A mesterséges intelligencia így vagy úgy, de átformálhatja Afrika jövőjét
Segítő kezet, vagy épp akadályt jelent a mesterséges intelligencia Afrikának?
Bár a mesterséges intelligencia már megannyi feladatot ellát, még mindig tudnunk kell valamit – jól kérdezni. Megmutatjuk, hogyan.
A szerző a Makronóm újságírója.
Május 13-án az OpenAI bemutatta a GPT-4o-t, a ChatGPT legújabb verzióját. A vállalat közleménye szerint az új változat sokkal gyorsabb és hatékonyabb, mint a korábbi modellek. A felhasználók azonban azt is észrevették, hogy a GPT-4o kifejezetten emberszerű. Képes értelmezni az érzelmeket, beszélni, énekelni és még nevetni is. Segíthet az iskolában a felelésre való felkészülésben, elénekelhet egy altatódalt vagy játszhat kő-papír-olló játékot.
Alig néhány hónappal korábban a Microsoft egészen hasonló üzenettel reklámozta a tavaly bemutatott Copilot nevű mesterségesintelligencia-asszisztensét. Az egyperces reklámból kiderül, hogy az MI hogyan segíthet a különböző feladatokban, a kreatív ötleteléstől a kódolásig megannyi területen.
Fontos hozzátenni, hogy ettől függetlenül nem végzi el helyettünk a feladatainkat, mégis, különböző területeken, például a mezőgazdaságban, az egészségügyben és sok más területen hatalmas segítséget nyújthat.
Az OpenAI becslése szerint az amerikai dolgozók 80 százalékának a munkáját legalább 10 százalékban érintenék a nagy méretű nyelvi modellek. Azonban elsősorban nem a munkavállalók helyettesítésére szolgál, hanem például a betanulás segítésére, vagy a monoton feladatok (például papírmunka) terhét veheti le a vállunkról.
A mesterséges intelligenciára érdemes egyfajta partnerként tekinteni, amely sokkal gyorsabban és hatékonyabban képes megérteni és elemezni az információt, mint az ember, így igen hatékony például az adatelemzésben és a kódolásban.
Azonban még mindig bőven akadnak területek, amelyben mi lekörözzük a gépet.
A mesterséges intelligencia minden bizonnyal segíthet a kreatív folyamat bizonyos aspektusaiban, de az igazi kreativitás még mindig a mi „soft skill”-ünk. Többek között azért is, mert ehhez szükség van intuícióra, érzelmekre és a „dobozon kívüli” gondolkodásra („out of the box”). Ez az MI-nek azért nehéz, mert valójában egy dobozon belül „gondolkodik”: abból a készletből dolgozik, amelyből tanították. Míg a mi ötleteinket gyakran a személyes tapasztalataink ihletik, így válnak igazán személyessé, egyedivé, ezzel a gép nem rendelkezik.
Ez valószínűleg továbbra is az emberek kezében marad. Méghozzá azért, mert a döntések meghozatalakor képesek figyelembe venni különböző tényezőket, például a személyes kapcsolatokat vagy a vállalati kultúrát. Az általános tudatosság, az intuíció, az adatokon túli tágabb összefüggések megértése és a hatékony kommunikációs képességek mind emberi tulajdonságok. Gondoljunk bármelyik híres vezetőre, mondjuk Elon Muskra vagy Steve Jobsra. A sikerük nem kizárólag az adatelemzésen és a merev logikán alapul.
Az embereknek van egy olyan alapvető tulajdonságuk, amelyet a mesterséges intelligencia nem tud utánozni (bár egyre közelebb kerül hozzá), az empátia.
Az MI nem képes érzelmileg támogatni a csapattagokat.
Egy team irányítása nem csak a feladatok kiosztásából áll, beszélgetni kell az emberekkel, meg kell hallgatni és érteni az igényeiket és a motivációikat. Teljesen más egy géppel és egy emberrel beszélni a problémáinkról és az érzelmekről.
Az üzleti környezetben számos döntés etikai megfontolásokat igényel. Az algoritmusok és adatminták alapján működő mesterséges intelligenciával ellentétben felismerjük az erkölcsi akadályokat. A nagy techcégek igyekeznek némi empátiát tuszkolni a gépbe, de ez mégsem olyan természetes és magától értetődő, mint a mi esetünkben. Amíg az MI nem képes ezt utánozni, addig ez a feladat is ránk hárul.
Ahhoz, hogy a legtöbbet hozzuk ki a mesterséges intelligenciából, nekünk, embereknek is meg kell tanulnunk, hogyan kérdezzünk. Ez az úgynevezett promptolás. A prompt egy kérés, amelyet egy ember intéz egy generatív mesterséges intelligencia rendszerhez, vagy egy nagy méretű nyelvi modellhez.
Ezek lehetnek egyszerű kérdések, például hogy hány fokon forr a víz. A promptok azonban sokkal bonyolultabb és részletesebb kéréseket is tartalmazhatnak. Egy felhasználó például kérhet egy kétezer szavas összefoglalót a hosszú szőrű kutyák ápolásáról vagy egy jelentés írását egy munkahelyi projekthez. Azonban nem mindegy, hogyan kérünk.
Ezeket érdemes figyelembe venni:
A mesterségesintelligencia-rendszerek elsősorban egyszerű, közvetlen kérésekkel tudnak dolgozni. Összetett promptok esetében érdemes részletesen leírni, hogy mit is szeretnénk. Például ha egy meghívót akarunk készíttetni mesterséges intelligenciával egy közelgő hivatalos rendezvényre, akkor érdemes hozzátenni, hogy annak megfelelő formában írja meg azt. Kiemelhetjük a kulcsszavakat, amelyeket bele kell raknia.
A mesterséges intelligencia nem látnok és nem ismer minket. Csak az alapján tud válaszolni, amit értelmezni tud. Így fontos a pontos megfogalmazás, és érdemes részletezni, ha speciális kérésünk van. Például egy olyan egyszerű kérdés, mint a „hány óra van dagálykor?”, nem hatékony, mert nem tartalmaz lényeges részleteket. Az árapály napról napra és helytől függően változik, így a modellnek közel sem lenne elegendő információja a helyes válasz megadásához. Sokkal egyértelműbb és pontosabb kérdés lenne a következő: „Hány órakor van dagály a massachusettsi Gloucester Harborban 2023. augusztus 31-én?”.
Amellett, hogy érdemes részletesen kifejteni, mit szeretnénk, törekednünk kell az egyszerűségre is. Az MI-eszközök gyakran küzdenek a hosszú kérések elemzésével, mivel a hosszú promptok lényeges elemeinek a rendszerezése és a rangsorolása bonyolult. Tehát minél rövidebb egy kérés, a gép annál könnyebben értelmezi azt.
Emellett kerüljük a kétértelmű, metaforikus és a szlengszavakat, -kifejezéseket. Mint minden számítógépes rendszer, a mesterségesintelligencia-eszközök is szinte már túlzottan precízen értelmezik ezeket.
Amennyiben nem adunk pontos képet arról, hogy mit és hogyan szeretnénk megtudni, nem mindig azt kapjuk, amit várunk. Lehetséges, hogy egy hosszabb elemzéshez jutunk a témáról, de ez egy rövid összefoglaló is lehet, amennyiben nem szabjuk meg mi magunk, hogy mit szeretnénk.
Ha például egy felhasználó egyszerűen csak arra kér egy MI-t, hogy magyarázza el a termodinamika három törvényét, lehetetlen megjósolni a válasz hosszát és részletességét. A kontextus hozzáadása azonban segíthet abban, hogy azt kapjuk, amit várunk. Egy olyan kérés, mint a „magyarázd el a termodinamika három törvényét harmadik osztályos tanulóknak”, igencsak eltérő hosszúságú és részletességű eredményt fog produkálni, mint a „magyarázd el a termodinamika három törvényét PhD-szintű fizikusnak”.
Bár minél többet megtudunk, annál jobb, gyakran bölcs dolog korlátozni a karakterszámot, amennyiben nincs időnk vagy kedvünk kivárni a hosszú válasz végét, vagy nincs szükségünk annyira részletes információra.
Fontos tudni, hogy a generatív mesterséges intelligenciát nem arra találták ki, hogy karaktereket számoljon, azonban vannak olyan lehetőségek, amelyekkel befolyásolhatjuk a válasz hosszát. Megkérhetjük, hogy részletesen vagy tömören válaszoljon, vagy hogy három mondatban magyarázzon el valamit (de még így is megeshet, hogy az három igencsak hosszú mondat lesz).
Emellett felsorolásnál is megadhatunk számokat. Például ha olyan szakterületekre vagyunk kíváncsiak, amelyekben a mesterséges intelligencia nagy szerepet kap a jövőben, megkérhetjük, hogy soroljon fel tízet ezekből.
Az MI-korszak megannyi olyan lehetőséget tár elénk, amely korábban elképzelhetetlen volt. Ezek a rendszerek olyan asszisztensek, akik sosem fáradnak el, és szinte bármikor kéznél vannak, a nap huszonnégy órájában. Néhány területen az MI már most is felülmúlja az embert: jól teljesít az adatok elemzésében, apró rutinfeladatok elvégzésében, emellett a tartalomgenerálás sem okoz neki gondot – és egyre jobb lesz. Marina Minnikova programmenedzser szerint érdemes fejleszteni azokat a készségeinket, amelyekben a mesterséges intelligencia elmarad. Hiszen miért is versenyeznénk például adatelemzésben, miközben elolvasni sem tudjuk a táblázatokat vagy az adatbázisokban tárolt adatokat olyan gyorsan, mint ahogyan a gép feldolgozza. Ahogy fogalmazott:
összpontosítsunk a soft skillekre, hiszen ez a mi titkos fegyverünk.
Kapcsolódó:
Címlapfotó: MTI/EPA/Clemens Bilan
További cikkeinket, elemzéseinket megtalálják a makronom.hu oldalon.