Generic selectors
Exact matches only
Search in title
Search in content
Post Type Selectors
post

Nem mindenre jó a mesterséges intelligencia

MEGOSZTÁS

A mesterséges intelligencia beszivárgott az életünkbe, mindennapjaink fontos részévé vált. Ezért néha túlzók az elvárásaink, mindennek a megoldást látjuk benne, sőt, néha vallásos elragadtatással beszélünk róla. De ha például egy állást nem egyetlen tömbként, hanem bonyolultabb rendszerként értelmezünk, könnyebb megállapítani, hogy mikor és mit helyettesíthet az MI.

Képek: Flickr, Wikimedia Comons

 

A mesteréges intelligencia (MI) általános rendeltetésű, sok célra felhasználható technológia. A sok azonban nem minden, így ne várjuk el tőle, hogy bármely problémánkat azonnal megoldja. Sok esetben teljesen más technológiát kell használnunk.

Hogyan döntsük el, melyek a működő felhasználási esetek, melyek nem, például, ha egy vállalatot segítünk, mikor kell alkalmaznunk MI-t?

 

Mit automatizáljon a munkámból az MI, és mit ne?

Andrew Ng világhírű gépitanulás-szakértő, a Google Brain egykori vezetője szerint ilyenkor vegyük figyelembe az alkalmazottak és a céghez tartozó vállalkozók munkaköreit, majd bontsuk azokat feladatokra. Ezt követően vizsgáljuk meg az egyes, gyakran elvégzett feladatokat, amelyekből megtudjuk, hogy azok olyan MI-megoldásokkal támogathatók, automatizálhatók-e, mint például a felügyelt tanulás vagy a generatív MI. Becsüljük fel, számszerűsítsük az értékét!

A mesterséges intelligenciáról elterjedt, gyakori érv ellene, jól lehet riogatni azzal, hogy automatizálja munkát, állásokat „szüntet meg”, „vesz el.” A narratíva legalább annyira félrevezető, mint amennyire népszerű.

 

 

Egy állás ugyanis nem monolitikus rendszer, hanem változatos feladatok összessége. Ezeket a feladatokat kell alaposan kivizsgálni, elemezni, hogy az MI mennyire tud javítani rajtuk, esetleg automatizálja valamelyiket, de sohasem a teljes állásról, hanem csak részekről van szó.

A megközelítést az MI gazdaságra gyakorolt hatását vizsgáló Erik Brynjolfsson, Tom Mitchell és Daniel Rock dolgozta ki néhány éve. Mások a generatív MI megértéséhez használják. A Brynjolfsson, Andrew McAfee, James Milin és Rock által létrehozott Workhelix, egy MI Alap portfolió vállalat szintén ezzel a módszerrel igyekszik cégeket segíteni a generatív MI által kínált lehetőségek megítélésében.

 

A programozó tizenhét feladatából a kódolás csak egy

Gazdasági elemzések mellett a megközelítés projektekről szóló ötleteléseknél szintén hasznos lehet. Például, hogyan használható az MI szoftveres vállalkozások automatizálására, képes-e elvégezni egy számítógép-programozó munkáját, vagy sem?

A kérdés megértéséhez – és megválaszolásához – át kell gondolnunk a programozókról kialakult képet is. Általában kódot író személyekként tekintünk rájuk, pedig a munkájuk sokkal összetettebb, változatosabb. Különféle feladatokat kell megoldaniuk. Az Egyesült Államok Kereskedelmi Minisztériuma által támogatott, munkákat és a kapcsolódó feladatokat tartalmazó O’NET online adatbázis tizenhét pontban foglalja össze a programozó feladatait: programírás, hibakeresés, konzultáció másokkal a program rendeltetésének tisztázásáról, próbafuttatások lebonyolítása, dokumentáció-írás stb. A felsorolásból láthatjuk, hogy maga a kódolás csak egy a tizenhétből.

 

 

Egyes rendszerek egyértelműen képesek a kódírás, de legalábbi bizonyos részei automatizálására. A dokumentáció megírása pedig ennél is könnyebben automatizálható, azaz a feladat szintén kiadható MI-nek.

A konzultáció már sokkal nehezebb dió. Honnan tudja a mesterséges intelligencia, hogy mik is a program céljai, mit akarunk velük? Ez már majdnem tudatosságot feltételez róluk, pedig attól aztán nagyon távol járnak (lehet, hogy soha nem lesznek azok, mert elvileg tudatosság nélkül is simán elérhetik az általános MI és a szuperintelligencia szinteket).

Mindezek után nyilvánvaló, hogy a konzultációnál főként magunkra és humán munkatársainkra számítsunk, ne MI-re, tehát ennél a feladatnál semmilyen prioritást ne, helyette inkább mínuszokat adjunk neki.

 

A radiológus esete a mesterséges intelligenciával

Egy harmadik, ma igen népszerű eset: el tudja-e végezni az MI radiológusok munkáját? Az utóbbi hónapokban szenzációs hírek járták be a világmédiát a mesterséges intelligencia radiológusi képességeiről, hogy képek alapján jobban azonosít rákos megbetegedéseket, mint az erre szakosodott orvosok. Szintén sokat írtak arról, hogy a gép átveheti az ember szerepét.

Csakhogy a programozókhoz hasonlóan, a radiológusi munka sem képek nézegetéséből, hanem az O’NET alapján harminc feladat elvégzéséből áll. Tehát még a programozásnál is összetettebb állás.

Megint az a lényeg, hogy megnézzük, mely feladatokat érdemes automatizálni, melyeket nem. A képértelmezés nyilván közéjük tartozik, míg mások kevésbé, például honnan szerezzen be az MI a betegekre vonatkozó orvosi előzményeket, ha azok nem szerepelnek a rendszerben.

 

Az O’NET listázása hasznos kiindulási pont, sokat segít, a listák viszont túl általánosak, célszerű, ha az adott vállalat egyedi jellegét is figyelembe vesszük, hogy megállapítsuk az automatizálható feladatokat.

A megközelítés negatívuma, hogy emberi feladatokat automatizál, pedig kreatív alkalmazások talán hasznosabbak lennének. Végső soron így is eljuthatunk egyfajta Turing-tesztig, aztán méricskélhetjük, hogy meddig ember, meddig MI. Ha az MI nagyságrendekkel, például tízezerszer gyorsabb valamiben, hagyni kell, hogy ő tegye azt, ugyanakkor mindig tartsuk szem előtt, hogy ember és gép viszonya nem vagy-vagy, hanem is-is alapú. Együttműködés és nem rivalizálás. De miért is akarna egy programozógép a humán programozóval, egy radiológus-rendszer egy orvossal versengeni, amikor a közös munkával jóval előrébb jutnak?

A rivalizálási szándék ráadásul valamilyen szintű tudatosságot is feltételez.

PODCAST

ICT Global News

VIDEOGALÉRIA
FOTÓGALÉRIA

Legnépszerűbb cikkek