Mi az a mesterséges intelligencia?

A mesterséges intelligencia egy átfogó fogalom, az emberi intelligencia leképezésére alkalmas szoftver, amely képes támogatni vagy autonóm módon ellátni bizonyos észlelési, értelmezési, döntési, cselekvési folyamatokat. Ez egy technológia, amelynek az alapja a gépi tanulás kiegészítve autonómiával, ezt mondjuk mesterséges intelligenciának. Az emberi képességeket próbálják utánozni, és ezeknek számos felhasználási területe van.

Valamennyi emberi képesség leképezését bele kell érteni a mesterséges intelligenciába, vagy csak az emberi képességek egy részének mesterséges leképezését?

Egy részének. A látását, a hallását, az észlelését, az értelmezési képességét. De ezeket nem egyben teszik, hanem mindig egy adott célfeladatra tanítom be, és azt fogja tudni végrehajtani.

A mesterséges intelligenciának egy részhalmaza a gépi tanulás meg a mélytanulás?

Így van, pontosan.

Ezek együttműködve adnak valamit, amit mesterséges intelligenciának nevezünk?

Így van, pontosan. Korábban ezeket a rendszereket, ezeket a képességeket programoztuk. A számítógépet programoztuk. Ma pedig ezeket tanítjuk, és a gépi tanulásnak van három fő típusa, az egyik a felügyelt tanítás, a másik a felügyelet nélküli tanítás, illetve a megerősítéses tanítás. Ezek azok a technológiák, amelyeken keresztül képes vagyok adatok alapján feltanítani a modellemet, ami nem egy klasszikus értelemben vett program, hanem egy tanuló algoritmus. Természetesen vannak olyan irányzatai a mesterséges intelligenciának, mint például a prediktív analitika vagy a komputerlátás, a gépi látás, amelyek nyilván egy adott célfeladatot tudnak ellátni. De a legfontosabb az, hogy én megtanítok valamit a gépnek, és ő utána autonóm módon képes valamilyen észlelési, értelmezési, döntési vagy cselekvési folyamatot ellátni vagy döntéstámogatást hozni számomra.

Odáig eljutott már a gép, hogy önmaga válassza ki, hogy mit kíván megtanulni, vagyis minket ki tud kapcsolni a feltanítási folyamatból?

Ha ezt kérem tőle, akkor adott esetben ezt is el tudja látni. De általában a célt definiálom neki és ő a cél érdekében tanul. Nagyon fontos, hogy folyamatosan adok neki visszajelzést, hogy ez jó vagy rossz, ez a megerősítéses tanulás, és folyamatosan tökéletesíti a saját algoritmusát, kvázi tanul. Miután megtanítottam, akkor utána, ha valamit mutatok neki, akkor ő azt a korábbi mintázatokból felismeri, és ez alapján tud nekem nagy valószínűséggel valamit mondani, hogy az, amit mutatok, micsoda.

A hibajavító mechanizmusokat hova kell beépíteni, ha a gép mégsem ismerné föl, hogy amit látott?

Ezért kell folyamatosan felültanítani a gépeket, mert akkor a következő alkalommal ő ezt már fogja tudni. A felügyelt tanítás vagy a felügyelet nélküli tanítás azt jelenti, hogy strukturált vagy strukturálatlan adatokat kapnak, például egy spamszűrés strukturált adatok alapján történik. Tehát mutatok neki spameket, ő megpróbálja ott fölfedezni benne azokat az általános jellemzőket, amelyek után, ha találkozik egy hasonló jellegű e-maillel, akkor ő arra rá tudja biztosan mondani, hogy spam, és minél többször kapja meg ő azt a visszajelzést, hogy ez egy újszerű dolog, de ez spam, akkor ő ebből tanul. Ha pedig strukturálatlan adatról van szó és felügyelet nélkül tanítom, akkor például ilyen lehet egy netflixes ajánlórendszer. A gép megtanulja az én tartalomfogyasztási szokásomat, bekategorizál valahová, és ha látja, hogy egy hozzám hasonló profilú ember megnézett egy filmet, akkor nekem az alapján ajánlja, hogy én is nézzem meg.

Nem zárja ki a mesterséges intelligencia az ember széles körű érdeklődését? Ha én nagyon sokféle filmet szeretek, akkor ő azt a nagyon sokfélét látja és nekem legközelebb is nagyon sokfélét fog ajánlani?

Meglepően pontosan tudnak ezek az algoritmusok már javaslatot tenni, annyira sok tanító adat áll rendelkezésükre abból, hogy le tudják profilozni az adott személyt, és ők mindig valószínűséget mondanak, tehát sohasem azt mondják, hogy téged ez biztosan fog érdekelni.

Tehát nem akarja beleverni az orromat abba, hanem csak felajánlja?

Nem akarja, hanem ő felajánlja, mert az, amit eddig néztem és mások, hozzám hasonlóan, akik ezeket a filmeket nézték, nagy valószínűséggel ők is fogják ezt a filmet szeretni és ezért fogja nekem azt felajánlani. Ez egy picit probléma is, mert nyilván bezár bennünket egy buborékba. A közösségimédia-platformokon ez a jelenség már régóta létezik, és az a helyzet, hogy addig, amíg az üzleti modell így épül föl, tehát a viselkedésen alapuló nagyon személyre szabott, targetált reklámokon keresztül jutnak a nagy platformszolgáltatók bevételhez, addig ez a modell fenn fogja tartani ezt a struktúrát.

Nem lehet saját platformszolgáltatót fejleszteni direkt azzal a céllal, hogy az én ízlésemnek nem feltétlenül megfelelő dolgokat is mutassa meg, csak hogy fejlődhessek egy picit és ne mindig csak azt lássam, amit én hallani meg látni akarok?

Nagyon sokan szeretnék, hogy legyen egy ilyen platformszolgáltató, csak az a helyzet, hogy az ember mégis valamilyen csoporthoz szeretne tartozni, ez nem egy új jelenség, mióta világ a világ, a hasonló gondolkodású emberek társaságát keressük, ott érezzük magunkat jól, és a platformszolgáltatók is egy ilyen logika mentén épülnek föl, hogy ők egyszerűen a képernyő előtt szeretnének bennünket tartani. Az az érdekük, hogy minél többet nézzem a képernyőt, mert ők annál több reklámot tudnak nekem nagy valószínűséggel értékesíteni, miután feltérképeztek és leprofiloztak, és tudják, hogy számomra mik a vonzó tartalmak.

Ha új nézeteket akarunk, akkor álljunk fel a gép elől és menjünk el a kocsmába, és akkor ott új nézeteket is megismerhetünk?

Ott aztán új nézeteket ismerhetünk meg, emberekkel beszélgetünk, igen. De nem biztos, hogy az a beszélgetés az utána nem épül be valamilyen módon abba az ajánlórendszerbe, ami engem elér. Nagyon sokan panaszkodnak arra, hogy beszélgettek a barátaikkal egy vacsora közben egy adott témáról, és utána hirtelen olyan típusú reklámok jelentek meg az ő ajánló feedjében.

Mind a két eszköz nyilván online volt, látták, hogy közel vannak egymáshoz, feltételezte az intelligencia, hogy eszmét is cserélnek, és akkor azt gondolta. Ezt így kell elképzelni?

Megjelentek a beszélgetésben kulcsszavak, és onnantól kezdve egyszerűen az algoritmus megtanulta, hogy nagy valószínűséggel engem előbb vagy utóbb be fog húzni ez a termék, én azt meg szeretném vásárolni, és akkor ha egy reklámozó azt mondja, hogy én egy ilyen és ilyen profilú embert keresek, aki már elkezdett erről beszélni, akkor az ő hírfolyamában vagy a reklámrészében megjelennek ezek a hirdetések.

Mindenképpen online jelenlét kell ahhoz, hogy az én ízlésemet, érdeklődési körömet lássák, vagy elég az, hogyha két aktív mobiltelefonnal én beszélgetek valahol? Nem feltétlenül arra gondolok, hogy bekapcsolják a mikrofonomat, hanem látják, hogy kik találkoznak? Ha az egyiknek tudják az érdeklődési körét, akkor feltételezik, hogy az előbb-utóbb a másikat is valahogy megfertőzi?

Itt még nem tartunk, meg igazándiból ebbe én nem is nagyon mennék bele, hogy ez pontosan hogy épül föl.

Technológia van rá?

Technológia lenne rá, de ez egy nagyon komoly szabályozási kérdés. A személyes adatok felhasználása, a feldolgozása a jövő egyik legnagyobb kulcskérdése.

Az ember mindenre engedélyt ad, mert használni akarja azt a dolgot, bekattingatjuk az összes pipát.

Igen, ha engedélyt adunk rá, akkor valaki azt az adatot használni fogja.

Azért kérte.

Ha ő ezt kérte, akkor ő ebből tanítani akar, tanulni akar, meg akarja érteni, hogy én mihez milyen módon viszonyulok és ez alapján próbál nekem valamit eladni, mert itt az egész a reklámokról, az értékesítésről szól. Azért, mert én ingyen kapok valamit a telefonomra, egy új alkalmazást, azt valakinek ki kell fejleszteni, azt a hatalmas globális tárhelyet valakinek ki kell fizetni.

Nincs ingyen leves.

Nincs ingyen leves, gyakorlatilag az adatainkkal fizetünk ezekért az alkalmazásokért.

Az ebben a pillanatban megmondható-e, hogy a mesterséges intelligencia meg a természetes emberi intelligencia között mi a legfontosabb különbség? Vagy olyan mértékben fejlődik a mesterséges intelligencia, hogy ezt csak most lehet megmondani, de holnap már lehet, hogy nem ez a fő különbség?

Ha a mesterségesintelligencia-modellek fejlődése ebben a csatornában folyik tovább, akkor az én látásmódom szerint nem fogjuk elérni a valódi emberi intelligenciának az utánzását, mindig csak az emberi intelligencia egy részének leszek képes utánozni a képességeit. Az általános mesterséges intelligenciát a jelenlegi modellekkel nem fogjuk tudni elérni. Egy teljesen új koncepcióra, új megközelítésre lenne szükség. Vannak izgalmas kísérletek, de ezek vagy nagyon drágák még, vagy egyszerűen üzletileg nem motivált ezeknek a kutatása és fejlesztése. Például itt van a chatGPT, ami elképesztően nagyot ment most a médiában, mindenki erről beszél, ez a világ leggyorsabban elterjedt alkalmazása és technológiája, két hónap alatt tudtak százmillió ügyfelet összegyűjteni, az első öt napban már egymillió ügyfél, elképesztően gyors felfutása volt, mert ezen keresztül eszméltek rá az emberek, hogy igazándiból mi is ez a mesterséges intelligencia. Elkezdjük azt érezni, mintha értene a gép bennünket és értené azt a beszélgetést, amit mi folytatunk. És a chatGPT is azért érdekes, mert nemcsak azt az adott kérdést válaszolja meg, hanem ha elkezdek vele beszélgetni, akkor az előtte feltett összes kérdésem alapján próbál meg nekem a következő kérdésemre választ adni. De itt is nagyon érdekes, hogy csak valószínűségeket határoz meg. Ő nem érti igazándiból, amit mi mondunk, hanem felparaméterezve ezen modelljei vannak. Gondoljunk bele, a chatGPT 175 milliárd paraméterből szedi azt az információt, amelyet utána elém tár válaszként, és ő valószínűséget mond, hogy ez után a szó után a legjobb választás ez a szó, utána pedig ez a szó. De az az érzet számomra, minthogyha ő beszélgetne velem, értené, amit mondok.

Képes lesz a chatGPT például hazudni? Nem kifejteni a valóság minden részletét?

Ez egy nagyon jó kérdés több szempontból is. A legfontosabb talán, hogy mi lesz az a szabályozási környezet, amely rendelkezésre áll, hogy én a modelljeimet taníthassam. A másik pedig az, hogy milyen adatokból tanítom a modellemet, amelyek alapján ő kvázi tudatot szerez abban a kérdésben, amire én éppen kíváncsi vagyok.

Szándékot tud szerezni? Mert a tudatot értem, feltanítjuk a római jogtól kezdve mindenféle jogokat, de szándéka lesz, hogy mi szerint érveljen? Mindig igazat fog mondani, mert ugye elvileg ne hazudhat, de milyen irányba akar majd érvelni, ezt ki dönti el?

Ezt mondom meg neki, hogy én egy olyan érvrendszert szeretnék, ami ez ellenében helyezkedik, akkor ő ezt fogja végrehajtani. Azt mondom neki, hogy olyan érveket listázz ki nekem vagy mondj el, ami ezt támasztja alá. Az értékválasztásokban ő nagyon kimért, az egyrészt, másrészt válaszokat adja. Amikor egy társadalmilag vitatott kérdésben kérem a véleményét vagy a magyarázatát, akkor azt mondja, hogy egyrészt így is meg lehet közelíteni, vannak olyan vélemények, amelyek szerint ez a helyes, többen pedig azt gondolják, mások pedig azt gondolják, hogy ez a helyes, és ezeket kézzel kell a gépnek beállítani, hogy ne legyen előítéletes. Nagyon fontos dolog, hogy milyen adatok alapján tanítom és hogyan próbálom belőle kivenni azokat az értékválasztással kapcsolatos tanító adatokat vagy a fogalmi megkülönböztetéseket, amelyeken keresztül ő alternatívákat kínál, de nem teszi le a voksát egyik érték mellett sem.

Mit tud csinálni akkor, amikor vannak olyan országok, ahol bizonyos nézetek nyilvános hangoztatása tabunak számít, akár még törvények is tiltják? Abban az országban nem úgy fog érvelni, mint egy másik országban, amelynek a törvényei nem ilyen szigorúak? Vagy globálisan érvel?

Ő globálisan érvel. Ő az alapján érvel, amire tanítják. Ha ő tudja azt, hogy egy adott országban nem lehet erről beszélni, akkor, ha egy olyan IP-címről kérdezi valaki vagy ő be tudja azonosítani vagy azon a nyelven kérdezi tőle valaki, akkor ezt ő szépen le fogja írni. Ezek a modellek rohamtempóban fejlődnek. A chatGPT 175 milliárd paraméterből táplálkozik, a következő, a GPT4-es modell már a 176 milliárdnak az 572-szeres adatmennyiségéből, az már 100 ezer trillió adatból fogja felépíteni a tudását. Ez az alkalmazhatósága tekintetében valami hihetetlen, elementáris erőváltozásokat fog eredményezni.

Mi fogja megteremteni a hitelességét? Ahhoz már hozzászoktunk, hogy amit egy ember mond, az nem feltétlenül igaz, de hozzá fogunk szokni, hogy amit a mesterséges intelligencia mond, az biztos, hogy igaz?

Ez a korunknak a legnagyobb kihívása, hogyan tudunk megmagyarázható mesterséges intelligenciát építeni, hogyan tudunk bizalmat építeni a társadalomban a mesterségesintelligencia-alkalmazások iránt, hogyan tudjuk azt bebizonyítani és közérthetően elmondani, hogy ez a mi életünk jobbítását célozza. A törvényeket író jogalkotó is ezen gondolkodik, hogy hogyan definiálja a mesterséges intelligenciát, mert a mesterséges intelligenciának más volt a fogalma húsz évvel ezelőtt, de még tíz évvel ezelőtt is, és ezért az EU azt mondta, hogy ő igazándiból a társadalmi hatás szempontjából, illetve megközelítés szempontjából szeretné a mesterséges intelligenciát egyfajta horizontális definícióval illetni, egyrészt minden, ami gépi tanuláson alapszik és autonóm, azt mondta, a másik irányból pedig azt mondja, hogy még a létrehozás előtt szeretné, hogyha bizonyos feltételeknek megfelelne a mesterséges intelligencia.

Keretezi?

Keretezi gyakorlatilag. Amikor bemegyünk egy barkácsüzletbe fúrógépet venni, akkor én megbízok abban a fúrógépben, hogy nem fog megütni az áram, hogy megfelelő szigetelés azért, mert a szabályokat megalkottuk, hogy mi az előfeltétele annak, hogy forgalomba helyezhető legyen egy fúrógép. Ugyanígy lesz, hogy egy mesterségesintelligencia-alkalmazásnál is szabályokat hozok, hogy mi az, ami után őt forgalomba lehet hozni. Az EU-nak nagyjából ez a megközelítése most, hogy egy ilyen termékmegfelelőségi checklistán kell végigmenni, mielőtt az a mesterségesintelligencia-alkalmazás piacképes lehet. A nagy kérdés az lesz, hogy ezt hogyan tudom végrehajtatni, hogy milyen fogyasztóvédelem lesz, amely képes lesz ezt folyamatosan monitorozni. De az EU azt is szeretné meghatározni, hogy ne fekete doboz legyen, azt, hogy naplózzuk a mesterséges intelligencia tevékenységét, hogy ha valami probléma adódna, akkor vissza tudjam keresni. Eleve meghatározza, mi az, amit egyáltalán nem lehet kereskedelmi forgalomba hozni. Utána definiálja a magas kockázati besorolású mesterséges intelligenciát. Ilyen az egészségügyben van, a szállítmányozásban, a járműiparban. És definiálja a normális mesterséges intelligenciát, ahol csak figyelmeztetnem kell a felhasználót, hogy most ő egy robottal vagy egy algoritmussal beszél, és nem egy valós emberrel. Kategóriákat hozunk létre és szabályokat alkotunk, hogy hogyan készülhetnek ezek az alkalmazások.

Mit tud kezdeni az Európai Unió, ha bármilyen jól is megalkotja a szabályokat, amikor nincs saját európai internet, az eszközöket nem itt gyártjuk, a chipet nem itt gyártjuk, a mesterséges intelligenciát ma még túlnyomórészt nem itt fejlesztjük?

Az Európai Unió azt mondja, hogy csak olyan alkalmazásokat engedhet forgalomba, amelyek megfelelnek a kritériumoknak. De mivel sehol a világban nem tudtak ennél jobb meghatározást adni, most hirtelen azt vettük észre, hogy a tengerentúl is és Ázsia is valami hasonló megközelítésben szeretné szabályozni azokat az alkalmazásokat, azokat a modelleket, amelyeket piacra fognak vinni.

Osztja Ázsia is meg Amerika is azt a nézetet, hogy az állampolgárok jólétének érdekében meg a gazdaság fejlődésének érdekében kell ezeket fejleszteni?

Alapvetően a demokratikus berendezkedésű országoknak alapérdekük, hogy egy kiegyensúlyozott, fékek és ellensúlyok rendszere alapján épüljenek ezek az alkalmazások, mert igazándiból csak ez fogja az emberek jólétét szolgálni. Ezek nagyon súlyos etikai kérdések, és ezen nagyon sokat fogunk gondolkodni, hiszen elképesztő dolgokat kell eldöntenünk. A szoftverre nem bízhatok rá egy döntést, ő nem dönthet életről vagy halálról, illetve dönthet, de akkor meg kell tudnom mondani, hogy mi alapján.

Amikor egy autonóm jármű szoftvere visz engem az úton, akkor előbb-utóbb előállhat olyan helyzet, amikor gyorsabb, mint én, és ő dönt életről-halálról, akkor kié a felelősség?

Ilyen kérdéseket is meg kell válaszolni, és utána a programozó annak szellemében fogja a modellt föltanítani, de valakinek meg kell tudni mondani, hogy egy ilyen nehéz helyzetben, amikor betonfal vagy buszmegálló, hogy döntsön az autó.

Századmásodperc alatt.

Századmásodperc alatt, igen.

És a végén valakit el fognak számoltatni, hogy hogy programozta ezt be.

Így van, pontosan, és ha ő a megfelelőségével és az ő tiszta tudatával úgy állította be, ami megfelel a szabályoknak, akkor ő ezért nem vonható felelősségre annak ellenére, hogy nagyon sok olyan dolog lehet, ami mindig újabb és újabb problémákra világít majd rá, amelyen keresztül folyamatosan fejlődni fogunk. Ez egy nagyon nagy egyensúlyozási kérdés, mert ha nincsenek adatok, amiből én tanítom a rendszert, mert mindent elzárok tőle, akkor az innovációt fogom meggátolni, akkor viszont lesznek olyan térségei a Földnek, ahol gyorsabban tudnak fejleszteni. Ha Európa túl sokat gondolkodik ezeken a kérdéseket, akkor pedig lehet, hogy lelassul az innováció. De én azt hiszem, hogy az EU jó útvonalon van, itt csak az egy nagy kérdés, hogy a szabályozási ütem hogyan tud esetleg fölpörögni, hiszen 2021 áprilisában már kijött ez az úgynevezett AI Act vagy mesterségesintelligencia-keretszabályozás, de igazándiból még nincs végleges szövege. Valamikor a harmadik negyedévre várjuk, és utána két évvel lép majd hatályba.

Magyarországnak is van mesterségesintelligencia-stratégiája, amibe bele is van írva, hogy ezt folyamatosan felül kell vizsgálni, mert maga a terep iszonyú gyorsan változik. Most hol tart a megvalósítás?

2018 végén hoztuk létre a koalíciót ,és 2020 szeptemberében jelentettük be Magyarország mesterségesintelligencia-stratégiáját. Abban meghatároztuk azokat az azonnali intézkedéseket, amelyek segítségével az MI adaptációját magasabb sebességi fokozatba tudnánk kapcsolni Magyarországon. Hogy mi szükséges ehhez? Fontos, hogy legyenek olyan intézmények, amelyek lehetővé teszik, hogy a technológiát kutassuk, fejlesszük, hogy adatok álljanak rendelkezésre, mert ha sok adat van, akkor sok kutatás-fejlesztési projektet tudok indítani. Ha sok kutatás-fejlesztési projektet indítok, akkor sok alkalmazás születhet belőle. Ez az értékláncolat nagyon fontos. Ezek a belső feltételei a mesterséges intelligencia intézményrendszerének, illetve annak, hogy ez az értékláncolat beinduljon.

Honnan van adat? Ki kezeli az adatot? Aki kezeli, az a tulajdonosa is? Mennyi ez az adat egyáltalán?

Amikor az értékláncolat elemeit meghatároztuk, akkor azt mondtuk, hogy hozzunk létre egy adatvagyon-ügynökséget meg egy adatgazdasági tudásközpontot. A tudásközpont segíti a felhasználói eseteket, ezek alapján világít rá szabályozási hiányosságokra vagy adathozzáféréssel kapcsolatos változtatási igényekre. A felhasználói esetekből próbálja lemodellezni, hogy a szabályozási környezetet milyen módon érdemes változtatni. Hozzunk létre adatvagyon-ügynökséget, amely a közadatokat nem tulajdonolni fogja, egyfajta kataszterként, egyfajta nyilvántartóként rá tud mutatni, hogy ki az adatgazda és hozzá lehet fordulni ilyen és ilyen feltételekkel, illetve nála ilyen és ilyen típusú adatokat lehet megszerezni. És van a mesterséges intelligencia nemzeti laboratórium, illetve az autonóm rendszerek nemzeti laboratóriuma, amelyek pedig egy konzorciális együttműködés kutatóintézetek és egyetemek között, és meghatározott témákban – agrár, egészségügyi, autonóm közlekedés – különböző kutatási projekteket visznek.

Az adatvagyonnak van valami kritikus tömege, ami ha megvan, akkor nagyobb fokozatba tud kapcsolni minden fejlesztés?

Gyakorlatilag minden mozdulatunkkal adatokat generálunk. Amikor felszállunk egy buszra vagy bemegyünk a munkahelyünkre vagy valamit letöltünk, valamilyen közszolgáltatást igénybe veszünk, ezzel adatot generálunk, és ha ezekből az adatokból kitűzünk egy távlati célt, egy vízközmű kitűz egy távlati célt, például azt mondja, hogy én meg akarom szüntetni a vízszivárgásokat, hamarabb meg akarom érteni, hogy hol van csőtörés, akkor szenzorokat helyezek el a rendszerben és ezeket az adatokat folyamatosan mérem, földolgozom, és nagy valószínűséggel meg tudom határozni azt, hogy hol lehet elszivárgás a rendszerben.

Egy társasháznak egy év után nem kell másfél millió forintot kifizetnie az elfolyt vízért, és így meg lehet magyarázni, hogy ez az értelme?

Így van, és ez a szolgáltató állam, amikor azt mondja, hogy van egy vízfogyasztási szokásod, kedves társasház, de én azt vettem észre, hogy az elmúlt három-négy napban te eltértél attól. És akkor lehet, hogy csak rákérdez a közös képviselőnél vagy a háztulajdonosnál, hogy biztos, hogy minden rendben van? Nem hagyta valamelyik lakó nyitva? Vagy nincs ott valamilyen probléma, nem nézitek meg? Már vannak olyan országok, ahol ez élesben így működik. Minél több adatom van, annál több értékes, a felhasználók számára értéket teremtő alkalmazást tudok fejleszteni. Ezért kulcskérdés. A nagy kérdés az, hogy ezek perszonalizált adatok, vagy megpróbálom deperszonalizálni, anonimizálni őket és ez alapján tanítani fel a modellekben, mert ez is lehetőség.

Én jobban szeretném, hogyha anonimizált lenne, nem szeretném, ha a szolgáltató látná, hogy én minden este mennyi vízben fürdök. Ha ki van fizetve, akkor magánügyem.

Így van. Ez alapvetően a szabályozásnak is egy nagyon sarkalatos pontja, hogy bizony, ezeket az adatkészleteket deperszonalizáljam, tehát vagy anonimizálom, vagy úgymond álnevesítem, ez a két technológia van.

Hogy ne lehessen visszafejteni, hogy az az enyém?

Így van, ez nagyon fontos. És kellenek olyan megbízható, úgynevezett trusted központok, amelyekhez oda lehet fordulni, ezek deperszonalizált, valós életből vett adatok, amin keresztül én tudom tanítani a modellemet.

A személyes, ember által végzett adatszolgáltatást ki lehet venni a rendszerből? Mert ha egy gép méri a vízfogyasztást, az annyi, amennyit mér, de ha ember adja az adatot kézzel, akkor abban már lehet eltérési szándék.

Lehet benne eltérési szándék, de ha elég sok helyről veszek mintát a rendszeremből, nagyon sok szenzor van, ami adatot továbbít, akkor egész jól le tudom szakaszolni azokat a részeket a hálózatból, ahol valamilyen kiugró érték jelenik meg, és tudom, hogy ott akkor nekem be kell avatkoznom, mert ott valami nem úgy megy, mint ahogy eddig volt. Ez a mintázat alapú tanulás, hogy van egy adatkészletem, vannak múltbeli események, amelyek alapján én valószínűségeket tudok megbecsülni a jövő vonatkozásában.

Van egy nagy társasház, minden ablakában ég a lámpa, de a középső lakásból sosincs számla, akkor valami nem stimmel?

Akkor valami nem stimmel.

Ezt a rendszer látja és megnézi, hogy mi történt? Lehet, hogy ki van kötve a vezeték?

Igen. És az még nagyon érdekes, hogy elképesztően sok technológia fejlődik egymással párhuzamosan, a sok elektronikus eszköz mind adatot generál, éppen ezért kulcskérdés a fenntarthatóság kérdése is, hogyan tudom azt biztosítani, hogy ez a hihetetlen adatbőség ne menjen a fenntarthatóság rovására. Olyan hálózatokra van szükség, amelyek egyre kevesebb energiát vesznek föl, olyan szenzorokra van szükség, amelyeknek nincs akkumulátoruk, hanem a környezetükből veszi kaz energiát.

Mi lesz, ha egyszer elmegy az áram?

Akkor minden megáll.

Úgy kell tartalékolni, hogy mindig legyen feszültség?

Ez egy abszolút kulcskérdés. Van egy olyan technológiai tendencia, éppen a hipergyors mobilhálózatoknak köszönhetően, hogy kvázi buta tárgyakat tudok fölokosítani. Nekem egy modem kell, ami adatot gyűjt és adatot továbbít innen és egy kijelző, és a kijelző gyakorlatilag egy olyan hatást ébreszt bennem, minthogyha a számítás itt történt volna előttem, holott a felhőben megy végig a számolás. Csak legyen a biztos kapcsolat, és ez is egy teljesen új lehetőségeknek a sorát fogja megnyitni.

Amikor a mesterséges intelligenciáról beszélünk, akkor előbb-utóbb eljutunk az automatizálási folyamatokig és hogy kinek nem lesz munkája. Kinek a munkája fog előbb elveszni? A stratégia három hullámot jelöl meg, mikor, milyen munkavállalói meg életkorcsoportokat fog elérni ez a fejlődés. Kit először?

Az első körben jön az algoritmizálási hullám, amikor is minden olyan munkakör, ami az adatfeldolgozásra épül, legyen az pénzügyi vagy IT munkakör, egy jó részét az összes munkavállalói tevékenységnek elvisil. Utána jön a 2030-as évekhez közeledve a támogató hullám, amikor a szolgáltatási típusú munkahelyeket fogja átalakítani a mesterséges intelligencia, és a harmadik fázis, ez az autonóm hullám, amikor automatizálni tudok egy sor gyártási tevékenységet, és az akár a munkavállalók 20-25 százalékát is érintheti. A modellezésünk alapján a 2030-as évek közepére a jelenlegi 4,3‒4,4 millió munkahelyből Magyarországon,900 ezer lesz érintett.

Ez a 900 ezer munkahely elvész?

El.

Vagy ezeknek a munkahelyeknek a nagy része átképezhető?

Így van. Ez a legfontosabb cél a stratégiában is, hogy felkészítsük a társadalmat erre a változásra, mert elementáris erővel fog hatni gazdaságilag ránk, és ha ennek tudatában vagyunk, hogy ez ilyen és ilyen ütemezésben itt és itt fog jönni, akkor erre egy cselekvési tervet lehet kidolgozni. Ebben a stratégiában egy ilyen cselekvési tervet állítottunk össze, programokat definiáltunk, és ha ezeket szisztematikusan végrehajtjuk, akkor egy jövőt álló munkaerőpiacnak lehetünk tanúi a következő években is. Elkezdtük megvalósítani, ez folyamatban van és ennek megfelelően abban bízunk, hogy jó irányba fejlődünk.

A stratégia 2030-ig szól. Van idő arra, hogy az iskolákban elkezdjék a nálam valószínűleg fogékonyabb korosztály felkészítését, hogy ők nem ilyen típusú munkákat fognak végezni nagy valószínűséggel?

Szépen bele fogunk nőni ebbe az új világba.

Mert nem lesz más választásunk?

Mert nem lesz más választásunk, és ha belegondolunk, amikor az elektromosságot feltalálták, akkor senki sem gondolta, hogy lesznek kenyérpirító gépek vagy televízió vagy elektromotorok. Senki sem tudta azt, hogy hogyan lehet az elektromosságot elszállítani A-ból B-be, hogy hogyan tudjuk ezt biztonságosan tenni, hogyan tudjuk ezt hozzáférhetővé tenni mindenki számára. Megalkottuk hozzá a szabályokat. Ugyanilyen a robbanómotor. Szabványosítani kellett a benzint, hogy a világ összes pontján benzin legyen, hogy utak legyenek, gumiabroncs legyen az autón. Amikor ezt föltalálták, akkor nem tudta senki, hogy mekkora iparágak nőttek ki annak nyomán, hogy volt egy ilyen találmány. Ugyanígy, ha belegondolunk a mostani időszakba, néhány évvel ezelőtt a kedvenc együttesünknek a zeneszámait CD-ken, DVD-ken keresztül hallgattuk.

Most meg ingyen.

Egy szemvillantás alatt alakult át az iparág. Az elején mindenki letöltögette MP3-ba és nem fizetett érte, de a szórakoztatási ipar megtalálta azokat az üzleti modelleket, amelyen keresztül túlélt. Volt egy átmeneti időszak, amikor kaotikusnak tűnt minden és nem lehetett tudni, hogy ki, miből, hogyan fog pénzt csinálni és hogy hogyan fogom megőrizni a szellemi tulajdonjogokat, de megtaláltuk rá a megfelelő válaszokat, és ma a zeneipar és a köré épülő ökoszisztéma sokkal nagyobb pénzt tud megmozgatni, mint akkor, amikor még csak CD vagy DVD volt, hiszen egy sor teljesen új munkakör keletkezett, akik kommentálnak, akik blogolnak, akiket követnek, akik ezen keresztül bevételre tesznek szert. Ugyanígy lesz most is, hogy el fognak tűnni bizonyos munkahelyek vagy ebben a formában megszűnnek, de újakat fogunk teremteni. Ez kell hogy legyen az emberiség célja, hogy megtalálja azokat a módszereket, hogy ezt hogyan fogjuk tudni elérni.

Mi lesz a nyelvünkkel? Nem a miénk a legnagyobb a Földön, bár nagyon szép, nem mi fejlesztjük a platformokat meg a programokat sem, hogy marad meg a magyar nyelv meg a magyar tartalmak?

Azt láthatjuk már, hogy például a chatGPT is tud magyarul, tehát ez gyakorlatilag a világörökség része, de Magyarországon is van a Nyelvtudományi Központ, a Digitális Örökség Nemzeti Laboratórium például, ahol kutatók azon dolgozzanak, hogy a magyar nyelv fennmaradjon és a magyar nyelv a digitális korban is megőrizze a szépségét, hogy a jövőben is használják ezt azok, akik magyarnak vallják magukat, illetve az a kultúra, amit mi az elmúlt 1100 évben felhalmoztunk, továbbadódjon. Magyarországnak erről gondoskodnia kell, hogy olyan nyelvi korpuszokat építsünk, amelyekből tudjuk tanítani a mesterséges intelligencia nyelvi modelljeit.

Ha nagyon átalakul a világ a mesterséges intelligencia hatására, akkor az hatással lesz, a város meg a falu közötti különbségre?

Ez egy nagyon érdekes kérdés, mert van egy olyan tudatos réteg, amely szeretné magát kizárni ezekből a folyamatokból. Ő szívesen inkább elmenne, saját magának termelne, vidéken megvan a maga kis közege, ennek ellenére a beáramlás a városokba folyamatos, és sokan azt mondják, 2050-re már a világ lakosságának 75 százaléka városokban fog élni. Tehát mégis a közösséghez tartozás, adott esetben a kultúrafogyasztás, a szolgáltatások rendelkezésre állása, mégis vonzza a városokba a vidéki lakosságot.

Digitális nomádok nem fognak elterjedni? Ismerek olyat, aki a Pilisből tőzsdézik, mert egy számítógépvonal kell hozzá. Ez nem lesz?

Ez egy létező forgatókönyv, de arányaiban a városokba való beáramlás még mindig nagyobb, mint ahányan kifelé költöznének a városokból. Egyébként a technológia ezt valóban elősegítheti vagy legalábbis lassíthatja, például a holografikus hívás akkor, amit korábban csak sci-fiben láttunk, ma már rövidesen használni fogják különböző szolgáltatóknál. Egy mélységi kamera kell hozzá és egy nagyon reszponzív hálózat, és onnantól kezdve úgy érzékelem, minthogyha ő itt ülne velem szemben. Ezek a technológiák is erősödni fognak, ezek is azt fogják elősegíteni, hogy minél kényelmesebben tudjunk egymással kapcsolatot teremteni, minél jobban élhessünk.

Vizsgálja azt valaki, ha, mondjuk, a holografikus technológiával kívánok találkozni a barátaimmal, akkor ez milyen hatással lesz az életemre?

Ez is egy nagyon érdekes és abszolút jogos felvetés. Viszont olvastam egy olyan kutatást, hogy a közösségi média megjelenésével mégis sokkal több információm van a barátaimról, mint, mondjuk, annak az embernek, aki ezt korábban nem használta. Tudom, hogy mi történik a középiskolai osztálytársaimmal. Húsz évvel ezelőtt nem biztos, hogy tudta az akkori negyvenéves, hogy pontosan hova is szóródtak szét a középiskolai osztálytársai.

Csak másfajta tudásunk volt rólunk, mert ha találkoztunk, akkor több mindenről szó esett, itt pedig csak azt tudom, amit ő megoszt. Tehát egy nagyon egyirányú, egyszínű tudást kapok általában.

Igen, ez vitathatatlanul így van. Az egy nagy kérdés még, hogy hogyan konvertáljuk át ezeket a kapcsolatokat az offline világba, hiszen egy sor dolgot meg tudunk beszélni telefonon is, telefonon keresztül vagy valamilyen felületen keresztül, utána pedig fizikailag is találkozunk. Egy sor olyan dolog van, amelyet az emberiségnek saját magának kell szabályok formájában vagy valamilyen közös egyetértés, etikai kódex alapján létrehoznia, szabályozni, kitalálni, hogy hogyan épüljön föl.

De disznóvágást online nagyon nehéz csinálni, ahhoz oda kell menni.

Igen.