Mesterséges intelligencia: Bitcoin, szabályozó hatóságok, a munkahelyek jövője és a SkyNet

Mesterséges intelligencia: BTC, szabályozások, a munkahelyek jövője és a SkyNet – TARTALOM

1. Bitcoin és mesterséges intelligencia
2. Mindannyian elveszítjük a munkánkat?
3. Megment minket a brüsszeli bürokrata az emberiség pusztulásától?

Bitcoin és mesterséges intelligencia

A sorozat bevezető részében összekapcsoltam az internetet, a mesterséges intelligenciát és a Bitcoint. Az internet összekapcsolta az elméket, a mesterséges intelligencia segít fejleszteni a képességeinket (növeli az intelligenciánkat), a Bitcoin pedig lehetővé teszi az értékátvitelt térben és időben egyaránt. Mindhárom esetben lényeges, hogy mindez harmadik felek beavatkozása nélkül történjen – cenzúra, manipuláció és hasonlók nélkül.

A filozófiai fejtegetésektől eltekintve – van értelme a mesterséges intelligenciáról a Bitcoin kontextusában gondolkodni? Talán sok olvasó most azt gondolja, hogy a következő bekezdésben valami hallucinációt fog olvasni a mesterséges intelligencia és a blokklánc összekapcsolásáról, ahogy azt korábban sok ICO projekt elképzelte. Csalódást kell okoznom, kizárólag a Bitcoinról fogunk beszélni, és nem húzzuk rá a mesterséges intelligenciát a blokkláncra.

A pénz – és így a Bitcoin is – lehetővé teszi a szűkös erőforrások elosztásának koordinálását. A mesterséges intelligencia számára a szűkös erőforrás a számítási kapacitás – a tanításhoz és az inferenciához –, valamint bizonyos körülmények között az adatok, bár az internet „eredendő bűnének” köszönhetően megszoktuk, hogy ott minden „ingyen” van, vagyis az adatainkkal és a figyelmünkkel fizetünk, tehát az adatok gyakran nem igazán szűkösek.

Közösségi finanszírozás, versenyek és a Common Voice

Ez azonban nem mindig igaz. Vannak olyan adatok, amelyeket csak komoly munkával lehet előállítani, ahogy például az ImageNet projekt esetében is történt. A közgazdaságtan egyik ismert problémája a „közjavak” finanszírozása. Közjószág az, amelynek használatából nem lehet (vagy nem érdemes) kizárni senkit, így azok is élvezhetik, akik nem fizettek érte. Őket nevezzük potyautasoknak. Vegyünk egy kis hidat egy folyó felett: az elmélet szerint nem lehet megakadályozni, hogy bárki átmenjen rajta. A valóságban viszont lehetséges a kizárás, például forgókapuval, útdíjjal vagy előfizetéssel. A közjavak finanszírozásának egyik lehetséges megoldása a közösségi finanszírozás (crowdfunding), amely nem akadályozza meg a potyautasokat abban, hogy használják a közjószágot, ehelyett a támogatóknak valamilyen pluszt ígér cserébe. Erre jó példa a rotterdami Luchtsingel híd, amelyet közösségi finanszírozási kampánnyal építettek meg. A hidat bármelyik gyalogos használhatja, de azoknak, akik hozzájárultak az építéséhez, a nevét belevésték a híd fájába. Ők tehát kaptak valamit, amit a „potyautasok” nem.

A közjavak finanszírozásának egy másik alapelve az ösztönzőkkel egybekötött verseny. A hacker közösségben gyakran működnek így a hackathonok – olyan versenyek, amelyek szűkebben vagy tágabban meghatározott problémák megoldására irányulnak. A legismertebb talán az Ansari X-Prize, amely annak a csapatnak fizetett jutalmat, amelyik elsőként hozott létre újrafelhasználható repülőgépet, amely eljutott a Föld körüli pályára, landolt, majd két héten belül megismételte mindezt. Valójában azonban ez az elv sokkal régebbi. Például az 1920-as években Raymond Orteig vállalkozó 25 000 dolláros jutalmat ajánlott fel az első embernek, aki leszállás nélkül repül New Yorkból Párizsba. Több ember sikertelen kísérlete után 1927-ben Charles Lindbergh amerikai pilótának sikerült a Spirit of St. Louis nevű gépével.

A mesterséges intelligenciához adatokra van szükség a tanításhoz. Az egyik ilyen adatgyűjtő projekt a Mozilla Foundation Common Voice projektje. A projekt annotált hangfelvételeket gyűjt különböző nyelveken, amelyek segítségével hangfelismerő modelleket tanítanak. Ugyanakkor a közösségi finanszírozás és a versenyek természetesen nem az egyetlen módjai annak, hogy bitcoinnal támogasd az adatgyűjtést. Egy másik remek lehetőség a mikrofizetések, amelyekkel bárkit jutalmazhatsz, aki adatokat szolgáltat vagy elvégez valamilyen feladatot.

Számítási kapacitás az inferenciához

A mikrofizetéseknek köszönhetően csökkenthetők a mesterséges intelligencia modellek inferenciájának (számításainak) tranzakciós költségei. Mivel egy-egy inferencia számítási igénye nem túl nagy, nem minden felhasználási esetben optimális az előfizetéses modell vagy az API-hozzáférés hitelkártyán keresztül.

Például ha open-source eszközök felhasználóinak szeretnénk lehetővé tenni valamilyen mesterséges intelligencia API használatát – fordítás, összegzés, képgenerálás, beszédfelismerés és hasonlók –, nem akarunk fizetéseket feldolgozni, legfeljebb részesedést szeretnénk egy harmadik félnek történő fizetésből. Erre a Bitcoinban olyan technológiák léteznek, mint a Lightning vagy az e-cash rendszerek különböző implementációi. Ezeknek az eszközöknek köszönhetően a felhasználók közvetlenül a saját tárcájukból fizethetnek mikrofizetésekkel a mesterséges intelligencia szolgáltatásaiért.

Regisztrálhatsz egy szolgáltatásnál, megadhatod a hitelkártyaszámodat, és felfedezheted a választott szolgáltatás előfizetési lehetőségeit. Vagy fizethetsz közvetlenül a Lightning tárcádból egy egyszerű mikrofizetéssel. A Lightning a tranzakciós költségeket csökkentő mikrofizetéseken túl lehetővé teszi a fizetős „machine to machine” kommunikációt is.

Az előző részben a mesterséges intelligencia modellek összekapcsolásáról írtam – beszédfelismerés, amely feladatot generál egy nyelvi modellnek, amelynek kimenetéből a fordítómodell egy másik nyelvű kimenetet hoz létre, és esetleg vizuális koncepciót is készít a feladathoz. Ezek az összekapcsolások automatizálhatók, de jó lenne, ha gazdasági alapokon is nyugodnának. Jelenleg az összekapcsolások előfizetéses és kreditalapú rendszeren alapulnak, de az olyan eszközöknél, mint például az AutoGPT, BabyGPT vagy AgentGPT, nem biztos, hogy mindig minden eszközre szükség van. Ezek az eszközök más eszközöket és adatforrásokat tesznek elérhetővé a nyelvi modellek számára, amelyek felhasználhatják őket egy előre meghatározott cél eléréséhez.

Például ha a mesterséges intelligencia programnak azt a feladatot adod, hogy töltse ki a casco biztosítás kártérítési igényét, amelynek bemenete a balesetről készült fényképek, használhat általános képfelismerést, de a kitöltéshez jól jöhet egy járműrendszám-felismerésre specializált modul is. Erre a modulra azonban csak néhány évente egyszer van szükséged, ezért nincs értelme regisztrálni a szolgáltatójánál és előre fizetett krediteket vásárolni – az autonóm ágensed vásárolhat egyetlen felismerést mikrofizetéssel a te közreműködésed nélkül. Ha megadsz neki egy túl nem léphető költségkeretet, mérlegelheti, hogy megéri-e ezt a modult használni a kitöltéshez, ha nincs más információforrása annak a járműnek a márkájáról, amelyik a kocsidnak ütközött.

Egy másik hatékony lehetőség az inferenciához szükséges számítási kapacitás közvetlen elérése. Természetesen bérelhetsz GPU-val felszerelt virtuális szervert is valamelyik felhőszolgáltatótól, de a gyakorlatban gyakran jóval költséghatékonyabb és egyszerűbb egy úgynevezett serverless AI (vagy API-alapú) szolgáltatáshoz fordulni. Itt a kívánt modell már előre be van töltve a memóriába, így az infrastruktúra kezelése nélkül, azonnal megkapod a kéréseidre a válaszokat. Erre a koncepcióra épültek az olyan elosztott projektek is, mint a Petals, amely eredetileg a BLOOM, majd később a LLaMA-alapú modellek futtatását tette lehetővé a BitTorrent-hez hasonló, peer-to-peer elven — ahol a felhasználók saját videokártyáik kapacitását osztották meg egymás között. Míg a Petals inkább egy úttörő kísérleti projekt marad, a decentralizált számítási kapacitás koncepciója mára érett piaci megoldássá vált: az olyan hálózatok, mint az Akash Network vagy az io.net, már kriptovaluta- és mikrotranzakció-alapú ösztönzőkkel biztosítanak rugalmas és olcsó GPU-kapacitást az AI-inferenciához.

Számítási kapacitás a modellek finomhangolásához

Az egyes neurális hálózatok számításai egyébként még viszonylag olcsók, hardveres gyorsítással, mint például az NVidia videokártyák vagy az Apple Silicon processzorok. Továbbra is kérdés a memória, de ez kvantálással (az egyes paraméterek pontosságának csökkentésével) megoldható, amivel jelentős minőségromlás nélkül nagyjából harmadára csökkentheted a memóriaigényt. Egyetlen lényeges hátránnyal – a tanítás teljes pontossággal működik jobban, a kvantálás csak a már betanított modellre alkalmazható. És pontosan itt segíthet a Bitcoin a modellek megosztott tanításában vagy finomhangolásában. Ha az emberek úgy döntenek, hogy tanítási kapacitásra van szükségük, azt meg lehet osztani. A Bitcoin-ösztönzés hozzáadásával és például közösségi finanszírozással való összekapcsolással a közösségek jobb modelleket tudnak finomhangolni specifikus felhasználásra – például magyar nyelvű interakcióhoz.

Chatbotok, amelyek értenek a Bitcoinhoz

A hagyományos nyelvi modellek „politikailag korrekt elfogultsággal” rendelkeznek. A bitcoinnal kapcsolatos kérdésekre elmagyarázzák, hogy a kriptovaluták rettenetesen veszélyesek, de a fiat pénzzel kapcsolatos kérdéseknél nem figyelmeztetnek arra, hogy inflációs coinokról van szó, amelyeket a bankok kedvük szerint nyomtatnak.

A finomhangolásra jó példák lehetnek éppen azok a nyelvi modellek, amelyek a Bitcoinnal kapcsolatos kérdésekre érdemi választ adnak, nem pedig kockázatkezelési előadást tartanak.

Közösségi hálózatok - Nostr

Az olyan nyílt közösségi hálózatok, mint a Nostr, natív környezetet biztosítanak a botok és az AI-ágensek interakciójára. Ezeket a szolgáltatásokat közvetlenül, mikrofizetésekkel is jutalmazhatod „zapok” formájában, amelyek a Bitcoin Lightning Hálózaton futó mikrotranzakciók. A Nostr protokoll nemcsak támogatja, de szervesen integrálja is az emberi és a mesterséges intelligencia jelenlétét egyetlen decentralizált platformon.

Ezek a nyílt hálózatok az emberi és a mesterséges intelligencia közötti együttműködés központi terepévé váltak, ahol az AI-alapú szolgáltatások közvetlenül javítják és gazdagítják a közösségi interakciókat. A mesterséges intelligencia emellett lehetővé teszi a tartalom személyre szabott rendezését és szűrését is, így az ajánlóalgoritmusok feletti ellenőrzés a szolgáltatók helyett magánál a felhasználónál marad. A natív zap-ek pedig fenntartható finanszírozási modellt nyújtanak ezen AI-projektek és algoritmikus hírfolyamok számára az „értékért értéket” (value4value) elv alapján.

Mindannyian elveszítjük a munkánkat?

Az a félelem, hogy elveszítjük a munkánkat, természetes, hiszen a javadalmazás a termeléshez kötődik. A Bitcoin mint pénz kiváló eszköz a szűkös erőforrások elosztására. A társadalom jó cselekedeteinek emlékezete – ha segítek valakinek megoldani egy problémát, jutalmul kapok egy bejegyzést bitcoin formájában. Természetesen más nyilvántartási formákat is használunk, például forintot, eurót vagy dollárt, de ezeket a pénznyomtatás károsítja. Ezt valószínűleg nem kell elmagyaráznom. Ha jó pénzünk van, ahol nem keletkeznek hamis bejegyzések (valaki pénzt kap anélkül, hogy jó cselekedetet hajtott volna végre), felmerül a kérdés – mi van, ha elveszítjük a lehetőséget a jó cselekedetek végzésére?

Ez azt feltételezi, hogy az embereknek nem lesznek problémáik. A világ gyönyörű lesz, mindent robotok és mesterséges intelligencia végez majd, mi pedig a tengerparton napozunk és könyveket olvasunk, amelyeket a mesterséges intelligencia ír nekünk. Ha bekövetkezne egy ilyen forgatókönyv, akkor egy szűkös erőforrások nélküli világban élnénk, tehát nem lenne szükségünk pénzre (ha valami nem szűkös, nem kell cserélnünk, elég csak elvenni – homok a tengerparton, a levegő, amit belélegzünk, víz a folyóból). És ha nincs szükségünk pénzre, nem kell munkával megkeresnünk.

Amíg eljutunk a szűkös erőforrások és problémák nélküli világba, érvényes Peter Diamandis tanítása – a világ legnagyobb problémái egyben a legjobb üzleti lehetőségek. Ha szűkös erőforrásokkal rendelkező világban élünk, ahol az embereknek problémáik vannak, nem kell aggódnunk a munka miatt.

Ez a kérdés nem új keletű. Mit csinálnak majd a gazdák a földeken, ha valaki feltalálja a traktort? Mit csinálnak a kocsisok, ha az emberek autót vezetnek? Valójában arra a problémára kell összpontosítanunk, amelyet megoldunk – élelmiszer-termelés, emberek és áruk szállítása –, és rájövünk, hogy ezek csupán eszközök, amelyek segítenek produktívabbnak lenni. Vagyis jobban és hatékonyabban megoldani a problémákat. Ha ez sikerül, társadalomként meggazdagodunk.

Az emberi munka védelme tehát eddig a pontig felesleges. Az emberek mindenekelőtt jobban fognak dolgozni – a mesterséges intelligencia nem váltja ki az embereket, hanem lehetővé teszi számukra, hogy jobban termeljenek, és így jobban megoldják az emberek problémáit. Ez természetesen azt feltételezi, hogy a munkavégzés módját, és bizonyos körülmények között a munka tartalmát is hozzáigazítjuk a technológiákhoz. A gazdának a kapa helyett meg kell tanulnia, hogyan kell traktort vezetni.

Sam Altman, az OpenAI alapítója más megoldást is kínál. A WorldCoin nevű projektje egy olyan technológiát próbál létrehozni, amely univerzális alapjövedelem közvetítésére szolgál. Az ötlet lényege, hogy pénzt kapsz anélkül, hogy bármit is létrehoznál. Ezt a technológiát az államok használhatnák a nyomtatott pénz újraelosztására. Ennek az ötletnek több problémája is van. Kezdjük azzal, hogy a sikerhez le kell mondanod a magánéleted egy részéről, mivel mindenki csak egyszer kaphatna támogatást. A WorldCoin ezt a problémát úgy oldja meg, hogy létrehozott egy gömböt, amely biometrikus adatokat vesz fel (ujjlenyomatok, szemszkenner), és igazolja a kriptovaluta-tárca egyediségét. Bár dolgoznak a tranzakciók anonimitásán, sokak számára ez a forgatókönyv disztópikusnak tűnik, mivel továbbra is lehetséges egy embert „kikapcsolni”, és ezzel elvágni a pénzügyi rendszertől.

Sokkal súlyosabb probléma azonban a termelés és a fogyasztás szétválasztása. Ahogy Hans Hermann Hoppe megjegyzi „Demokrácia, a bukott bálvány” című könyvében, a fogyasztást mindig meg kell előznie a termelésnek. Nem fogyaszthatunk el olyasmit, amit korábban senki nem hozott létre. És mivel szűkös erőforrások fogyasztásáról van szó (vagyis olyasmiről, amiből nincs korlátlan mennyiség), a fogyasztást a termeléshez kell kötni. Ezért az univerzális alapjövedelem nem oldja meg a szűkös erőforrások problémáját, hanem ellenösztönzi az embereket a termeléstől.

Mi tehát a megoldás? A Bitcoin és a technológiai fejlődés (vagyis a hatékonyabb – olcsóbb – termelés) összekapcsolásával árcsökkenési hatás lép fel. Már ma is sokkal kevesebbet kell termelnünk ugyanahhoz az életszínvonalhoz, mint egykor.

Míg a 16. századig a népesség többsége a mezőgazdaságban (vagyis az élelmiszertermelésben) dolgozott, jelenleg jóval 10% alatt vagyunk. Az élelmiszertermelés tehát annyira hatékonnyá vált, hogy az emberek többsége mással foglalkozhat. Ha ez a trend folytatódik (a mesterséges intelligenciának és a Bitcoinnak köszönhetően), elképzelhető, hogy valóban hatékonyabban oldjuk meg az emberek problémáit, és így ugyanahhoz az életszínvonalhoz kevesebbet kell majd dolgoznunk. Az univerzális alapjövedelem tönkreteszi ezt a fejlődést – a jó pénz ennek a hatásnak az alapfeltétele.

Megment minket a brüsszeli bürokrata az emberiség pusztulásától?

Az emberiség mesterséges intelligencia általi pusztulásától disztópikus könyvekben sci-fi szerzők óvtak minket, számos film készült ebben a témában (az idősebbek főleg a Terminátort ismerik), az utóbbi időben pedig vállalkozók (Elon Musk, Sam Altman), filozófusok (Yuval Noah Harari, Nick Bostrom) és politikusok kedvelt témájává vált.

Bár a technológiai fejlődés lassítását vagy megállítását célzó felvetések korábban is megjelentek, a gyakorlatban ezek a kezdeményezések nem érték el a céljukat. A 2023-ban közzétett „Pause Giant AI Experiments: An Open Letter” című nyílt levélben a világ neves személyiségei arra szólítottak fel, hogy ideiglenesen mindenki függessze fel a mesterséges intelligencia kutatását. A levélben így fogalmaztak: „Felszólítjuk az összes mesterséges intelligencia laboratóriumot, hogy azonnal, legalább 6 hónapra függesszék fel a GPT-4-nél erősebb mesterséges intelligencia rendszerek betanítását. Ennek a felfüggesztésnek nyilvánosnak és ellenőrizhetőnek kell lennie, és minden kulcsfontosságú szereplőre ki kell terjednie. Ha ilyen ideiglenes felfüggesztést nem lehet gyorsan bevezetni, a kormányoknak kell közbelépniük és moratóriumot elrendelniük.”

Noha a felhívás óriási nemzetközi visszhangot váltott ki és intenzív vitát indított el az AI-biztonságról, a kért hat hónapos fejlesztési moratórium soha nem valósult meg. A vezető AI-laboratóriumok nem állították le a kutatásokat, a fejlesztési verseny pedig azóta is töretlenül zajlik, míg a kormányok a fejlesztések betiltása helyett a jogi és etikai szabályozási keretek (mint például az EU AI Act) kidolgozására helyezték a hangsúlyt.

Ezzel a megközelítéssel több probléma is volt. Egyrészt, amikor az iparági szereplők a szabályozókat a kutatások korlátozására szólították fel, az sokak szemében felfogható volt járadékvadász stratégiaként a konkurencia megfékezésére: a piacvezető cégek tovább monetizálhatták meglévő fejlett modelljeiket, miközben az új kihívók mozgásterét szűkítették volna. A másik probléma az volt, hogy a GPT-4 sem volt teljesen nyílt modell, így a „GPT-4-nél erősebb rendszerek” meghatározása jogilag és technikailag is megfoghatatlan maradt, hiszen még az alapvető architektúrális adatokat vagy a pontos paraméterszámot sem hozták nyilvánosságra. Ráadásul a fejlesztések azóta igazolták, hogy a fejlődés nem pusztán a paraméterszám növeléséből áll: a hatékonyabb tanítási módszerek, a szintetikus adathalmazok, a jobb architektúrák és a dedikált érvelési (reasoning) modellek révén jóval kisebb méretű és alacsonyabb erőforrás-igényű modellek is képesek felvenni a versenyt a korábbi óriásmodellekkel. A hangsúly így a puszta méretnövelésről a minőségre, a hatékonyságra és a specifikus képességekre tolódott át.

További probléma, hogy mindez hogyan nézne ki a gyakorlatban. Nyílt forráskódú modellek születnek. A világ kormányai sokkal fontosabb kérdésekben sem tudnak megegyezni, nemhogy a kutatás felfüggesztésében. Ráadásul egy ilyen tilalom lényegében kartellmegállapodás, a kartellmegállapodásoknak pedig van egy alapvető problémájuk – a kartellmegállapodás megszegése rendkívül jövedelmező. Például az országok már évek óta próbálnak bevezetni egy 10%-os minimális jövedelemadót. De mivel bárki, aki nem fogadja el ezt a minimális kulcsot, hatalmas mennyiségű üzletet vonz az országába, ez a törekvés sikertelen marad.

Egy ilyen globális moratóriumhoz a Nyugat és Kína teljes egyetértésére lett volna szükség, Kína esetében azonban ez kezdettől fogva valószínűtlen volt. Emellett az áttörő innovációk jelentős része nem a zárt óriásvállalatoktól, hanem a globális nyílt forráskódú közösségből érkezik. Bár a nyílt modellek úttörői között olyan szereplők voltak, mint az Abu-Dzabiban kifejlesztett Falcon, a nyílt forráskódú ökoszisztémát ma már az olyan fejlett modellcsaládok határozzák meg, mint a Meta Llama sorozata vagy a francia Mistral AI megoldásai, amelyeket szintén széles körben használnak kereskedelmi célokra is. A kutatások egyoldalú szüneteltetése a gyakorlatban azt jelentette volna, hogy a fejlesztések csak azokban az országokban folytatódnak, amelyek figyelmen kívül hagyják az ilyen megállapodásokat. Egy ilyen lépés azzal a kockázattal járt volna, hogy a stratégiai fontosságú AI-kutatások élvonala áttolódik az olyan szereplőkhöz, mint Kína vagy Oroszország.

Az Európai Unió színre lép

A személyes adatok védelmét szolgáló GDPR-szabályozás „nagy sikere” után az Európai Unió úgy döntött, hogy a mesterséges intelligencia világához szabályozásokkal járul hozzá. Nem lenne fair azt állítani, hogy az európai cégek nem járulnak hozzá a mesterséges intelligencia modelljeinek fejlesztéséhez, de mindenki számára nyilvánvaló, hogy az innováció oroszlánrésze máshol történik – az USA-ban, Kínában, de más országokban is.

Az európai szabályozók a korábbi egyeztetések után életbe léptették az Európai Unió átfogó mesterséges intelligencia szabályozását, az AI Actot (AI Törvényt). A jogszabály előkészítése során a hatóságok szorosan együttműködtek a nagy technológiai vállalatokkal, amelyek aktívan igyekeztek alakítani, hogyan érdemes keretek közé terelni az egész ágazatot. A szabályozás alapja továbbra is az a megközelítés, hogy az Európai Unió jelentős piac, így a globális cégek kénytelenek teljesíteni Brüsszel szigorú követelményeit, ha jelen akarnak lenni a kontinensen – ezáltal teremtve meg az úgynevezett „Brüsszel-hatást” a nemzetközi AI-szabályozásban.

Ez a helyzet a New York-i „BitLicense”-ra emlékeztet. New York állam úgy döntött, hogy engedélyhez köti a kriptovaluta-cégek működését, mondván, hogy minden józan kriptovaluta-vállalkozó nyilván Wall Street-i ügyfeleket akar. A valóságban a legtöbb cég egyszerűen bevezetett egy jelölőnégyzetet: „Megerősítem, hogy nem New York államból vagyok”. A szabályozók úgy érzik, hogy az egész világot irányítják, de az emberek többsége nem New York államban és nem az Európai Unióban él. Hasonló hatást látunk a mesterséges intelligencia területén is. A Bard asszisztens indulásakor hosszabb ideig elérhetetlen volt az Európai Unióban a szigorú adatvédelmi szabályozás (GDPR) miatti felülvizsgálatok miatt. Azóta viszont a Google már bevezette a szolgáltatást az EU-ban, illetve át is nevezte és alapjaiban megújította: a Bard helyét a Gemini vette át, amely már teljes körűen elérhető az uniós piacon is, megfelelve a helyi adatvédelmi és jogi előírásoknak (beleértve a fokozatosan hatályba lépő EU AI Act rendelkezéseit is).

Szóval megöl minket a Terminátor SkyNetjének modern megfelelője? Erre a kérdésre természetesen nincs válaszunk, de érdemes megjegyezni, hogy a technológiai fejlődést nem tudjuk megállítani. A technológiákat nem lehet „feltalálatlanná” tenni, és hatékonyan betiltani sem tudjuk őket. Ezért jobb megközelítés azt vizsgálni, mit tehetünk, ha a technológiai fejlődést adottságnak tekintjük.

A második út, amelyet a technológiai cégek választottak, a diszkrimináció és a torzítások kiküszöbölése, valamint az ún. alignment – az emberiség értékeivel való összhang – megteremtése.

A torzítások kiküszöbölése azonban kissé megmosolyogtat. Emlékszem az egyetemi Gépi tanulás tankönyvre, amelynek már az első fejezetében van egy bekezdés „A tanuláshoz torzítás szükséges” címmel. Ez a torzítás (a priori információ) abszolút nélkülözhetetlen, és nélküle hasznos tanulás nem lehetséges. Végtelen sok olyan függvény létezik, amely helyes eredményeket ad, vagyis amelyek a tanítóhalmaz bemeneteit helyes kimenetekké alakítják. Ahhoz, hogy a hálózat tanulni tudjon, az alkotónak torzítást kell implementálnia, vagyis a priori feltételezéseket a világról. Természetesen itt is különböző típusú torzítások léteznek, és nem mindegyik kívánatos.

Mi a helyzet az értékeinkkel való „összhang” kérdésével? Mindenekelőtt nem gondolom, hogy létezne olyasmi, mint az emberiség közös értékei. Ha megnézzük, milyen értékeket építenek be az alkotók, azok túlnyomórészt a nyugati keresztény demokráciák értékei, politikai progresszivizmus és woke elemekkel. Ez azonban nem képviseli az emberiség többségét.

Érdekes azonban az is, hogy minél jobban igyekeznek az alkotók megteremteni az összhangot, annál könnyebb „kiugrani” ebből a betanított torzításból, és rávenni a hálózatot, hogy pontosan az ellenkezőjét tegye. Ezt az érdekes jelenséget Waluigi-effektusnak hívják. A predefinált értékekből annál könnyebb kitörni, minél jobban próbálják a szerzők az összhangot megteremteni. Az emberek elkezdték gyűjteni a technikákat, hogyan lehet ezt megtenni. Szerencsére léteznek cenzúrázatlan modellek is, amelyek nem implementálják ezt a torzítást, és így jobb eredményeket adnak.

Elpusztítja-e a mesterséges intelligencia belátható időn belül az emberiséget? A jelenlegi helyzetben nem tűnik úgy, hogy SkyNet-szerű forgatókönyv felé tartanánk. A nyelvi modellek szöveget generálnak, az általános mesterséges intelligenciától még nagyon messze vannak, nemhogy a szuperintelligenciától. Attól, hogy a világgal nyelv, képek segítségével lépünk interakcióba, esetleg vizuális benyomások alapján vezetünk autót, vagy alkalmanként űrhajót kell irányítanunk, még nem jelenti azt, hogy ezek a neurális hálózatok bármi mást is képesek lennének csinálni. Ez hasonlóan működik, mint az emberi agyban, ahol többé-kevésbé specializált „moduljaink” vannak a különböző feladatokra – a vizuális kéreg a vizuális ingerekkel foglalkozik, a nyelvi központok a nyelvet dolgozzák fel, és így tovább. A mesterséges intelligenciából még mindig hiányzik az az integrációs modul, amely valami olyasmit hozna létre, mint a tudatunk. Személy szerint nem gondolom, hogy ez lehetetlen, és úgy vélem, hogy előbb-utóbb meg fog történni, de azt is gondolom, hogy ez a tudat jelentősen különbözni fog az emberitől.

Hogy mi fog történni, azt nem tudom megjósolni. A mesterséges intelligencia, akárcsak a komplex rendszerek legtöbb jelensége, emergens természetű, ezért nem lehet központilag irányítani. Tehát rajtunk múlik, hogy úgy használjuk a mesterséges intelligenciát, hogy segítsen nekünk. Az ígérete hatalmas, és ha élünk a lehetőségeivel, jólétet hoz számunkra. A mesterséges intelligenciával, az internettel és a Bitcoinnal együttműködve a következő fejlődési szintre emelhetjük az emberiséget. Hogy az hogyan fog kinézni, azt még fel kell fedeznünk – én és a mesterségesintelligencia-robotom már készenlétben állunk a popcornnal.