elemezze az adatokat, és következtetéseket vonjon le, valamint előrejelzéseket tegyen. Ez szükséges és hasznos visszacsatolás az algoritmusok újbóli futtatása előtt.
Infrastruktúrák az MI számára
Az MI programok gyorsabb és kevesebb energiával történő futtatásához gyakran speciális hardvereket használnak, például Lisp-gépeket (a már említett Lisp programozási nyelven írt programokkal), neuromorfikus mérnöki megoldásokat, és fizikai neurális hálózatokat. 2023-tól az MI-hardverek piacán eluralkodnak a grafikus feldolgozóegységek (GPU-k).
2019-ben kezdődött, hogy a GPU-k – gyakran MI-specifikus fejlesztésekkel – kiszorították a központi feldolgozóegységeket (CPU-kat) mint a nagy méretű, kereskedelmi, felhőalapú MI képzésének domináns eszközét. Az OpenAI becslése alapján a legnagyobb mélytanulási projektekben felhasznált hardveres számítási kapacitás 2012 és 2017 között 300 000-szeres növekedést mutatott, 3,4 hónapos megduplázódási időtrenddel.
Az Allied Market Research szerint az MI-chipek globális piacának értéke 2031-re eléri a 263,6 milliárd dollárt. Ez a piac hatalmas, és számos különböző módon szegmentálható, beleértve a chip típusát, a feldolgozás típusát, a technológiát, az alkalmazást, az iparági vertikumot és még sok mást.
A két fő terület, ahol az MI-chipeket használják, a perem-informatika (edge), például a mobilok és az okosórák chipjei, illetve az adatközpontok (mélytanulás, képzés). Az Nvidia, amely piacvezető és monopóliummal rendelkezik a generatív MI használatához szükséges, csúcskategóriás processzorok kínálatában, nemrég bejelentette, hogy érkezik a GH200 szuperchip, amely képes kezelni „a legbonyolultabb generatív mesterséges intelligencia munkaterheléseket, a nagy nyelvi modelleket, és vektoros adatbázisokat”. A GH200 háromszor akkora memóriakapacitást kapott, mint a jelenlegi zászlóshajó H100. A GPU 2024 második negyedévében érkezik, és az ára még nem ismert, de a H100 vonalat jelenleg nagyjából 40 000 dollárért árulják.
