A mesterséges intelligencia (MI) két különböző, de ezer és egy szállal egymáshoz kapcsolódó technológiának, a gépi tanulásnak és a generatív MI-nek köszönhetően átalakítja a világot.
Gépi tanulás
A gépi tanulás az adatokból tanulni képes, mintázatokat azonosító, minimális emberi beavatkozással vagy anélkül döntéseket hozó rendszerek fejlesztésére összpontosít. Munkafolyamata általában adatgyűjtésből, tanulásból, hitelesítésből és tesztelésből áll: releváns adatokat gyűjtve, a modell tanul belőlük, majd rajtuk gyakorolva ismer fel mintázatokat, teljesítményét pedig korábban nem látott, új adatokon végzett munkája alapján hitelesítjük.
Gépi tanulás az egészségügyben
Lehet teljesen vagy félig felügyelt, felügyelet nélküli. Az elsőnél címkézett, azaz a bemenőkkel összetársított helyes kimenő adatokkal dolgozik. A harmadiknál nincs címkézés, a modell saját magától próbál mintázatokat és kapcsolatokat azonosítani az adatrengetegben. A harmadik a két megközelítés kombinációja.
A pénzügyi előrejelző rendszerektől, az ajánlókig (milyen filmet nézzünk) és az orvosi diagnosztikáig, átszövi mindennapjainkat.
Generatív MI
A generatív MI az adatelemzésen túlmenve, az emberi alkotótevékenységet utánozva, hoz létre új (szöveges, képi, zenei, videó, 3D) tartalmat. A bemenő adatok alapján nem döntést hoz, nem előrejelzést végez, hanem expliciten nem beléprogramozott új adatokat generál.
Ideghálókkal, azoknak is főként három fajtájával – generatív ellenséges hálózatokkal (GAN), variációs önkódolókkal (VAE) és nagy nyelvmodellekkel (LLM) – dolgozik. Egy GAN két hálója, a generátor és a megkülönböztető összjátékán alapul: előbbi új adatokat hoz létre, utóbbi kiértékeli azokat. Mindez addig folytatódik, amíg a generátor élethű minőséget nem képes létrehozni. A VAE valószínűségi modelleket használva generál az input adatok megtanult reprezentációján alapuló, változatos új outputokat. A rengeteg adaton trenírozott LLM-ek a mondat következő szavának kontextus-alapú előrejelzésével működnek.
Chatbotoktól, virtuális asszisztensektől mélyhamisítványokig és művészetekig, a generatív MI szintén széles körben elterjedt, népszerű.
Gépi tanulás és generatív MI
Mind a gépi tanulás, mind a generatív MI a mesterséges intelligencia alterülete. Céljuk és kimeneteik viszont különböznek. Az előbbi meglévő adatokból következtet, utóbbi új adatokat generál belőlük. Döntések és előrejelzések versus új tartalmak az output, és az alkalmazások is nagyon mások.
A különbségek ellenére markánsan ki is egészítik egymást, például gépitanulás-algoritmusok remek gyakorlóadatok szolgáltatásával feljavítják a generatív modelleket, vagy finomítják a kiértékelési folyamatot. A generatív MI szintetikus adatokat létrehozva olyan forgatókönyvekben segíti a gépi tanulást, amelyekben vagy nincs valódi adat, vagy nagyon drága beszerezni.
Az MI további fejlődésével a határok összemosódhatnak, még sokrétűbb és szofisztikáltabb modellek várhatók. A két technológiát egyre több területen használják együtt, például a szórakoztatóiparban gépi tanulás ajánl tartalmakat, és ezeket az egyéni ízlésre kitalált zenéket, képeket stb. generatív MI is előállíthatja.
Képek: LinkedIn, Wikimedia Commons
