A ChatGPT rendkívül népszerű lett, tömeg használják – annyira sokan, hogy a cikk írásakor nem is sikerült tesztelni a teljes kapacitáson működő szolgáltatást. A ChatGPT azonban csak a kezdet, a generatív mesterséges intelligencia vállalati felhasználása sokkal szerteágazóbb, mint most gondolnánk.
◼︎ Láthatáron a multimodális nagy MI-modell
Kezdjük az alapoknál, írnunk kell pár sort arról, hogy mit is értünk generatív MI alatt: a mesterségesintelligencia-megoldások egy olyan részhalmazát értjük alatta, amely új tartalmat képes generálni, legyen az szöveg, kép, zene vagy videó. A nem generatív mesterségesintelligencia-megoldások rendkívül nagy és rendezetlen adatokban is felismernek egyszerűbb és/vagy bonyolultabb mintákat, azaz elemzéseket végezzenek.
A generatív MI-nek is rengeteg adatra van szüksége ahhoz, hogy olyan új tartalmat generáljon, amely stílusban és tartalomban is megfelelő. Ehhez olyan technológiákat használ, mint a mélytanulás (deep learning), neurális hálózatok és a megerősített tanulás: amikor a mesterséges intelligencia saját próbálkozásaiból tanul, az innen kijutó jó eredményeket pedig az emberi intelligencia erősíti meg.
| Itt a multimodális mesterséges intelligencia
Miközben a sajtó a nagy nyelvi modellektől hangos, a kutatók ezen már túlléptek. Március elején a Microsoft kutatói bemutatták a Kosmos-1-et, amely nemcsak szövegek generálására használható, hanem képek tartalmi elemzésére, vizuális rejtvények megoldására, vizuális szövegfelismerésre, vizuális IQ-tesztek elvégzésére, valamint természetes nyelvi utasítások megértésére. A kutatók szerint a multimodális mesterséges intelligencia – amely különböző bemeneti módokat, például szöveget, hangot, képet és videót integrál – kulcsfontosságú lépés az általános mesterséges intelligencia (artificial general intelligence, AGI) megalkotásához. Az AGI pedig képes lehet különböző általános feladatokat az emberi szinthez hasonlóan elvégezni. A Kosmos-1 tanulmányban szereplő példák szerint a modell képes képeket elemezni, kérdésekre válaszolni, szöveget olvasni képről, képfeliratokat írni képekhez, és 22-27 százalékos pontossággal elvégzi a vizuális IQ-teszteket is. |
A generatív mesterséges intelligencia népszerűségét mi sem mutatja jobban, hogy az utóbbi időben erre a területre csak úgy áradt a kockázati tőke: a Gartner adatai szerint a pénzalapok 1,7 milliárd dollárt fektettek a generatív MI-be az elmúlt három évben. A marketing és a média területe már érzi a generatív MI hatását. Számítások szerint a 2022-ben a marketingüzenetek mintegy 2 százalékát mesterségesen generálták, és ez az arány 2025-re eléri a 30 százalékot. A várakozások szerint 2030-ig megjelenik az első, kereskedelmileg értékelhető mozifilm, amelynek 90 százalékát mesterséges intelligencia generálja majd – előre megadott szöveges utasítások alapján.
Új gyógyszereket tervez az MI
Míg a ChatGPT mostanság a kreatív munkát igyekszik segíteni, a Gartner várakozásai szerint 2025-re például az új gyógyszereket és anyagok 30 százalékát a generatív MI találja ki – ma ez az arány 0 százalék. Egy 2010-es tanulmány szerint egy gyógyszer átlagos fejlesztési költsége a vegyület felfedezésétől egészen az abból kialakított termék piacra dobásáig 1,8 milliárd dollárba kerül. Ebből a gyógyszer felfedezése a költségek egy harmadát jelenti, ami időben 3-6 évet jelent. Generatív MI segítségével már terveztek különböző vegyületeket hónapok alatt, és így erős költségcsökkentő tényezőt jelenthet az iparágnak.
Forradalmian új anyagokat tervezhet
A generatív MI az autóipar, űripar, védelem, egészségügy, elektronika és energia ágazatokat is átalakíthatja, hiszen adott tulajdonságokkal rendelkező anyagokat képes felfedezni. A folyamatot inverz dizájnnak nevezik, mert első körben meghatározzák a még nem létező anyag tulajdonságait ahelyett, hogy a véletlenre vagy szakértő találgatásra bízva kísérletezzenek. Így például olyan anyagokat fedezhetnek fel, amelyek sokkal jobban vezetik az áramot, vagy erősebb a mágnesességük, mint a meglévőknek. A megerősített tanulás segítségével a generatív MI képes lehet a félvezetők tervezésénél optimalizálni az összetevők elhelyezését, ezzel pár órára csökkentve az újabb termékek fejlesztését – jelenleg a szakembereknek több hetet is igénybe vesz ez a folyamat.
Ahogy említettük, a generatív MI a gyártás, autóipar, légi közlekedés és védelmi iparágakat is áthatja. Ha lehet bizonyos feltételeknek megfelelő anyagokat kikutatni segítségével, akkor az előírt paramétereknek eleget tévő alkatrészek kitalálásával is meg lehet ezt a technológiát bízni. Például sokkal könnyebb autókat tudnak majd tervezni, amelyek emiatt kevesebb üzemanyagot fogyasztanak.
Amikor az input adatot is MI generálja
A Gartner szerint az adatok területét sem kerüli el a mesterséges intelligencia áldása. A generatív MI szintetikus adatok generálásával is foglalkozni fog. Ez azt jelenti, hogy ezek az adatok nem a valós világ megfigyelésével és elemzésével születnek, hanem azok alapján generálódnak. Ezzel a szigorú adatvédelmi törvények előírásainak meg lehet felelni, hiszen a szintetikus adat nem személyes adat, hanem generált, virtuális információ. Az egészségügy területén ennek segítségével nagymértékben felgyorsulhatnak a kutatások, hiszen nem szükséges valós adatokra támaszkodni – hanem a valóságot imitáló adatokban bízva lehet következtetéseket levonni.
A kockázatok
Mint minden technológiának, a generatív MI-nek is vannak kockázatai. A deepfake, szerzői jogokkal kapcsolatos kérdések vagy a technológia rossz szándékú használata alááshatják a technológiába vetett bizalmat. A vállalatoknak ki kell dolgozniuk a technológia felelősségteljes használatának szabályzatát a biztonsági és a kockázatkezelési osztállyal közösen. Ugyanakkor egy ellenőrzött és elismert szállítói lista összeállítása is növeli a technológiába vetett bizalmat.
