A mesterséges intelligencia nemcsak az olyan összekapcsolt asszisztenseken keresztül lép be a világunkba, mint a Microsoft Copilot, hanem már jelen is van benne a rengeteg egyedi célú eszköznek köszönhetően.
A leggyakrabban használt eszközök valószínűleg a számítógépes fotózás területéről valók, amelyek lehetővé teszik, hogy viszonylag kis érzékelőkből és tökéletlen optikákból kiindulva minden körülmény között minőségi képet számítsanak ki – legyen szó éjszakai fotózásról színkorrekcióval és hosszú záridővel, a remegés kiküszöböléséről elektronikus stabilizálással, vagy portrékészítésről elmosott háttérrel. Jelenleg egyre több egyedi célú eszköz jelenik meg, mint például az objektumok eltávolítása vagy áthelyezése a fotón, a rögzített videó valós idejű manipulálása és sok más.
Lényegesen praktikusabbak a gépi fordítási szolgáltatások, amelyek képesek felismerni a szöveget egy képen vagy közvetlenül a kamera képén, dekódolni a nyelvet, és lefordítani a célnyelvre. Végre, több mint hetven év után, valóra válik az az álom is, hogy a beszélt nyelvek között valós időben gépi fordítás legyen elérhető. Az első bemutatót az IBM tartotta 1954-ben, amely egy mindössze 250 szót tartalmazó rendszert hozott létre az orosz és az angol közötti fordításra. A szabályalapú rendszerekkel és statisztikai nyelvtannal végzett évtizedes kísérletezés után úgy tűnik, hogy a legegyszerűbb módja annak, hogy a gépeket idegen nyelvekre megtanítsuk, az, ha kellően nagy nyelvi modelleket tanítunk be példák alapján.
A nyelvi intelligencia egyszerre teszi lehetővé szövegek generálását kérés alapján, illetve szövegek összefoglalását. Úgy tűnik, hogy az egyik legkelendőbb alkalmazás a jogi szövegek generálása és elemzése lesz, amivel az AI kiválthatná az ügyvédjelölteket. Az a képesség, hogy gyorsan elemezz szerződéseket – például beszkenneld őket a mobiloddal, és azonnal elvégezd az elemzésüket –, sok embert megkímélhet a jövőbeli kellemetlen meglepetésektől.
A képeket generáló generatív mesterséges intelligencia különösen népszerű a kisebb weboldalak körében, amelyek ennek köszönhetően elkerülhetik a képbankok vagy illusztrátorok fizetését. Ez rossz hír a szakembereknek, viszont így eredeti illusztrációk is készülhetnek ott, ahol korábban anyagi okokból ez nem volt lehetséges. Ugyanakkor ez nyomást is gyakorol a professzionális alkotókra, hogy pénzért magasabb minőséget kínáljanak.
Igen vitatott a generatív modellek alkalmazása számítógépes kód írására. Az optimisták arról beszélnek, hogy hamarosan annyira jó lesz ez a képesség, hogy nincs értelme az embereknek programozást tanulniuk, a profi programozók viszont általában azt válaszolják, hogy a kódgenerálás ugyan praktikus eszköz rutinfeladatokra, de speciális feladatokra nem alkalmas, ráadásul a keletkezett kódot optimalizálni kell, és ki kell javítani benne a hibákat.
i
Ezek a cikkek is érdekelhetnek:
A potenciális kockázat abban rejlik, hogy a kódgenerálás elveszi a munkát a junior programozók elől, hasonlóan ahhoz, ahogy a jogi eszközök veszik el a munkát az ügyvédjelöltek elől. Az emberek képzése lassú és megterhelő folyamat – ezt kevesen ismerik fel azok közül, akik a gépi tanulást kritizálják. Ahhoz, hogy valakiből profi programozó vagy jogász váljon, jellemzően húsz-huszonöt évnyi tanulásra és tapasztalatszerzésre van szükség. Azzal, hogy a kezdő pozíciók megszűnnek, az emberek tapasztalatszerzési folyamata jelentősen megnehezül.
