(Kiemelt kép: Unsplash+)
Amikor 2022 áprilisában először láttuk a DALL-E 2-t, sokak számára olyan volt, mint egy reveláció, tudtuk, hogy valami nagy dolog fog történni. Elkezdtünk „játszani” a GPT-3-mal és néhány akkori MI-író eszközzel. Aztán augusztusban megjelent a Stable Diffusion nyílt forráskódú képmodell, és hirtelen mindenhol robbanásszerűen megjelentek a képi eszközök. 2022 decemberére a Lensa AI nevű mobil fotóalkalmazás, mely a Stable Diffusiont használta, egyetlen hónap alatt közel 20 millió letöltést regisztrált a felhasználók körében világszerte. 2022 a ChatGPT nyilvános megjelenésével tetőzött, mely a technológia mainstreambe való betörését jelentette, és néhány hónap alatt 100 millió felhasználót ért el. A ChatGPT sikere, mely más iparágak mellett az oktatást is felforgatta, katalizátora lett a mesterséges intelligencia innovációjának. Hirtelen mindenki a generatív mesterséges intelligenciával kísérletezett, és szinte naponta jelentek meg új eszközök. Hogy csak néhányat említsünk: nagy nyelvi modellek (GPT-4, PaLM2, Claude, LLaMA, stb.), LLM stratégiák, újítások a kép-, videó- és kódmodellek terén, valamint az AutoGPT-kkel és MI-ügynökökkel való kísérletezés új paradigmái. Valószínűleg egy könyvet tudnánk írni a ChatGPT megjelenése óta történt rengeteg újításról, de ha egyetlen szóba kellene sűríteni, akkor az a következő lenne: felfedezés.
A közelmúltban megjelent cikkek, mint a Sequoia és Ethan Mollick cikke, valamint mások is azt sugallják, hogy a változás szele fúj, és hogy a generatív MI történetének második felvonásában vagyunk már. Mi is észrevettük ezt a változást. A generatív MI érlelődik, és van egyfajta kötegelő hatása. A második felvonást a következő címmel határozhatnánk meg: integráció. És azzal, hogy új fázisként emlegetjük, nem azt sugalljuk, hogy a felfedezésnek vége, távolról sem. Az elkövetkező években még elképesztő mértékű innovációt fogunk látni. A Gen MI idővonala nem arról szól, hogy egy időszak véget ér, és egy új kezdődik, inkább olyan, mint a fázisok egymásba ágyazott szintje. Közeledünk az integráció korához, miközben még mindig az innováció korát öleljük fel.
Az integráció kora
Az integráció kora az első évben beindult mesterséges intelligencia fegyverkezési versenyével kezdődött. A nagy technológiai cégek partnerségek kialakítására törekedtek, hogy biztosítsák dominanciájukat és egy sávot a versenyben. Ilyen volt a Microsoft + OpenAI, az Amazon + Anthropic és a Google + Nvidia. És mivel a Generatív MI egy funkció, egy „szupererő”, és nem egy konkrét alkalmazás vagy szoftver, az inkumbens tech cégeknek tökéletes stratégiájuk van arra, hogy biztosítsák a helyüket: a generatív mesterséges intelligenciát mindenbe beépítik. A stratégia egyszerű. A mesterséges intelligencia legjavát ágyazzuk be azokba az eszközökbe és termékekbe, melyeket a fogyasztók és a vállalatok már használnak. Ha tehát a mesterséges intelligencia segítségével akarunk írni, nincs szükségünk egy új MI-íróalkalmazásra, mert ez már benne van az MS Wordben. A Microsoft terve az, hogy az MI-t mindenbe beágyazza, a 365 Office eszközcsomagjukba, a Bing keresőmotorjukba, a webalapú alkalmazásaikba és az Xbox játékkonzoljukba, és ami a legfontosabb a Windows operációs rendszerükbe.
A Google terve ugyanez. A Google keresést az egyre nagyobb teljesítményű LLM-jeik (PaLM és a hamarosan megjelenő Genesis), az üzleti Google Workspace és az MI fogja működtetni az összes mobilalkalmazást, beleértve az e-kereskedelmet, a navigációt és a képrögzítést. A képek és grafikák esetében, míg a Midjourney és a Stable Diffusion uralta a felfedezés korszakát, az Adobe most felzárkózott a Firefly v2-vel, és a Gen MI funkciók lenyűgöző választékát csomagolja minden alkalmazásába és kreatív eszközkészletébe. Az Amazon mint felhőszolgáltató mostantól LLM-szolgáltató is, és a Bedrockkal egy „modell-mint-szolgáltatás” megközelítéssel kínálja ezt. A Meta továbbra is új, magával ragadó technológiákat fog építeni, és továbbfejleszti az MI által támogatott közösségi alkalmazásélményeiket, és még nem is láttuk, mit fog tenni az Apple, ha egyszer belép a játékba. Az AppleGPT valószínűleg „egy MI személyi asszisztens” lesz, és minden más chatbotot felülír, beleértve a ChatGPT-t is. Miért? mert az Apple ökoszisztémájába (iPhone-ok, számítógépek és eszközök) lesz beépítve. Az integráció kora azt jelenti, hogy a generatív MI úgy költözik be a szoftveres térbe, mint az elektromos áram az otthonba. A rendszer részévé válik, a felhasználói élmények részévé, melyekben már most is részt veszünk.
Kihívás a startupok számára
Miközben továbbra is látni fogjuk a startupok elképesztő innovációit a Discord-csatornákban, a „Github-repókban” és a közösségi médiában, a kisvállalkozások számára egyre nehezebb lesz hosszú távon játszani a Generatív MI-val. Legalábbis be kell majd fizetniük az adót, mert a Big Tech birtokolja az LLM-eket, övék a vasút és az elektromos hálózatok. Félreértés ne essék, ez az oka annak, hogy a legtöbb nagy technológiai vállalat (nem a Meta) a nyílt forráskódú LLM-ek ellen harcol. Ne higgyenek a biztonsági aggályok hazugságának. Ezért fontos, hogy a nyílt forráskód továbbra is a generatív mesterséges intelligencia élénk aspektusává váljon. Az innováció megköveteli, hogy a vállalatok kísérletezzenek és újítsanak a szabadalmaztatott LLM vállalatok által előírt korlátozások nélkül.
Az együttműködés ösztönzi a tesreszabást
Ahogy a generatív MI a következő felvonásába lép, a rendszerek és a vállalatok között fokozódni fog az együttműködés, hogy a különböző ipari és kereskedelmi alkalmazásokhoz testre szabott megoldásokba csomagolt MI-képességeket kínáljanak. Hogyan néz ez ki? A „multimodális élmények” fokozottabb használatával valószínűleg olyan cégeket fogunk látni, melyek egy-egy „résre” specializálódva más cégekkel fognak együttműködni. Egy friss példa erre a Canva + Runway esete. Az olyan LLM-vállalatok, mint az Anthropic vagy az OpenAI magas minőségű tartalmat keresnek majd a képzéshez. Keressik a tartalomgyártó cégeket, melyek licenceket adnak ki vagy partneri kapcsolatot alakítanak ki modellcégekkel. Egy friss példa erre az AP, amely tartalmat licencel az OpenAI számára. Ahogy az eszközök kezdenek intelligenssé válni a mesterséges intelligenciával, az LLM-ek várhatóan elkezdenek csatlakozni az eszközökhöz. Egy friss példa erre az autonóm vezetés, amely LLM-eket használ vizuális irányításra. Az olyan vállalatok, mint a Pika Labs vagy a Midjourney API-k segítségével szolgáltatási integrációkat fognak biztosítani a nagyobb vállalatok számára. A közelmúltban a Google például az Adobe Firefly-ját építette be a képgeneráláshoz.
A szöveg alapú generatív MI fejlődése
Az egyik terület, ahol valószínűleg jelentős ugrást fogunk látni, a szövegalapú generatív mesterséges intelligencia következő generációja. A jelenlegi modellek számos feladatra, például kutatásra, első vázlatok készítésére és a tervezésben való segítségnyújtásra bizonyultak hatékonynak. A küszöbön álló mesterséges intelligencia-modellek azonban túlmutatnak majd elődeik képességein. Olyan tényezőket, mint a pszichológia és az emberi kreatív folyamat, mélyebben meg fognak érteni, lehetővé téve számukra, hogy olyan írott tartalmat állítsanak elő, mely nemcsak technikailag megalapozott, hanem mélyen magával ragadó, inspiráló és érzelmileg rezonáló is.
Vizuális mesterséges intelligencia
A vizuális mesterséges intelligencia területén figyelemre méltó előrelépések történtek a kép- és videógenerálás terén. A lehetőségek óriásiak, és a jövőbeli mesterséges intelligencia valószínűleg képes lesz gyakorlatilag bármiről képeket és videókat készíteni. Ez azonban kétélű kardot rejt magában. A mélyhamisítások és a dezinformáció terjedése jelentős etikai aggályokat vetett fel. A vizuális mesterséges intelligencia fejlődésével egyre nagyobb szükség van felügyeletre, elszámoltathatóságra és etikai megfontolásokra annak biztosítása érdekében, hogy ezt a technológiát felelősségteljesen fejlesszék és használják.
Generatív MI a metaverzumban
A generatív mesterséges intelligencia a metaverzum koncepcióját is gyökeresen átalakítja, mely egy olyan magával ragadó, virtuális valóság tér, ahol a felhasználók valós időben léphetnek kapcsolatba egymással és a környezettel. Ez a technológia felgyorsítja az összetett 3D-s környezetek és élethű avatárok tervezését és fejlesztését, átformálva digitális interakcióinkat és élményeinket. A metaverzum a kreativitás és az innováció olvasztótégelyének ígérkezik, ami nagyrészt a generatív mesterséges intelligencia exponenciális növekedésének köszönhető.
Virtuális és kibővített valóságok
A generatív mesterséges intelligenciának a valósághű képek, hangok és környezetek létrehozására való képessége jelentős szerepet játszhat a virtuális és kiterjesztett valóság (VR/AR) fejlesztésében. Ahogy ezek a technológiák egyre elterjedtebbé válnak, a generatív mesterséges intelligencia felhasználható lesz magával ragadó, interaktív virtuális világok létrehozására. Képzeljünk el például egy olyan VR-játékot, amelyben a környezet és a történet a játékos cselekedeteire reagálva alkalmazkodik és fejlődik, mindezt valós időben, mesterséges intelligencia által generálva.
Forradalom a hang és zene területén
A hang, a zene és a hang terén az MI-modellek már most is figyelemre méltó teljesítményt nyújtanak. Lenyűgözően nagyfokú hűséggel generálnak zenét és utánozzák az emberi hangokat. A jövőbeni fejlesztések valós idejű, adaptív hangsávokhoz, jelentősen továbbfejlesztett hangszintézishez és innovatív kompozíciókhoz vezethetnek. Ezek a fejlesztések arra inspirálják majd a zenészeket, podcastelőket és művészeket, hogy új, úttörő módon közelítsék meg kreatív folyamataikat.
Generatív tervezés és játék
A generatív tervezés egy másik olyan terület, amely forradalmasítja a termékalkotás megközelítését. A mesterséges intelligencia eszközei ma már képesek arra, hogy minden eddiginél hatékonyabban segítsék a tervezőket és mérnököket komplex tárgyak és rendszerek létrehozásában. A videojátékok területén a generatív mesterséges intelligencia olyan magával ragadó és valósághű élményeket hozhat létre, amelyek valós időben reagálnak a játékosok interakcióira, csökkentve ezzel a forgatókönyvek és kihívások szükségességét.
Személyre szabott mesterséges intelligencia
Ahogy a generatív MI fejlődik, valószínűleg egyre személyre szabottabbá válik. Jelenleg a modelleket általában nagy adathalmazokon képzik ki, ami egy mindenki számára megfelelő megközelítéshez vezet. Lassan azonban olyan MI-modellek megjelenését látjuk, melyek képesek alkalmazkodni az egyes felhasználókhoz. A jövőben a generatív mesterséges intelligencia nem csupán tartalmat generálhat, hanem kifejezetten személyre szabott kimeneteket hozhat létre, amelyek megfelelnek az egyes felhasználók ízlésének, preferenciáinak és igényeinek. Ez tovább forradalmasíthatja az olyan területeket, mint a személyre szabott marketing, az e-kereskedelem és a szórakoztatás.
Az MI decentralizációja
A mesterséges intelligencia fejlesztése hagyományosan a nagy technológiai vállalatok és kutatóintézetek kezében összpontosul. A felhőalapú számítástechnika és a nyílt forráskódú MI-keretrendszerek fejlődésével azonban decentralizációs tendencia figyelhető meg. Ez lehetővé teszi a kisebb vállalkozások, sőt magánszemélyek számára is, hogy saját MI-modelleket képezzenek és hajtsanak végre. A jövőre nézve ez a generatív mesterséges intelligencia kreatív alkalmazásainak robbanásszerű növekedéséhez vezethet, mivel egyre több ember jut hozzá ezekhez az eszközökhöz.
Az ember és a mesterséges intelligencia együttműködése
A mesterséges intelligencia körüli narratíva gyakran a mesterséges intelligencia és az ember közötti küzdelemről szól: egy zéróösszegű játékról, ahol az egyik nyeresége a másik vesztesége. A generatív mesterséges intelligencia közeljövője azonban valószínűleg inkább az együttműködésről, mint a versengésről fog szólni. Az MI kiválóan kezeli a nagy mennyiségű adatot és a megtanult minták alapján generál kimeneteket, míg az ember kreativitást, kontextusértést és etikai ítélőképességet biztosít: képességeket, amelyeket az MI ma még messze nem tud megismételni. Ezen egymást kiegészítő erősségek kombinálásával a vállalkozások új innovációs és termelékenységi lehetőségeket szabadíthatnak fel.
Területeken átívelő generatív MI
A generatív mesterséges intelligenciát hagyományosan egy adott területen belül képezték ki, legyen az szövegírás, képalkotás vagy zeneszerzés. Egyre nagyobb az érdeklődés azonban a több területet átfogó generatív mesterséges intelligencia iránt – olyan modellek iránt, amelyek több területen is képesek kimenetet generálni. Ez a fejlődés sokoldalúbb MI-alkalmazásokhoz vezethet, amelyek a kreatív feladatok szélesebb körére képesek. A jövőbe tekintve a generatív mesterséges intelligencia pályája bizonytalan lehet, de kétségtelenül hatalmas lehetőségeket rejt magában az innovációra és alkalmazkodásra hajlandó vállalkozások számára.
Etikai megfontolások
Mindezen izgalmak és várakozások közepette azonban nem szabad szem elől tévesztenünk a generatív mesterséges intelligenciával kapcsolatos etikai megfontolásokat. A plágiummal, a szerzői jogok megsértésével, a mély hamisításokkal, valamint a márkák és identitások eltulajdonításával kapcsolatos kérdésekkel proaktívan kell foglalkoznunk. Most a kreatív eszközök generálásakor szembesülünk a „forrás nélkül be, forrás nélkül ki” problémával. Ha megjósolhatnánk, hogyan nézhet ki a „harmadik felvonás”, azt mondanánk, hogy a mesterséges intelligencia egyre nagyobb jelenlétét fogjuk látni a fizikai világban. Míg az integráció kora nagyrészt az MI + szoftver konvergenciája, addig a generatív MI eljövendő kora az MI + fizika + biológia konvergenciája lesz. A harmadik felvonás a dolgok internetének (IoT) az AIoT (AI of Things) és a szintetikus biológia folyamatos megjelenése révén történő összefonódása lenne. Erre még nincs szavunk, ezért nevezzük bátran „BioSpatial” korszaknak. Elképzelhető, hogy egy jobb szó is ki fog kialakulni majd rá. A generatív mesterséges intelligencia a második felvonásába lépett, melyet a különböző rendszerek és vállalati együttműködések konvergenciája jellemez, hogy testre szabott mesterséges intelligencia képességeket nyújtsanak különböző iparágak különböző alkalmazásaihoz. Bár óvatos techno-optimistaként, jól tudjuk, hogy a fejlődés számos kihívással jár majd. Ahogy a generatív mesterséges intelligencia egyre jobban beépül az eszközeinkbe és az életünkbe, az etikus mesterséges intelligenciával, az adatvédelemmel és a biztonsággal kapcsolatos jogos aggodalmak is előtérbe kerülnek.
A vezető döntéshozók számára a cselekvésre való felhívás egyértelmű. Meg kell ragadnunk a generatív mesterséges intelligenciában rejlő átalakító potenciált, ugyanakkor biztosítanunk kell, hogy az etikus felhasználás és az elszámoltathatóság szilárd keretei legyenek érvényben. A generatív mesterséges intelligencia jövője nem csupán a technológiai fejlődésről szól, hanem egy olyan digitális világ megteremtéséről, amely innovatív, hatékony és mindenekelőtt igazságos és méltányos. Korunk egyik legnagyobb kihívása és lehetősége az lesz, hogy a mesterséges intelligencia erejét egyensúlyba hozzuk az etikával és az elszámoltathatósággal. Egy új digitális határvonal küszöbén állunk, és közös jövőnket az fogja meghatározni, hogy miként navigálunk benne.
