Az MNB első ízben végzett el a bankoknál, biztosítóknál alkalmazott mesterséges intelligencia (MI) és gépi tanulás (GT) informatikai, személyiségi jogi és egyéb kockázatait áttekintő témavizsgálatot. Az MI és GT technológiát mára a számlanyitástól a marketingen át a kampánymenedzsmentig több területen alkalmazzák. A felügyelet jogsértéseket nem, de kezelendő kockázatokat feltárt.
A hibrid elme diadala
Karrier, Pénzügy, Új technológiák, Szakmapolitika, Adatgazdaság, ICT-vezetők, Ipar, Közigazgatás, Felhő, HR-technológia, Egészségügy, Közbeszerzés, Tendergyőzelmek, Biztonság, Iparági megoldások, Oktatás, Közlekedés, Technológia, Fejvadászat, Agrárium, Telco, Energetika, Ingatlan, Kormányzati informatika, Startup, HR
Az emberi agyak és a mesterséges intelligencia gépi elméjének összeolvadása felgyorsult. Az agy-számítógép interfészek, a neurális implantátumok és más technológiák egyre inkább összekapcsolják a biológiai megismerést a mesterséges intelligenciákkal. Bár ez az átmenet reményeket és félelmeket egyaránt is kivált, az ember-gép konvergencia inkább erősítheti, mint leigázhatja az emberiséget.
Gazdaság és mesterséges intelligencia 2024-ben
Karrier, Pénzügy, Új technológiák, Szakmapolitika, Adatgazdaság, ICT-vezetők, Ipar, Közigazgatás, Felhő, HR-technológia, Egészségügy, Közbeszerzés, Iparági megoldások, Oktatás, Közlekedés, Tendergyőzelmek, Biztonság, Fejvadászat, Agrárium, Technológia, Telco, Energetika, Kormányzati informatika, Ingatlan, Startup, HR
A globális hálózatos gazdaság (mely a vállalkozások, egyének és kormányok világméretű összekapcsolódásának szinonimája) 2023-ban figyelemre méltó átalakuláson ment keresztül. A digitális technológiák és az internet gyors növekedése által táplált jelenség olyan világméretű piacot hozott létre, mely már most forradalmasította az életünket, a munkánkat és a szórakozásunkat.
A szintetikus adatok segítik a képgenerátorokat
Terjed az a gyakorlat, hogy mesterségesintelligencia-modell gyakoroltatásához egy másik modellt használnak. A szintetikus adatok nem mindig szerencsések, egyes esetekben, például feliratokkal dolgozó képgenerátoroknál viszont nagyon hasznosak.
Népszerű mesterségesintelligencia-modellek rangsorolása – mit tudunk róluk, és mit nem?
Egyre komolyabb probléma a mesterségesintelligencia-modellek átláthatatlansága. Hiába terjednek a nyílt forrású megoldások, a kereskedelmi célú MI-k nehezen tekinthetők át. Különösen a gyakorlást és a gyakorlóadatokat fedi „jótékony” homály.
Arisztotelész szillogizmusai és a nagy nyelvi modellek
Az elmúlt néhány évben jelentős előrelépések történtek a gépi tanulás és a mélytanulási technológiák terén. Ennek eredményeképpen a fejlesztők képesek voltak olyan MI-eszközöket készíteni, melyek valóban képesek úgy gondolkodni, mint egy ember. Képesek összetett feladatok elvégzésére, valamint az adatok és minták elemzése alapján logikus döntéseket hozni, ami csak az embereknek volt fenntartva.
Új nyelvmodelleket épít a Microsoft
A Microsoft racionalizálná a nyelvmodellek kiszolgálásának költségeit. A megvalósításhoz az OpenAI-n kívüli megoldásokat is használ, például a Meta LLaMA 2 MI-jével fejlesztette az Orca modellt, de a semmiből is hoz létre MI-ket. A karcsúsítás óriáscégeknek és apró startupoknak is jót tenne.
Miért (ne) legyen adatelemző 2024-ben?
Karrier, Pénzügy, Új technológiák, Szakmapolitika, Címlapsztori, Adatgazdaság, ICT-vezetők, Ipar, Közigazgatás, Felhő, HR-technológia, Egészségügy, Közbeszerzés, Iparági megoldások, Oktatás, Közlekedés, Tendergyőzelmek, Biztonság, Fejvadászat, Agrárium, Technológia, Telco, Energetika, Kormányzati informatika, Ingatlan, Startup, HR
Az adatelemzésben, ahogy az adatok egyre bőségesebbé és változatosabbá válnak, az MI képessége, hogy feldolgozza és pontosan elemezze azokat, egyre értékesebbé válik. Ez különösen igaz volt az elmúlt években, mivel az adatgyűjtés és -elemzés jelentősen megnövekedett a robusztus IoT-kapcsolatok, az összekapcsolt eszközök növekedése és az egyre gyorsabb számítógépes feldolgozás miatt.
Mennyire pontosak a más modellek adatain gyakoroltatott mesterséges intelligenciák?
A technológia elterjedésével, egyre több a generatív mesterségesintelligencia-modell. Elszaporodásukkal idővel a minőségük is romlik, amely jórészt azzal magyarázható, hogy nem eredeti, hanem sokadik generációs adatokon gyakorolnak.
Minél több a másolt adat, annál elfogultabb a rajta tanuló rendszer?
Minél kisebb egy adatsor, annál jobb minőségűek az adatok, kevesebb bennük az elfogultság. Modellek begyakoroltatásához viszont egyre monumentálisabb adatgyűjtemények kellenek, miközben folyamatosan nő a megkérdőjelezhető adatokon tanult kereskedelmi, nyílt forrású modellek száma.
A Prompt Mérnökök jövője
Pénzügy, Új technológiák, Szakmapolitika, Karrier, ICT-vezetők, Ipar, Közigazgatás, Címlapsztori, Adatgazdaság, HR-technológia, Egészségügy, Közbeszerzés, Felhő, Oktatás, Közlekedés, Tendergyőzelmek, Biztonság, Iparági megoldások, Agrárium, Technológia, Telco, Energetika, Kormányzati informatika, Ingatlan, Startup, HR
A Prompt Mérnök készségét a jövő szakmájaként emlegetik ma. De vajon a közeljövőben is lesz-e még jogosultsága? Az ilyen jövőmérnöki munka azért kulcsfontosságú, mert még a legfejlettebb nyelvi modellek is vadul eltérő kimeneteket produkálhatnak a kapott bemenet alapján. Egy jól kidolgozott prompt jelentheti a különbséget a gép által generált hasznos és a zavaró vagy akár félrevezető válasz között.
Hogyan és mit látnak a mesterségesintelligencia-modellek?
Mi történik egy képgeneráló modell belsejében, mit lát a világból, melyik neuron mire reagál erősebben, mire kevésbé – amerikai kutatók ezekre a kérdésekre igyekeztek válaszokat adni. Válaszaikkal közelebb jutunk az MI-k „feketedobozának” megértéséhez.
