A rendezvényen való részvétel ingyenes, de előzetes regisztrációoz kötött. Minden kedves érdeklődőt szeretettel várunk rendezvényünkön!

A részletes program és a regisztráció ide kattintva érhető el.

Az előadások rövid összefoglalói

Hogyan befolyásolják a nagy nyelvi modellek az oktatási/kutatási képletet? - Itt az idő!
Turcsányi-Szabó Márta
ELTE Média- és Oktatásinformatika Tanszék

A GPT-3 bemutatása után a nagy nyelvi modellek iránti érdeklődés robbanásszerűén megnőtt és egyben a mesterséges intelligencia iránti érdeklődés a lehetőségek és a félelmek keverékében vergődik. Tanulási, oktatási, és kutatási lehetőségként tekintsünk-e rá vagy egy félelmetes ismeretlenre, ami csalást, butaságot, és etikai kérdéseket zúdít ránk. Ugyan kevés még a tapasztalat és nehéz jó gyakorlatokat találni a ködben, de nézzük át mit ír a szakirodalom, hogyan szelídíthetjük meg a “táltost”: melyek azok a módszerek és területek, amelyek kutatási innovációkhoz vezethetnek, hatékony pedagógiai módszertanokat erősíthetnek fel, és a tanulást tanulócentrikus környezetbe helyezhetik. Ugyanakkor, azt is számba vesszük, mit olvashatunk ki az eddig tapasztalatokból, hogyan készüljünk fel a “sötét oldallal” való megküzdésre és milyen készségek/képességek fejlesztése erősítheti meg a jövő generációt a nyelvi modellekkel való együttműködésben. A nagy nyelvi modellek itt vannak és itt is maradnak. Itt az idő is, hogy ráhangolódjunk a békés együttélésre!

Mesterséges intelligencia a mérés-értékelés területén: lehetőségek, kihívások és korlátok
Molnár Gyöngyvér
SZTE Neveléstudományi Intézet, MTA-SZTE Digitális Tanulási Technológiák Kutatócsoport

Minden egyes alkalommal, amikor új technológia jelenik meg, eltérő, néha szélsőséges vélemények is megfogalmazódnak az adott technológia oktatási hasznossága, vagy épp hátránya vonatkozásában, illetve felmerül az igény arra, hogy a megváltozott környezet fényében átgondoljuk az oktatás célját, felülvizsgáljuk alkalmazott módszereinket, eszközeinket, változtassunk oktatási rendszerünkön. A nagy adathalmazok gyors elemzését és a személyre szabott visszacsatolás megvalósítását támogató mesterséges intelligencia alapú értékelési technikák a hagyományos értékelési módszerek átalakításával lehetővé teszik a tanulási folyamat hatékonyságának és a tanítás minőségének fokozását. Autentikus, megbízható és valid adatok nélkül azonban az adatokon, bizonyítékokon alapú fejlesztés kudarcra van ítélve. A mesterséges intelligencia mérés-értékelésben történő alkalmazása nem csupán technológiai vagy infrastrukturális, sokkal inkább pedagógiai és módszertani kihívás.

Mesterséges intelligencia a művészetben: a gépi képtől a számítástechnikai kreativitásig
Kárpáti Andrea, az MTA doktora
Budapesti Corvinus Egyetem, Marketing- és Kommunikációtudományi Intézet, Vizuális Kultúra Kutatócsoport

1922-ben az amerikai Colorado állam művészeti kiállításának fődíját Jason Allen nyerte egy olyan képpel, amelyet AI szoftverek segítségével készített. Ez a mondat így is hangozhatna: „Az AI a művészi alkotásban is legyőzte az embert!” Az alkotó ezt a narratívát erősítette: „A művészet halott, vége van. Az MI győzött. Az emberek veszítettek.” A folyamat, amelynek eredménye a győztes mű, azonban cáfolni látszik szerzője véleményét. Allen mintegy 900 iterációban, több, mint 80 órát dolgozott a Midjourney képalkotó szoftverrel, amely mintegy százmillió korábban készült képből tanult. Ha Allen munkája nem géppel segített képalkotás, akkor a fényképezés több, mint száz éve mesterségből művészeti ággá vált módszereit vajon minek nevezhetjük?

Az előadásban művészeti, informatikai és jogi közlemények alapján, a képzőművészetre fókuszálva három probléma-csokrot mutatunk be. Az első és legfontosabb: a kreativitás, a művészi alkotás alapja. Akik tagadják, hogy a mesterséges intelligencia (MI) alkotásainak köze van ehhez a fogalomhoz, a szándékosságot (intentionality) hiányolják, bár nem zárják ki, hogy a jövőben a képalkotó szoftverek fejlett szenzoraik segítségével képesek lesznek interakcióba lépni környezetükkel, és elég oksági kapcsolatot ismernek fel ahhoz, hogy szándékosan alkossanak jelképeket. Kérdés, hogy a művek közönsége elfogadja-e egyéni és egyedi műként a nem ember alkotta képmást, hiszen például az emberszabású majmok festményeit alacsonyabbra értékelték, mihelyt kiderült, „ki” készítette őket. Elképzelhető, hogy új, kiterjesztett kreativitás fogalmat kell alkotnunk, amelyben a géppel segített képalkotó mellett helyet kap a képalkotásra felkészített gép is.

A második probléma-halmaz a szerzői joggal kapcsolatos. Ki tekinthető az MI által alkotott képek szerzői jogai tulajdonosának: kizárólag a szoftver felhasználója vagy a fejlesztője is? Miben különbözik a képalkotási célú gépi tanulás a művészek másolási gyakorlatától, amikor egy-egy klasszikus alkotó stílusát műveinek másolásával tanulmányozzák? Hogyan védhető meg a művészek joga műveik felhasználásának szabályozásához, ha képeik segítségével tanul és készít új művet a gép?

A harmadik kérdéskör a legismertebb: az MI csalárd használata hamis tartalmak terjesztésére, hitelesnek tűnő képi megjelenítések segítségével. A deepfake elterjedésével a képi kommunikáció hitele forog kockán. Hogyan próbálják a vizuális nyelv kutatói felismerni, a vizuális közlés oktatói pedig megtanítani a hamisított álló és mozgóképek azonosítását?

Az előadás során számos MI-alkotta képet is bemutatunk. Nézőjük eldöntheti, vajon díjat adna-e nekik, vagy az emberi történetet, a humánum látható és érezhető nyomát hiányolva, arra a következtetésre jut: az MI egy érdekes eszköz, amely új utakra vezetheti, de nem válthatja ki az emberi kreativitást.