Elképesztő léptékben fejlődnek a mesterséges intelligenciával támogatott iparágak, egész biztos, hogy idén sem maradunk újdonságok nélkül.
Az elmúlt néhány évben sokunknak változtak meg a keresési és információszerzési szokásai – ez az átalakulás pedig a ChatGPT megjelenéséhez köthető. Akkoriban talán még nem is sejtettük, mekkora potenciál van a technológiában, azóta pedig már nemcsak a szövegek és képek, de akár a videók esetében is kérdéses, hogy a végeredmény valódi-e, vagy generált. Az OpenAI nagy berobbanása után több nagy techvállalat is piacra dobta saját generatív mesterséges intelligenciáját, így nem sokkal később elkezdődött a verseny, amely még gyorsabb fejlődésre és befektetésre ösztönözte a cégeket.
A ChatGPT kezdeti lépéseit nézve talán nem is gondoltuk, hogy ennyi idő alatt ilyen sokat fejlődik majd akár a matematikai, kódolási vagy a fogalmazási feladatok terén, sőt azóta képeket generál, többféle válaszlehetőséget is felkínál, és még saját magunk is konfigurálhatunk GPT-ket specifikus feladatokra. Felmerül tehát a kérdés:
vajon még mire képes, és mit hoz az iparág?
A MIT Technology Review szakértője szerint az alábbi területek lesznek az idei év legfontosabb, a mesterséges intelligencia által érintett területei.
Generált videójátékok és világok
2023 a generatív képek éve volt, a tavalyi a generatív videóké, idén pedig valószínűleg a videójátékok lesznek az év sztárjai. Februárban kaptunk egy apró betekintést ebbe a technológiába, amikor a Google DeepMind bemutatta a Genie (Dzsinn) nevű generatív modellt, amely képes volt egy állóképet egy 2D-s mászkálós platformjátékká alakítani. Decemberben pedig a cég bemutatta a Genie 2-t, amely egy képet már egy egész virtuális valósággá képes varázsolni.
A technológia nem egyedi: más cégek is fejlesztenek hasonlót. Októberben a Decart és az Etched AI startupok egy nem hivatalos Minecraft-hacket mutattak be, amelyben a játék minden egyes képkockája menet közben generálódik. Ezek a korai kísérletek azért még nem tökéletesek, ahogyan az a fenti videóban látható is, inkább csak tervezésre hasznosíthatók – egyelőre.
Felhasználhatók azonban robotok betanítására is. A World Labs az úgynevezett térbeli intelligenciát szeretné fejleszteni, vagyis azt a képességet, hogy a gépek értelmezni tudják a mindennapi világot, és kölcsönhatásba is lépjenek vele. A robotikai kutatóknak azonban nincsenek a működésükhöz szükséges adatai a valós világbeli forgatókönyvekről, amelyekkel az ilyen technológiát betaníthatnák. Virtuális tereket létrehozva azonban a robotok tapasztalatokat szerezhetnek, így a technológia segíthet pótolni ezt a hiányosságot.
Ügynökök
Amikor az OpenAI szeptemberben bemutatta az o1-et, új paradigmát vezetett be a nagy nyelvi modellek működésében. Két hónappal később a cég ezt szinte minden tekintetben továbbfejlesztette az o3-mal – egy olyan modellel, amely talán végleg átformálja ezt a technológiát. A legtöbb program, köztük az OpenAI zászlóshajója, a GPT-4 kidobja az első választ, amit talál, ami néha helyes – néha viszont téved…
A cég új modelljeit azonban arra képezték ki, hogy lépésről lépésre dolgozzák fel a válaszokat, a trükkös problémákat egyszerűbbek sorozatára bontva. Ha az egyik megközelítés nem működik, megpróbálnak egy másikat. Ez a technika, az úgynevezett „érvelés”, pontosabbá teheti a technológiát, különösen matematikai, fizikai és logikai problémák esetén.
A Google is követte versenytársát: a DeepMind decemberben mutatta be a Mariner nevű új kísérleti webböngésző-ügynökét. Ez egy olyan bővítmény, amelynek (pontosan úgy, ahogyan eddig) leírjuk, mit szeretnénk, az asszisztens pedig átveszi az irányítást a gép felett, és elvégzi helyettünk a kért feladatot.
Ahogyan a videóban látható, a felhasználó megkérte az MI-asszisztenst, hogy keresse meg a leghíresebb posztimpresszionistát, majd keressen egy színes festményt tőle a Google Arts and Culture oldalon, végül adjon néhány színes festéket az Etsy kosarába – mindezt meg is tette, lépésről lépésre, valamint leírta , hogy pontosan mit csinált.
Egy másik előzetes bemutató keretein belül Megha Goel, a Google termékmenedzsere arra kérte az AI-ügynököt, hogy keressen neki egy olyan karácsonyi süteményreceptet, amely elkészítve úgy néz ki, mint az általa megadott fotón lévő. A Mariner talált is egy receptet a neten, majd elkezdte összeválogatni a hozzávalókat Goel online kosarához. Aztán elakadt: nem tudta kitalálni, milyen lisztet válasszon. Goel figyelte, ahogy a Mariner egy csevegőablakban elmagyarázza a lépéseket: „a böngésző vissza gombját fogom használni a recepthez való visszatéréshez.” Nos, ettől más ez a technológia, mint az eddigi.
Ahelyett, hogy falba ütközött volna, az MI-ügynök külön lépésekre bontotta a feladatot, és kiválasztotta azt, amelyik megoldhatja a problémát.
Az, hogy rájöjjön, hogy a vissza gombra kell kattintania, egyszerűnek tűnhet, de egy bot számára nem az. És a technológia működött: a Mariner visszament a recepthez, megerősítette a liszt típusát, és folytatta Goel kosarának megtöltését.
A Google DeepMind készíti a Gemini 2.0-nak, vagyis a legújabb nagy nyelvi modelljének a kísérleti változatát is, amely a problémamegoldás ilyen lépésről lépésre történő megközelítését alkalmazza Gemini 2.0 Flash Thinking néven. Ám az OpenAI és a Google csak a jéghegy csúcsa. Számos vállalat épít olyan nagy nyelvi modelleket, amelyek hasonló technikákat használnak.
Mesterséges intelligencia a tudományban
A mesterséges intelligencia felgyorsíthatja a természettudományos felfedezéseket is. Ennek egyik igazolása tavaly októberben történt, amikor a Svéd Királyi Tudományos Akadémia kémiai Nobel-díjjal tüntette ki Demis Hassabist és John M. Jumpert a Google DeepMindtól a fehérjék hajtogatását megoldani képes AlphaFold, valamint David Bakert az új fehérjék tervezését segítő eszközök megalkotásáért.
A tendencia várhatóan idén is folytatódik, és egyre több olyan adathalmaz és modell jelenik meg, amelyek kifejezetten a tudományos felfedezésekre irányulnak. A fehérjék tökéletes célpontot jelentettek a mesterséges intelligencia számára, mivel a tudományterület kiváló meglévő adatkészletekkel rendelkezett, amelyeken a mesterségesintelligencia-modelleket be lehetett tanítani.
Témák tekintetében az egyik lehetséges felhasználási terület – amelyben az MI részt vehet – az anyagtudomány. A Meta olyan hatalmas adathalmazokat és modelleket tett közzé, amelyek segítségével a tudósok sokkal gyorsabban fedezhetnek fel új anyagokat. Decemberben a Hugging Face az Entalpic startuppal közösen elindította a LeMaterial nevű nyílt forráskódú projektet, amelynek célja az anyagkutatás egyszerűsítése és felgyorsítása. Első projektjük egy olyan adathalmaz kiépítése, amely egységesíti, tisztítja és szabványosítja a legjelentősebb információhalmazokat.
Az MI-modellek készítői is szívesen dobják be generatív termékeiket a tudósok kutatási eszközeiként. Az OpenAI lehetővé tette a számukra , hogy teszteljék az o1 modelljét, és vizsgálják meg, hogyan támogathatja őket a kutatásban. Az eredmények igen biztatóak voltak.
A techszektor egyik fantáziaképe, hogy létrejöjjön egy olyan mesterségesintelligencia-eszköz, amely hasonlóan működik, mint egy tudós.
Az Anthropic alapítója, Dario Amodei úgy véli, hogy a jövőben az MI nemcsak egy adatelemzési módszer lehet, hanem egy „virtuális biológus”, amely elvégzi mindazokat a feladatokat, amelyeket a szakemberek. Ettől a forgatókönyvtől ugyan még messze vagyunk, de idén meghatározó lépéseket tehetünk efelé.
A mesterséges intelligenciával foglalkozó vállalatok egyre közelebb kerülnek a nemzetbiztonsághoz
Sok pénzt kereshetnek azok az MI-vállalatok, amelyek hajlandók eszközeiket a határőrizethez, hírszerzéshez és más nemzetbiztonsági feladatok végrehajtásához kölcsönözni. Az amerikai hadsereg számos olyan kezdeményezést indított el, amelyek azt mutatják, hogy szívesen alkalmaznák a mesterséges intelligenciát. A nagy techcégek (többek között az OpenAI és a Google) pedig, a hírek szerint már változtatott is az irányelvein, az utóbbi egyenesen kitörölte a hadviselésre vonatkozó szabályait.
Az OpenAI decemberben jelentette be, hogy az Andurillal együttműködik egy drónok leszedésére irányuló programban. Ezzel csatlakozott a Microsoft, az Amazon és a Google soraihoz, amelyek évek óta együttműködnek a Pentagonnal.
Nagy a nyomás tehát a többi MI-versenytárson is – amelyek szintén milliárdokat költenek új modellek képzésére és fejlesztésére. Lehet ugyan, hogy találnak majd elég nem védelemmel foglalkozó ügyfelet, akik bőkezűen fizetnek az összetett feladatokat megoldó MI-ügynökökért, vagy olyan kreatív iparágakat, amelyek hajlandóak kép- és videógenerátorokra költeni.
Ám egyre nagyobb lesz a kísértés, hogy a Pentagon jövedelmező szerződéseiért is ringbe szálljanak.
Meginoghat az Nvidia dominanciája
Az Nvidiának igen jól jött a mesterséges intelligencia népszerűsége, hiszen így megnőtt az olyan chipek iránti kereslet, amelyek képesek a nagy teljesítményű generatív MI-modellek – mint például a ChatGPT – betanítására és futtatására. Kevesebb mint két év alatt egy 300 milliárd dolláros vállalatból a világ egyik legerősebb techcége lett, a Szilícium-völgy óriásai pedig sorban állnak a legújabb termékeiért.
Ez azonban 2025-ben hirtelen megváltozhat. Egyrészt a versenytársak, mint például az Amazon, a Broadcom és az AMD nagy összegeket fektetnek be új chipekbe, és vannak korai jelek arra, hogy ezek szorosan versenyezhetnek az Nvidia termékeivel – különösen a következtetésben, ahol az Nvidia előnye kevésbé szilárd.
Másrészt egyre több startupcég támadja az Nvidia dominanciáját. Az olyanok, mint például a Groq amerikai MI-vállalat, kockázatosabb fogadásokat kötnek teljesen új chiparchitektúrákra, amelyek kellő idővel hatékonyabb vagy eredményesebb képzést ígérnek. Idén ezek a kísérletek még korai stádiumban vannak, de lehetséges, hogy egy kiemelkedő versenytárs megváltoztatja azt a nézetet, hogy a legjobb MI-modellek kizárólag Nvidia-chipekre támaszkodhatnak.
