Hol tart jelenleg a Mesterséges Intelligencia kutatása?

Az AI nem egy egzakt fogalom.

Jelenleg a mesterséges neurhálókkal lehet a legjobb eredményeket elérni... de ezek csak speciális részfeladatokat látnak el.

Összetett, feladatmegoldó emberihez hasonló mesterséges értelemtől nagyon messze vagyunk még.

https://www.youtube.com/watch?v=JvbHu_bVa_g

A google ai assistant egy program, aki képes bármilyen ügyintézés lebonyolítására magától.

Megadod neki az adatokat mikor érsz rá, mit szeretnél és elintézi neked az ügyintézést.

Kb itt tart a technológia.

Az autók önműködőek lesznek a jövőben. Nem kell sofőr ki vezessen.

https://www.youtube.com/watch?v=hANXIPxN1ME

Itt például pizzafutár önműködő autó van szolgálatban.

Nagyjából ezek számíthatóak a jövőben. Összességében kevesebb munkahely, mert a gépek midnent jobban fognak tudni csinálni.

Itt van egy fogalmi köd… Intelligenciának a problémamegoldó képességet nevezzük. Az ember intelligenciája általános jellegű. Egy-egy mesterséges intelligencia meg specializált. Adott területen lehet sokkal jobb, mint az ember, mondjuk egy sakkozó MI képes a legjobb, legintelligensebb sakkozót is megverni sakkban, de nem tud beszélni, nem tud tojást sütni, stb… Másik oldalról az intelligencia az egy skála. Mi hajlamosak vagyunk azt „intelligensnek” nevezni, amit egy átlagos ember intelligenciaszintjének felel meg. De vannak alacsonyabb szintű intellienciák is, és azok is intelligenciák. Analóg hasonlattal, súlyosnak azt az embert nevezzük, akinek a súlya nagyobb az átlagnál. De a kórosan sovány, anorexiás embernek is van súlya, meg egy tollpihének is van súlya, tehát súlyos.

Az intelligencia tehát egyrészt problémamegoldó képesség. Erre egy nagyon primitív algoritmus, sőt akár egy teljesen mechanikus szerkezet is képes, nyilván nagyon szűk korlátok között. Mondjuk egy ajtóbehúzó is képes arra, hogy egy nyitott ajtót becsukjon. Ha nagyon tágan értelmezzük, ez is problémamegoldás. És még csak elektronika sem kell hozzá, pusztán egy egyszerű fizikai törvény mentén működik.

Az intelligencia viszont nem csak problémamegoldó képesség, hanem annak mélyén valamiféle mintafelismerő képesség is van. Egy szoftver esetén a szoftvernek vannak bemeneti adatai, és kimeneti adatai. Mondjuk egy sakkprogramnak a bemeneti adatai a figurák helyzete a sakktáblán, a kimeneti adatai meg mondjuk azok, hogy melyik figura, és melyik mezőre lépjen. Ma egy mesterséges intelligenciával szembeni elvárás az, hogy képes legyen tanulni. Ha a százezredik futtatás után ugyanarra a bemenetre ugyanazt a kimenetet adja, az nem tanul. Ha a százezredik futtatás után ugyan más, de objektív kritériumok alapján értékelve nem ad jobb kimenetet, akkor sem tanul. Tanulás az, ha a program a százezredik futtatásnál ugyanarra a bemenetre, az elvárásaink, kritériumaink alapján jobbnak értékelt kimenetet ad, a kétszázezredik futtatás után még jobbat.

Valahol ez ma az MI kritériuma, amitől valamit mesterséges intelligenciának nevezünk. Ennek az intelligenciának a szintje adott szűk területen jóval magasabb lehet az emberénél, általános szinten meg jóval alatta van.

De általános mesterséges intelligenciát nem nagyon csinálunk. Aki MI-t fejleszt, az 99,9%-ban egy adott, konkrét problémára specializálja az MI-jét. Fejlesztünk sakkozó MI-t. Fejlesztünk képfelismerő MI-t. Fejlesztünk fordító, tolmács MI-t. Fejlesztünk személyi asszisztens MI-t. Fejlesztünk zenekomponáló MI-t. Fejlesztünk időjárás előrejelző MI-t. Meg milliónyi MI-t fejlesztünk, de mindegyik speciálisan egy adott funkciót képes ellátni, minden másban annyit tud, mint egy darab százasszög. Általános MI-t, kvázi egy emberszerű MI-t senki nem fejleszt, nem lenne praktikus, nincs ok, cél, hogy ilyet fejlesszünk.

Szóval arra a kérdésre, hogy van-e olyan program, ami tekinthető mesterséges intelligenciának, előbb azt kellene meghatározni, hogy mi az a kritériumrendszer, aminek teljesülése esetén valamit mesterséges intelligenciának nevezünk. Ez meg nem egy objektív, önmagától adódó követelményrendszer, hanem egy önkényesen meghatározott fogalom. Jelen korban leginkább ezt a pusztán bemenetekből és jónak, rossznak osztályozott kimenetekből való tanulás értük alatta, amely során a szoftver akár képes sokkal több összefüggést magától megtalálva jobb kimenetet adni, mint maga a szoftver írója, a program algoritmusa nem egy bedrótozott kód, hanem részen maga is egy folyamatosan változó adat. Régen ennél kevesebb kritérium alapján is neveztünk valamit MI-nek, a jövőben meg valószínű sokkal szigorúbb kritériumoknak kell megfelelnie annak, hogy valamit MI-nek nevezzünk.