Képek: Deviant Art
A generatív mesterséges intelligencia, azaz a ChatGPT-t és a szöveges utasításokat, promptokat képpé alakító alkalmazások egy éve váltak csak mainstreammé, fejlődésük viszont annyira dinamikus, hogy úgy érezzük, mintha esztendők óta velünk lennének. Az interneten lassan már nem keresünk, hanem chatelünk a hálózattal, egyre többen e-mailt sem írunk többé, helyette a számítási felhőben lévő asszisztensünkre bízzuk az elektronikus levél megírását.
Kódokkal kommunikálunk, képeket képzelünk el, majd az elképzeltek szinte rögtön meg is jelenítődnek, videoklipeket formázunk és így tovább. Egy új világ formálódik, bontakozik ki, szökik virágzásba előttünk.
Az óriási lehetőségek képezik a mérleg egyik oldalát, míg az óriási kockázatok a másikat. Az MI hatalmat is ad, a hatalommal pedig vissza is lehet élni, minél nagyobb, annál erősebb a kísértés.
2023 kontra 2024
Anastis Germanidis, a művészettel, a szórakozással, összességen az emberi kreativitással foglalkozó, azokra alkalmazásokat, videogeneráló modelleket (Gen-1, Gen-2) fejlesztő Runway társalapító-főmérnöke szerint 2023 fordulópont volt a széles körben hasznos MI-rendszerek fejlődésében, legyen szó szövegről, képről, mozgóképről, hanganyagokról és más módokról. 2024-re vonatkozóan, a kutató négy jelenségre hívja fel a figyelmet. Ezek a
- a videógenerálás,
- a valósidejű interaktivitás,
- az MI-kutatások automatizálása és
- a nagyobb hangsúlyra a rendszereken.
A generatív modellek (szövegből kép, képből videó, videóból videó) először tavaly váltak nyilvánosan hozzáférhetővé. Idén a modellek minősége, általános jellege és irányíthatósága tovább javul. 2024 végéig az interneten található videótartalmak nem elhanyagolható része bizonyos mértékig javulhat, ki is használják a javuló minőséget, irányíthatóságot.
Az MI automatizálása
A nagy nyelvmodellek (LLN) futtatása egyre gyorsabb, irányításukhoz új szerkezeteket fejlesztenek, miközben új interfészek és termékek jelennek meg körülöttük, eredményként pedig túllépünk az idén megszokott „prompt valamire” vagy a chat-asszisztens paradigmákon.
Az MI-kutatás automatizálásaként, fejlesztők egyre szívesebben dolgoznak nagy nyelvmodelleken alapuló kódoló asszisztensekkel. Kifejezetten az MI-kutatási munkafolyamatok felgyorsítására alig terveztek még speciális eszközt, amely például a modellkód fejlesztésével és hibakeresésével, a modellek betanításával és kiértékelésével kapcsolatos ismétlődő tevékenységek nagy részét (és sok mást) automatizálna. 2024-ben áttörés lehet, több ilyen speciális eszköz jelenhet meg.
Sok szakmai megbeszélés középpontjában egyes hálózatok végponttól végpontig gyakorlással kialakított képességei állnak. A gyakorlatban viszont, valóvilág közegben telepített MI-rendszereket általában modellek sorozata működteti. 2024-ben több keret várható ezeknek a moduláris rendszereknek az építéséhez.
A technológiai fejlődés mellett ezeknek a rendszereknek az építésében az a legpozitívabb, hogy minden egyes frissítéssel, kapacitásnöveléssel ismeretekre és MI-re szomjas, új közönség tűnik fel.
