Úton az emberi szintű mesterséges intelligencia felé

„Az OpenAI mesterséges intelligencia kutatóintézet legutolsó nagy nyelvi modelljei – a ChatGPT interfészen keresztül tavaly november 30-án elérhetővé tett GPT-3.5 és a március 14-e óta (némi előfizetési díj ellenében) használható GPT-4 – által kiváltott hatást látva nem lenne meglepő, ha amikor majd az évtized végén visszatekintünk arra, hogyan változtatta meg a mesterséges intelligencia az életünket, az elmúlt fél évre emlékeznénk úgy, mint amikor ez a forradalom elkezdődött.

A Goldman Sachs befektetési bank március végi elemzése szerint a generatív nyelvi modellek a széles körű elterjedésüket (amikor a gazdasági szereplők fele már alkalmazza őket) követő tízéves időszakban évi másfél százalékponttal járulhatnak hozzá a termelékenység növekedéséhez. A tanulmány szerint ez akkor van így, ha az amerikai foglalkoztatási adatbázisban használt hétfokú nehézségi skála középső, negyedik szintjén képesek elvégezni azokat a tevékenységeket, amelyek ki vannak téve a mesterséges intelligencia általi automatizálásnak. Ha a hatodik nehézségi szinten teljesítenek, a többlet ennek a duplája, három százalékpont is lehet. (A negyedik szint olyasfajta feladatokat jelent, mint egy kisvállalkozás adóbevallásának kitöltése vagy a munkaidő beosztás elkészítése, a hatodik olyanokat, mint egy nagy konferencia programjának összeállítása vagy adatgyűjtés egy összetett tudományos jelentéshez.)

az állások 7%-ában lehetne az emberi munkát mesterséges intelligenciával teljes egészében helyettesíteni (jórészt adminisztratív és jogi területen), a többi esetben a munkavállalóknak több idejük lenne olyan feladatokra, amelyeket a gép nem képes megoldani. Ez jellegében és léptékében is a személyi számítógép elterjedéséhez mérhető változás.

De ez még csak a kezdet. A GPT-k sikerének ezen túlmutató jelentősége, hogy szabad szemmel is látható méretű lépést jelentenek az emberi szintű, vagyis a bármilyen, ember által elvégezhető szellemi feladat végrehajtására képes mesterséges intelligencia régi ígéretének megvalósulása felé. Jelentős lépést, de egy nagyon hosszú úton.

A mesterséges intelligencia kutatói körében a 2010-es években végzett szinte valamennyi felmérésben (1, 2, 3, 4) a hivatásszerűen ezzel a területtel foglalkozó informatikusok, matematikusok, filozófusok és pszichológusok meglehetősen egyöntetűen a század közepére (2040-2060-ra) tették az emberi szintű mesterséges intelligencia megjelenését. Beszédes, hogy az összes ilyen felmérésben mindössze 5% körüli volt azoknak az aránya, akiknek határozott meggyőződésük volt (90%-nál valószínűbbnek tartották), hogy az emberi szintű mesterséges intelligencia soha nem lesz megvalósítható.

A szakértői várakozásoknál kézzelfoghatóbb fogódzó a mesterséges neurális hálózatok tanítása során elvégzett számítások mennyiségének növekedése: a 2020 májusában megjelent GPT-3 betanításához 300 trilliárd (3 x 1023) műveletet végeztek, a GPT-4-éhez ennek nagyságrendileg százszorosát (az OpenAI hivatalosan nem közöl részleteket a modell felépítéséről, méretéről, a felhasznált hardverről és adatmennyiségről). A következő százszorozódás már azt jelentené, hogy az emberi agy által egy élet során feldolgozott információmennyiség nagyságrendjének közelébe érünk.

Ezt egyrészt a rendelkezésre álló számítási kapacitás korlátozza (ha a számítógépek teljesítményének növekedése a következő években is az elmúlt évtizedekben tapasztalt ütemben folytatódik – ami persze kérdéses –, az évtized végére lehet olyan szuperszámítógép, amely kevesebb mint egy év alatt képes elvégezni ennyi műveletet), másrészt korántsem evidens, hogy a mesterséges neurális hálózatok méretének és a betanításukhoz használt adatok mennyiségének további növelése a jelenleginél számottevően értelmesebb működést eredményez (ami azt illeti, az OpenAI már három éve megjósolta, hogy a GPT típusú nyelvi modellek nagyjából a mostani méretnél elérik csúcsteljesítményüket).

Bár a GPT-4 elődeivel ellentétben már nemcsak az olyan tudásintenzív területeken teljesít jól, mint a bölcsészet-, társadalom-, természet- és orvostudomány, de az elvont gondolkodást igénylő feladatok, például a matematika vagy a logika terén is, az OpenAI vezérigazgatója, Sam Altman szerint sem a nagy nyelvi modellek méretének további növelése vezet az emberi szintű mesterséges intelligencia létrehozásához. »Azt hiszem, vége az óriási, hatalmas modellek korának. Másféleképpen fogjuk őket jobbá tenni« – mondta nemrég az MIT egy rendezvényén.

De nem is feltétlenül van szükség az emberi szint elérésére ahhoz, hogy a gépi intelligencia az emberiség eddigi legdinamikusabb évtizede, a ’60-as évek óta nem tapasztalt ütemű növekedést hozzon. Az amerikai foglalkoztatási adatbázisban használt nehézségi skála hatos szintjének elérése azt jelenti, hogy a mesterséges intelligencia a célok kijelölésén és új összefüggések feltárásán kívül szinte minden szellemi feladatot képes lesz elvégezni – és szó sincs róla, hogy csak a legunalmasabbakat. Van még addig néhány év (a GPT-2 és -3 között nagyjából 500, a GPT-3 és -4 között már 1000 nap telt el), és bár a következő évek valószínűleg az elmúlt hónapokénál kevésbé hangos sikereket hoznak, ideje elkezdeni készülni.”

A szerző a jövő technológiáival kapcsolatos kutatással, oktatással és ismeretterjesztéssel foglalkozó Prométheusz Társaság ügyvezetője

Nyitókép: Pixabay