(Kiemelt kép: Unsplash+)
Ha ZH-t, vagy dolgozatot kell írni, ott a ChatGPT, kreatív alkotásokra és terméktervezésre a Midjourney és a Stable Diffusion, ha meg szintetikus videók kellene egy konferencia összefoglalójaként, akkor meg a Syhthesia! A programozók sem unatkozhatnak, mert nekik meg a ChatGPT mellett ott figyel már a Github Co-pilot! Érdemes azért egy kicsit benézni a kulisszák mögé, mielőtt a nagy mesterséges intelligenciás eufória miatt boldogan hátradőlnénk, hogy mostantól majd mindent megold a gépi elme helyettünk a magyar ugaron is. Ezeket a modelleket, melyeket most látunk, használunk, ki készítette? A jelenleg népszerű ChatGPT, Dall-E 2 és Vall-E egy OpenAI nevű cég találmánya. Viszont a GitHub tulajdonában van már a GitHub Co-Pilot a kódíráshoz, ami már a Microsoft birodalmához tartozik. Maga a Midjourney egy független cég, jókora európai kockázati tőkebefektetéssel a háta mögött. Az OpenAI-t 2015-ben alapították, akkor volt egyfajta páni félelem még az MI megoldásokkal kapcsolatban, hogy esetlegesen átveszi a „világuralmat” a Gépi Elme. Ezért 6 adományozó 1 milliárd dollárt ígért az Emberbarát MI kutatására és kidolgozására, és megalapították erre a nemes célre ezt a céget. Érdekes tény, hogy e 6 közül az egyik éppen a mostanában a Twitteres Kalandja és a Tesla részvények mélyrepülése miatt közutálatnak örvendő Elon Musk volt. Természetesen 2018-ban lemondott az OpenAI igazgatói posztjáról; de továbbra is adományoz a kutatási és fejlesztési munkákra.
A Microsoft semmiből sem maradhat ki
A Microsoft 2018-ban került bele a Nagy MI háborúba, június 4-én ugyanis 7,5 milliárd dollárért felvásárolta a programozók egyik „kötelező” oldalát, a GitHubot. Ami egy kódtároló, megosztó és verziókezelő szoftver tulajdonképpen. Aztán 2019-ben a Microsoft vezérigazgatója, Satya Nadella újra gondolt egy nagyot és beszállt az OpenAI-ba szerény 1 milliárd dollárral. Miért volt nagyon fontos ez a két befektetés? Először is érdemes beszéljünk a GitHubról. Ez ma a programozók számára elengedhetetlen és kötelező platform. Amikor egy kóder bárhol bemutatkozik, a legelső dolog, amit szinte mindenki kérdez tőle, hogy „add a github-profilodat!”. Több milliárd sornyi kódot írt ide már több millió programozó, és ezeket felhasználva a GitHub elkészítette a GitHub Co-Pilotot, az MI kódíró alkalmazást mára. A Co-Pilot feladata, hogy segítsen az embereknek megtanulni programokat írni: a különböző alapszintű kódok írásától kezdve számos érdekes feladaton át a középszintű megértésig mindenre képes már a Co-Pilot. Az OpenAI – Microsoft megállapodás lehetővé teszi a redmondiak számára, hogy az OpenAI GPT-3 modelljét használják a különböző termékeikben. A GPT-3 egy fejlett természetes nyelvi feldolgozó modell, vagyis képes szöveges adatokkal is foglalkozni. Mit fog most ezzel a digitális találmánnyal kezdeni a Microsoft? Először is jó sok pénzt keres majd vele, hiszen van a Microsoftnak saját mostoha sorsú keresője a Bing, de azt ma nem sokan használják a a Google keresői dominanciája végett. Így érthető az a törekvés, hogy a Microsoft olyan modelleket fog használni, mint a GPT-3, hogy megerősítse és „aranytojást tojó tyúkká” varázsolja a Binget, hogy jobban teljesítsen, és jobb eredményeket is adjon, mint a Google keresője. A ChatGPT-vel megspékelve sokkal intelligensebbé tehetik így végre keresőmotorjukat. Emellett a Microsoft legnépszerűbb terméke a Microsoft Office. Most ha az MS Office is rendelkezik ChatGPT-vel akkor vége az Excel képletek írásának munkás napjainak. De diákat is lehet vele tervezni, és az Outlook maga is írhat és küldhet leveleket! Sőt az MS Team a ChatGPT segítségével már automatikus tárgyalási jegyzőkönyveket is készíthet. Nem véletlen, hogy miért ugrott rá ennyire már így a kezdet kezdetén a redmondi óriás a mesterséges intelligenciára akkor.
De itt még nem álltak le, hamar megjött az étvágy és jött a Dall-E is. A Dall-E 2 egy digitális képgeneráló modell, amivel képzeletbeli képeket gyárthatunk grafikusi előképzettség és véna nélkül is, olyan képeket, melyeket még soha senki nem készített előttünk, de nem is fog, de a Dall-E-vel már rajzolhat művésznek álcázva magát. Mit is akar a Microsoft? Szeretné a Bing Image Creator-t a Dall-E-vel egybe építeni. Így ha véletlenül nincs egy kép, amire a felhasználók rákerestek, rögvest készíthetnek saját képet akár vele. Aztán ott van a Vall-E hangszintetizátor, aminek az a feladata, hogy emberi hangokat generáljon. A Microsoftnak van egy játékplatformja is, az XBOX, ezekkel az MI modellekkel új szórakoztató játékokat tudnak készíteni könnyedén már. Emellett a ChatGPT a Microsoft Azure felhőszolgáltatására is meg fog érkezni. Ennek eredményeképpen minden vállalat használhatja majd céges és komolyabb szinten is már a ChatGPT-t ipari környezetekben is. Ha üzenetet küld például az ügyfélszolgálat, a ChatGPT mindent elmagyaráz, felveszi a panaszokat, és megoldásokat is ad, ha tud stb.. Tehát kódolás, gépelés, beszélgetés, rajzolás 4 munkakörben, így jelenleg a Microsoft rendelkezik a legjobb mesterséges intelligenciás modellekkel. Láthatóan keményen dolgoznak azon, hogy tökéletesítsék azt, hogyan használják majd ezeket ki a legjobban és aknázzák ki az MI-ben rejlő üzleti lehetőségeket a különböző meglévő termékeikben. Nem kell nagy képzelőerő ahhoz, hogy ahol egy ilyen korszerű modellel rendelkeznek, nem lesz nehéz forradalmasítani a mai kicsit unalmas digitális világot. Nem véletlen tehát, hogy eddig úgy tűnik a Microsoft több lépéssel mindenki más előtt jár a Nagy Mesterséges Intelligencia Háborúban.
De mi lehet a Microsoft következő lépése? Nyilvánvaló, hogy nem áll meg a 4 ma még korszerű modellnél. További 10 milliárd dollárt akarnak befektetni az OpenAI-ba és a 49%-kos részesedés megszerezése már a cél. Ma az OpenAI piaci értéke 17-19 milliárd dollár körül van, de mindenki úgy gondolja, hogy a következő néhány évben ennek 5-6-szorosa is lehet akár már. Az OpenAI most azt tervezi, hogy még ebben az évben kiadja a GPT-4-et, a ma létező egyik legfejlettebb MI modellt. A ChatGPT ma használt modelljének 175 millió paramétere volt; a GPT-4 pedig a tervek szerint 1 milliárd paramétert tartalmaz majd. Nyilván a többi, konkurencia által használt és fejlesztett modellekben is ez a paraméter mennyiség növekedni fog. Viszont az is kiderült, hogy a Microsoft szuperszámítógépet épít, hogy ezekkel az összetett modellekkel dolgozhasson, valamint a PyTorch (a Python gépi tanulási könyvtár) különböző moduljait is fejleszti, hogy hatékonyabban működjenek majd rajta.
Mit lép erre a vetélytárs Google?
Nem szabad letagadni azt, hogy a Google már régebb óta dolgozik hasonszőrű mesterséges intelligenciás modelleken. 2014-ben vásárolták fel a DeepMindot, ami általános célú gépi tanulási modellekkel dolgozik, melyeket sokkal könnyebben lehet a gyakorlatban használni. A DeepMind nagy szerepet játszott már a Google Assistant kifejlesztésében is, ami az Amazon Alexa egyik legnagyobb mai riválisa. A Google 2015-ben vásárolta meg a Kaggle-t, ez a világ legnagyobb adattudományi és gépi tanulási közösségi és versenyoldala. A Google-nek már van új modellje, ez a Pathways, ami 540 millió paraméterrel rendelkezik. De a saját beszélgető és értelmező MI-jükkel is előrukkoltak a Bard-al, ami a LaMDA modelljükre épül. Nekik is van képgeneráló megoldásuk, ez a Dreambooth. A Google-nek több más jó modellje és terméke is van, ilyen Google fordító, beszédből szöveggé konvertáló modell stb.. Mivel azonban a Google nem oszt meg mindent nyilvánosan, mindenki így egy kicsit kevesebbet is tud róla, mi is zajlik valójában a kulisszák mögött. Nem kell félteni őket mindig is a kivárásra játszottak, nyilván tanulni akarnak a Microsoft piaci botlásaiból először és a biztosra mennek majd…
Az igazi mesterséges intelligencia háborúba valójában a chipekről szól
Miközben a technológiai iparban tehát kitört a mesterséges intelligencia dominanciájáért folytatott Totális Háború, a Wall Street már korán fogadást kötött arra, hogy kik is lesznek valójában majd ennek a legnagyobb nyertesei: azok a vállalatok, melyek az összes harcoló fél által használt „fegyvereket” fogják gyártani. Ez konkrétan a generatív MI rendszerekhez szükséges fejlett chipeket jelenti, ami például a ChatGPT chatbot és a Dall-E-hez hasonló képgeneráló rendszerek „lelke” lenne. A befektetők pedig nem akármilyen gyártóra fogadnak: az Nvidia részvényei, melynek grafikus feldolgozó egységei – vagy GPU-i – uralják a nagy MI-modellek képzésének piacát, idén 55 százalékkal emelkedtek. Október óta megduplázódtak, amikor az Nvidia részvényei a kriptobukások (chipjeit széles körben használták a kriptobányászok), a PC-eladások összeomlása és az adatközpontok chipjeinek rosszul irányított termékváltása miatt válságba került. A nagy technológiai cégek ma arra készülnek, hogy a jövőben drága új mesterséges intelligencia-rendszereket használnak majd egymás ellen, de még nincs egyértelmű jele annak, hogy miként is szerezhetnek ebből tartós piaci előnyt. Az biztosnak tűnik, hogy a GPU-k iránt nagy lesz a kereslet, ami az Nvidia és kisebb mértékben az AMD (melynek részvényei idén 30 százalékkal emelkedtek) malmára hajtja a vizet.
A nagy méretű mesterséges intelligenciamodellek képzése mellett a GPU-kat valószínűleg szélesebb körben fogják használni a következtetések levonására is, azaz a valós adatok és a képzett modell összehasonlítására, hogy hasznos válaszokat kapjanak. Eddig a mesterséges intelligencia következtetések levonása egészséges piacot jelentett az olyan vállalatok számára, mint az Intel, melyek CPU-kat gyártanak. A generatív rendszerekben használt MI-modellek azonban valószínűleg túl nagyok lesznek a mai CPU-k számára, így a Cambrian MI Research munkatársa, Karl Freund szerint már nagyobb teljesítményű GPU-kra lesz szükség a feladat megoldásához. Öt évvel ezelőtt korántsem volt biztos, hogy az Nvidia ebben a kivételezett helyzetben lesz. Mivel a gépi tanulás számítási igényei exponenciálisan növekedtek, számos startup cég jelent meg, melyek speciális MI-gyorsítókat gyártanak. Ezek az úgynevezett ASIC-ek (alkalmazásspecifikus integrált áramkörök), melyeket csak egy feladat elvégzésére, de a lehető leghatékonyabb módon terveztek, így jobb megoldást eredményeznek az intenzív adatfeldolgozásban. Vannak olyan jóslatok, miszerint a GPU-k nem tudnak majd megfelelni a célzott hardver igényeknek, vagyis kétséges lehet, hogy az Nvidia továbbra is az élen maradhat. Ezt cáfolja viszont az a tény, hogy a cég legnagyobb sikere a Cuda szoftverében rejtekezik, melyet a vállalat GPU-in lévő alkalmazások futtatására használnak, ami a fejlesztőket az Nvidia chipekhez így röghöz is köti, és csökkenti az AMD-re való áttérést is. Az Nvidia viszont rafinált, mert egy új termékkel is a legjobbkor érkezett a piacra, az új H100-as chip formájában. Ezt kifejezetten a „transzformátorok” kezelésére tervezték, mely a nyelvi és látásmodellekben a közelmúltban elért nagy előrelépések mögött álló mesterséges intelligencia-technológia.
