Képek: Meta
A közösségi média tökéletes és természetes terep mesterséges intelligencia (MI) által generált szövegek, képek, zenék, bármilyen formátumú anyagok sikeréhez. Az MI segíthet a poszthoz alkalmas nyelvezet kidolgozásában, a képek pedig mindenféle illúzióba ringathatják a befogadót, szinte bármit elhitethetnek a posztolóról.
A hajdani Facebook, Mark Zuckerberg az évtized eleji metaverzum-lázban Metává átnevezett nagyvállalata termékei a legnépszerűbbek, mobil appjait milliárdok használják, rajtuk keresztül több mint négymilliárd személy férhet hozzá a tömegmédia szeszélyeire kialakított, ahhoz fejlesztett, finomhangolt mesterséges intelligenciákhoz.
Lemaradásban a Meta
Mindezek fényében meglepőnek tűnhet, hogy különösen a Google-hoz és az OpenAI/Microsofthoz képest a Meta jócskán lemaradt a mesterséges intelligencia körüli őrült versenyfutásban, holott a terület egyik legelismertebb szaktekintélye, Yann LeCun Zuckerberg vállalatának elsőszámú MI- és gépitanulás-guruja.
A mesterséges intelligencia generatív forradalma eddig mégsem a Metáról szólt. A lemaradást korábbi és mostani alkalmazottak változatos tényezőkkel magyarázzák: túl nagy a személyzet fluktuációja, hiány van a csúcskategóriás chipekből (például egyre nehezebb megfelelő mennyiséget beszerezni az Nvidia legjobb grafikus feldolgozóegységeiből, GPU-jaiból), a vezetőség inkább a kutatásokra összpontosít termékfejlesztés helyett, ráadásul a cégből, a Gooogle-val és az OpenAI-jal ellentétben, hiányzik a nagy nyelvmodellek (large language models, LLM) iránti kitörő lelkesedés is. Ezek a tényezők külön-külön is, együtt pedig különösen magyarázatot adnak a lemaradásra.
LLaMa-2
Az utóbbi időben azonban mintha megmozdult volna valami. A Meta korlátozottan nyílt forrású modellekkel állt elő, mint például a LLaMa-2, amellyel azonnal javított az MI-versenyben elfoglalt pozícióján, és manapság már az élenjáró fejlesztők között emlegetik. A július 18-án közzé tett LLaMa-2-t a nyílt forrású nagy nyelvmodellek következő generációjaként harangozták be, az első változat februárban debütált. Mindkettőt több változatban dobták piacra: az elsőt 7, 13, 33 és 65 milliárd, a másodikat 7, 13 és 70 milliárd paraméterrel, utóbbi fejlesztésében a Microsoft is közreműködött.
Architektúrája lényegében nem változott az első verzióhoz képest, az alapmodellek gyakoroltatásához viszont negyven százalékkal több adatot használtak fel. Megjelenésekor arról is beszéltek, hogy valamikor a jövőben 34 milliárd paraméteres változat is várható.
Alapmodelleket és beszélgetéshez (LLaMa-2 Chat) finomhangolt modelleket egyaránt tartalmaz. Az eredetitől abban is eltér, hogy az összes modellt súlyokkal adták ki, és több kereskedelmi célú felhasználási esetben is teljesen ingyenes. Mindezek ellenére egyes megkötések, szigorítások érvényben maradtak, ezért célszerű korlátozott mértékben és nem teljesen nyílt forrású modellről beszélni.
Mindenhol mesterséges intelligencia
A LLaMa-2 után a Meta most újabb mesterséges intelligenciával működtetett frissítéseket vezetett be közösségi platformjain: a Facebookon, az Instagramon, a Messengeren és a WhatsAppon. Az újdonságok a LLaMa-2-ben és egy nem pontosított képgenerátorban, valószínűleg a kaméleonnak ejtendő, a Meta által júliusban felvázolt, multimodális – szöveg- és képalkotásra egyaránt képes – nagy nyelvmodell CM3leon-ban rejlő lehetőségeket használják ki. (A multimodális nyelvmodellek az MI-hullám legújabb trendje, a friss GPT-4V-ben a V a vizualitásra, azaz arra utal, hogy szöveg mellett képet is képes előállítani. A jövőben hanggal, zenével és más formákkal bővülhetnek a lehetőségek.)
De hogyan fogják hasznosítani a közösségimédium-felhasználók a Meta mesterségesintelligencia-újításait?
Például a Facebook-, az Instagram- és a WhatsApp-felhasználók valódi hírességek arcával díszített chatbotokkal beszélgethetnek majd. A nevében a szerepjátékok és úgy általában a videójátékok hőskorát idéző Dungeon Master a rapperlegenda Snoop Doggra, a sportrajongó Bru a visszavonult amerikaifoci-legendára, Tom Brady-re, Amber nyomozó pedig Paris Hiltonra emlékeztet.
Nem sztárokról mintázott botok szintén rendelkezésre állnak. Találunk közöttük anyukát, énekes-dalszerzőt, robotot, karrier-trénert, űrbeli személyeket, alieneket.
Ugyanezekben az alkalmazásokban szerepel a Meta AI chatbot is. Kérdéseket válaszol meg, képeket készít, az internetes kereséseket a Microsoft Bing segítségével végzi. Jelenleg bétateszt-változatban, kizárólag az Egyesült Államokban lehet hozzáférni. A még az ősz folyamán megjelenő Quest 3 virtuálisvalóság-headseten – Meta-terméken – és a Ray-Ban kiterjesztett valóság (augmented reality, AR) szemüvegeken szintén elérhető lesz.
Stickereket generál az MI
Az Emu képgenerátor képeket készít vagy módosít. Például olyan szöveges utasítást, promptot adunk neki, hogy „vízfestmény” vagy „kölyökkutyák veszik körül”, amiket aztán végrehajt. De van egy különleges tulajdonsága is: rövid promptokat a felhasználó által beszélgetőpartnerének továbbítható stickerekké (matricákká) alakít. A stickereket a Facebook Stories-ban, Instagramon, Messengeren, WhatsAppon küldhetjük el annak, akinek csak akarjuk. Első körben angol nyelvű felhasználók kis csoportja élvezheti őket, akár már november elején is.
Az új funkciók, frissítések valóban a Meta MI-palettájának bővülését jelzik, és ha elterjednek nyilván javítják a felhasználói élményt, sokrétűbbek lesznek a kommunikációs, interakciós lehetőségek.
A hírességekre hasonlító, hozzájuk hasonlóan beszélgető chatbotoknál viszont tisztában kell lennünk azzal, hogy nem a valódival váltjuk meg pont a világot. Ezek a botok izgalmas figurák: egyrészt tényleg úgy néznek ki, mint az eredetiek, másrészt mégis egyértelmű, hogy mesterséges karakterek. Ez a kettősség teszi különlegessé őket. Egyébként arra is volt már példa, hogy az egyik nevenincs bot, teljesen ismeretlen ábrázattal, hetvenéves segítőkész nagypapának adta ki magát.
Kérdés, hogy a Meta mennyire tud mindezzel vetélytársai közelébe férkőzni.
