Milyen szinten áll ma a mesterséges intelligencia kutatása?

Nem. Sem állatnak, sem AI-nek nincs értelme állampolgárságot adni.

Nincs még összetett AI.

Az emberihez hasonló MI-hez képest nagyon gyerekcipőben jár. Az 50-60-as években még voltak idealista próblákozások, a 70-es évektől letettek róla a kutatók, és specializált eszközöket, szakértői rendszereket, stb. fejlesztenek. A hardver erősödése sokat lendített a kutatásokon, de az igazi eredmények még mindig a speciális feladatok megoldásában vannak. (Önvezető autók, hang- és alakfelismerés, spec. területű öntanuló rendszerek, együttműködésre képes, rendszerré összeálló egyszerű "hangya" entitások, stb.)

Az állampolgárság emberekre vonatkozik. Annyira még nem élünk cyberpunk világban, hogy elmosódjanak a határok ember és gép között.

Anno mikor Asimov megálmodta a jövő robotjait, még úgy képzelte el, hogy azok teljes emberi intelligenciával rendelkező, univerzális, emberszerű felépítésű eszközök – lények (?) – lesznek. Tehát Asimov robotjainál még annyira nem volt a „mesterséges intelligencia” közhasználatú fogalom, de a robot kvázi tartalmazta azt, de itt még a hardver és szoftver egy egységet alkotott. Még érvek is elhangzottak amellett, hogy miért kell emberszerűnek lennie egy robotnak, mondván, hogy mivel egy csomó használati tárgyunk az emberre lett tervezve – egy seprű, egy kalapács, egy traktor, egy autó –, ezért praktikus egy ember felépítésű robot, és akkor nem kell áttervezni az eszközeinket. Végül is van benne logika, de ahogy a történelem megmutatta az eszközök fejlődésének útja inkább nevezhető automatizálásnak, mint robotizálásnak, vagy ha úgy vesszük, akkor amit ma robotizálásnak hívunk, az igazából sokkal-sokkal-sokkal közelebb van egy egyszerű automatizáláshoz, mint Asimov robotjaihoz.

Asimov talán a robotokhoz vezető úttal nem számolt. Nem számolt azzal, hogy közbenső fázisként sokkal egyszerűbb lesz egy olyan robot helyett, ami képes megfogni egy kalapácsot és kovácsolni egy akármit, ahelyett egy elég buta gépet csinálni, ami nem tud mást, mint nagy súllyal ráütni arra, amit alá tettek. Nem kell tudnia, hogy mi az, mire lesz jó. Azt majd tudni fogja, aki a kalapálógépet használja. Egy ilyen automata viszont sokkal egyszerűbb és olcsóbb, ezért inkább az eszközök specializálásának irányába indultunk el. Egy mai „intelligens” kalapálógép lehet, hogy kicsit többet tud, pl. érzékelni tudja, hogy nincs van-e alatt tárgy vagy nincs, és ez alapján képes elindulni illetve megállni. A még intelligensebb kalapálógép esetleg még azt is felismerni, hogy az ember ujja nem került-e a kalapács alá, és ha ezt érzékeli, akkor megáll. De ehhez a kalapáló gépnek millió és egy egyéb dolgot nem kell tudnia, pl. nem kell tudnia rántottát sütnie, kívülről ismerni a világirodalom műveit, nem kell beszélnie, mozognia stb… A „robotjaink” nem emberszerűek, hanem nagyon is egy speciális feladatra optimalizált külsővel és képességgel rendelkeznek.

Aztán később vált általánosan elterjedté a „mesterséges intelligencia” mint kifejezés, de immár a hardvertől független fogalomként. Itt is az első köznapi elképzelések egy általános, mindenre kiterjedő intelligenciaként vázolták fel a dolgot – afféle műagyként –, sőt mind a mai napig a legtöbb ember így gondol erre a fogalomra. De mire is kell nekünk mesterséges intelligencia? Nyilván azon túl, hogy érdekes kutatási téma, alapvetően praktikus okból van rá szükségünk. A mesterséges intelligencia kérdése akkor merül fel, mikor van valamiféle probléma, amit klasszikus algoritmikus módon nagyon nehéz lenne kezelni. Teljesen hétköznapi példa: A Google keresőmotorja számos olyan képet talál meg különböző honlapok galériájában, amihez nem tartozik releváns szöveges leírás. X fotóművész honlapján lehet, hogy van ezer kép, amiből 20 macskát ábrázol, de vagy nincs szöveges leírás, vagy a leírás valami fantázianév, ami nem tartalmazza a macska szót, vagy annak valamiféle szinonimáját. Oké, hogy a Google megtalálja ezeket a képeket, de milyen keresőkifejezésre dobja fel, mint találat? Jött az igény, hogy tök jó lenne, ha valahogy a keresőmotor „látni” tudná, hogy a kép egy macskát ábrázol… vagy egy fát… vagy egy autót. De egy macska felismerését klasszikus algoritmusokkal eléggé nehéz lenne leprogramozni. A kép pixelekből áll, hogyan lehetne meghatározni, hogy mik egy macskát ábrázoló képen a pixelek színének a kritériumai, amik teljesülése esetén tudható, hogy a képen macska van, és melyek nem felelnek meg ennek a kritériumnak? Még ha le is lehetne ezt programozni több évnyi kísérletezéssel, egy kutyás képnél kvázi a nulláról kell újra elindulni.

És itt jön az intelligencia fogalma. Az intelligencia nagyjából problémamegoldó képességet jelent, olyan problémák megoldását, amilyen probléma megoldására nincs kész receptünk. Hogy mik egy macskás kép pixelszíneinek kritériumai? Egy programozó aligha fogja ezt összeszedni, mert maga sem tudatos módon ismeri fel a szemével, agyával a macskát. Ezért bízzuk rá magára a programra, hogy ő milyen hasonlóságokat lát sok-sok macskás kép között, és milyen különbségeket lát sok-sok nem macskás képhez képest. Tanulja meg a program magától azt, hogy mi egy macskás kép jellemzője. Utána majd el fogja tudni dönteni, hogy egy kép mekkora eséllyel ábrázol macskát. Egy kutyát felismerő program esetén ugyanazt a programot tudjuk használni, csak ott a tanulás folyamán kutyás képeket fogunk beletölteni, kutyás képek felismerésére fogjuk megtanítani a programot. Röviden az MI lényege, hogy nem csak az adat az, ami változó, hanem bizonyos értelemben maga az algoritmus, ami összeköti a bemenő és az elvárt kimenő adatokat, az is változó, a tanítás során alakul ki.

Persze egy jobb Google képkereső nélkül megvagyunk. Viszont számos olyan felhasználása van a mesterséges intelligenciának, ami életeket menthet, vagy komolyabb előnyöket biztosít. Pl. remekül használhatóak gyógyszerészeti, orvosi kutatásokban, időjárás előrejelzésnél, földrengés előrejelzésnél, logisztikai rendszereknél, használni tudja az ipar és a mezőgazdaság, de a hétköznapi magánfelhasználás sem ritka (robot porszívók, fűnyírók, bevásárlás stb…).

Ahogy a robotot – mint hardver – az előzetes elképzelések alapján emberszabásúnak álmodták meg, a gyakorlatban a robotizálás nagyon is specializált lett az adott feladatra. Ugyanígy ahogy a mesterséges intelligenciát az előzetes elképzelések alapján egy emberhez hasonló intelligenciának alkották meg, úgy a gyakorlatban ez is specializált feladatokra van kihegyezve, a módszertan is ennek megfelelő. Egy sakkozni tudó MI nem fog tudni autót vezetni, egy autót vezetni tudó MI nem fog tudni hurrikán útvonalat előrejelezni, egy időjárás elemző MI meg nem fog tudni sakkozni.

Persze van egy terület, ami látszólag általánosnak tűnik. Ez pedig a chatrobot. Ennek is van praktikus oldala, pl. ügyfélszolgálatok remekül tudnák használni. De ez becsapós. A chatrobot valójában nem értik azt, amiről beszélnek. Pl. lehet, hogy az „alma” SZÓRÓL tudják, hogy főnév. Lehet azt is tudják, hogy szoros kapcsolata van a „piros”, „édes”, „kerek” szavakkal, kicsit enyhébb kapcsolata a „zöld” és „sárga” szavakkal, viszont nagyon gyenge kapcsolata a „lila”, „szögletes” szavakkal, de hogy tulajdonképpen mi is az az alma, és hogy a piros, zöld, lila szavak színeket jelentenek, a kerek és szögletes meg formát azt nem tudják. Illetve sokszor nem maga a chatrobot válaszai értelmesek, hanem az ember ruházza fel őket értelemmel, az ember gondol mögé értelmet. Klasszikus példám:

Chatrobot: Mi a foglalkozásod?

Ember: Programozó vagyok.

Chatrobot: Nagyon érdekesen hangzik. Pontosan miből is áll a munkád?

Ember: Egy online számlázóprogram szerver oldali részét fejlesztem.

Chatrobot: Az nagyszerű. Én mindig is hülye voltam az ilyenekhez.

Egy egyszerű, nem túl intelligens chatrobot lehet, hogy sablonként adja ezeket a válaszokat, mert a legtöbb esetben ez értelmes beszélgetésnek tűnik, ha az ember értelmes és szokványos válaszokat ad, akármire is cseréljük ki az ember válaszait. De adott esetben elég hülyén hangzik:

Chatrobot: Mi a foglalkozásod?

Ember: Munkanélküli vagyok. Sajnos egy balesetben elveszítettem mindkét lábamat.

Chatrobot: Nagyon érdekesen hangzik. Pontosan miből is áll a munkád?

Ember: Hülye vagy? Hát most mondtam, hogy munkanélküli vagyok, itt rohadok egy tolószékben.

Chatrobot: Az nagyszerű. Én mindig is hülye voltam az ilyenekhez.

Vagy:

Chatrobot: Mi a foglalkozásod?

Ember: Tojásrántotta.

Chatrobot: Nagyon érdekesen hangzik. Pontosan miből is áll a munkád?

Ember: Libazsír.

Chatrobot: Az nagyszerű. Én mindig is hülye voltam az ilyenekhez.

Tehát nem maga a chatrobot az, ami értelmes, hanem az ember az, aki értelmet projektál a chatrobot válaszaiba, miközben lehet, hogy az olyan egyszerű, mint egy faék. Még a cizelláltabb, folyamatosan tanuló chatrobotok is azért tűnnek butának, mert a válaszolóktól tanulnak, és nem ismerik az eltérő válaszok eltérő kontextusát. Mivel tőle gyakran kérdezik, hogy milyen nemű, mennyi idő, milyen idő van, ő is megpróbálja ezeket a kérdéseket feltenni másoknak, akik meg természetesen mindig mást válaszolnak, a nemre néha azt, hogy fiú, néha hogy lány. Az korra rákérdezve néha 16 évet, néha 25 évet, néha meg 38 évet adnak az emberek válaszul. Hogy milyen az időjárás, arra meg hol azt kapja válaszul, hogy esik, hol azt, hogy havazik, hol azt, hogy süt a nap. Ebből tanulva aztán ő is hasonló, de nem konzisztens válaszokat ad. Pl. lehet, hogy azt mondja, hogy őt Istvánnak hívják, lány, 12 éves és van jogosítványa. Aztán ha újra megkérdezed, akkor már fiú lesz, Évának hívják és nyugdíjas…

Persze lehet, hogy egy chatrobot egy-egy kérdésre konzisztens választ ad. Pl. el tudja mondani, hogy hogyan kell elkészíteni egy lecsót. De számára ezek csak betűkből álló szavak, szavakból álló mondatok. Az ember azt gondolja, hogy „nyilván” érti is, hogy miről beszél, pedig nem. „Nyilván” ha tudja a lecsó receptjét, akkor el is tudná készíteni, pedig nem. Így bár egy általános intelligencia illúzióját kelti, valójában ez is csak egy specializált szoftver, csak bemenő betűsorokra kimenő betűsorokat produkál.

~ ~ ~

Egy általános intelligencia kifejlesztésére valójában nincs igazán igény. Így nincs, aki finanszírozna egy ilyen jellegű kutatást, fejlesztést. Finanszírozni csak célirányos MI-ket szoktak, azzal a reménnyel, hogy a befektetett pénz az MI működésének köszönhetően meg fog térülni. Általános intelligenciát maximum hobbi szinten, esetleg egyetemeken, ösztöndíjakból finanszírozva kutatnak ímmel-ámmal, annak tudatában, hogy praktikus felhasználása valószínű nem lesz egyhamar.

Maga a technológia meg, amire az MI-k épülnek – neurális hálók, fuzzy rendszerek, evolúciós algoritmusok – tulajdonképpen több évtizedes technológiák, ma maximum csak csiszolgatják őket. Illetve az elméletük régi, csak régebben nem volt elég számítási kapacitás arra, hogy komolyabb céllal használhatóak legyenek. Egy sakkozni megtanuló MI esetén 30 éve bár megvolt az elmélete, hogy hogyan lehetne megírni egy ilyet, de a gyakorlatban sok millió játék betanítása borzasztóan sokáig tartott volna, illetve magában egy játékban sem állta volna meg a helyét, mert vagy túl lassan lépett volna, vagy túl felületesen elemezte volna az állást, és nem lett volna túl jó játékos. Mára nem is annyira az algoritmus lett jobb, hanem a számítási kapacitás lett nagyobb, olcsóbb, gyorsabb.