Egy nyár, amelyből hetven év lett
1955-ben John McCarthy, Marvin Minsky, Nathaniel Rochester és Claude Shannon azzal a javaslattal fordult a Rockefeller Alapítványhoz, hogy egy kis csapat egyetlen nyár alatt jelentős előrelépést érhet el abban, hogy a gépek nyelvet használjanak, fogalmakat alkossanak és problémákat oldjanak meg. A dartmouthi műhely 1956-ban a terület nevét is megadta. Nyelvhasználó gépre végül közel hetven évet kellett várni.
Kétszer is kemény kijózanodás követte az optimizmust. Az Egyesült Királyságban James Lighthill 1973-as jelentése súlyos kritikát fogalmazott meg a kutatás eredményeiről, és a finanszírozás jelentős részét leállították. A nyolcvanas évek szakértői rendszereinek fellendülése után az évtized végére újra összeomlott az érdeklődés, amikor kiderült, milyen drága és törékeny a kézzel írt szabályok karbantartása. Ezeket az időszakokat nevezi a szakma AI télnek.
A Moravec paradoxon
Hans Moravec robotikus 1988-ban megjelent Mind Children című könyvében fogalmazta meg azt a megfigyelést, amelyet azóta az ő nevével emlegetnek. A gépnek viszonylag könnyű, ami az embernek nehéz, például a sakk vagy a matematikai levezetés. Egy pohár felemelése vagy egy zsúfolt szobában való eligazodás viszont, ami az embernek magától értetődő, a gépnek rendkívül nehéz. Ezért láthatjuk ma, hogy a nyelvi modellek jogi szöveget elemeznek, miközben egy háztartási robot még mindig ügyetlenül pakolja ki a mosogatógépet.
A jóslatok emiatt gyakran rossz irányba tévednek. Azt vártuk, hogy a gép előbb a kétkezi munkát veszi át, aztán a szellemi munkát, eddig viszont fordított sorrendet láttunk.
A kutatók sem értenek egyet. Katja Grace és társai 2023 végén 2778, rangos konferenciákon publikáló AI kutatót kérdeztek meg. Az összesített becslés szerint 50 százalék az esélye annak, hogy 2047-re a gépek minden feladatban felülmúlják az embert, és ez tizenhárom évvel korábbi dátum, mint az egy évvel korábbi hasonló felmérésben. Egyéni szinten ugyanakkor évtizedeket szórnak a válaszok, ami azt mutatja, hogy biztos tudás erről senkinek nincs.
Mit kezd ezzel egy vezető
Egy pécsi családi vállalkozás igazgatósága két évig halogatta az AI bevezetést, mert a tulajdonos azt olvasta, hogy néhány éven belül minden megváltozik, és nem akart olyan rendszerbe fektetni, amely addigra elavul. Közben a versenytársaik a már ma működő eszközökkel felgyorsították az ajánlatkészítést. Amikor végül elindultunk, a legnagyobb hasznot nem a legújabb modell hozta, hanem az, hogy a csapat megtanulta, melyik feladatot érdemes a gépre bízni, és hogyan ellenőrzi az eredményt. Ez a tudás a modellcserét is túléli.
A jóslatok bizonytalanságából ezért a rugalmasság következik, nem a várakozás. Olyan lépéseket érdemes tenni, amelyek bármelyik forgatókönyvben megtérülnek, az adatok rendbetételét, az emberek ítélőképességének fejlesztését és a kicsi, mérhető kísérleteket. A hangzatos jóslatokról, az évtized végére várt gépi apokalipszistől a rekurzív önfejlesztésig, két cikkemben is kifejtettem, miért tartom fontosnak a valós kockázatokat elválasztani a látványos forgatókönyvektől.
Források és további olvasnivaló
University of Helsinki és MinnaLearn, Elements of AI, 6. fejezet, About predicting the future. John McCarthy, Marvin Minsky, Nathaniel Rochester és Claude Shannon, A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence, 1955. James Lighthill, Artificial Intelligence, A General Survey, Science Research Council, 1973. Hans Moravec, Mind Children, Harvard University Press, 1988. Katja Grace és társai, Thousands of AI Authors on the Future of AI, arXiv 2401.02843, 2024. Kapcsolódó cikkeim Miért nem hiszem, hogy az AI kiirtja az emberiséget és Amikor az AI a saját utódját tervezi.
Workshop
AI Transformation Day
Egésznapos, vezetőknek szóló program. Feltérképezzük, hol tart a szervezet, mi az első reális lépés, és milyen belső feltételek szükségesek a sikerhez. A nap végén konkrét, priorizált cselekvési lista.
Érdekel a program →