Mire képes ma valójában a mesterséges intelligencia? – Videón a Magyar Tudományos Akadémia harmadik témanapja

A mesterséges intelligencia (MI) már nem a jövő ígérete: alakítja, hogyan kutatunk, gyógyítunk, tervezünk, gyártunk és hozunk döntéseket. Miközben új eszközöket ad a tudomány kezébe, alapvető kérdéseket is felvet. Mire képes ma valójában az MI? Mely területeken várhatunk tőle jelentős tudományos áttörést? Mit változtat meg a kutató és az ember szerepében? Hogyan fordíthatjuk a technológiai fejlődést a társadalom javára? Ezekre a kérdésekre igyekeztek választ adni a felkért kutatók és szakemberek a Magyar Tudományos Akadémia „MI-ért vagy MI-értünk? Tudomány, kutatás, innováció és a mesterséges intelligencia” című témanapján.

A különböző tudományterületek szakértői a mesterséges intelligenciát nem egyetlen technológiaként, hanem a tudományt, a gazdaságot és a társadalmat egyaránt formáló jelenségként vizsgálták előadásaikban. A legújabb hazai és nemzetközi kutatási eredményekből kiindulva mutatták be, hol tart ma az ember és a mesterséges intelligencia közti kapcsolat, milyen lehetőségeket kínál az MI, és mely kérdésekben van szükség tudományosan megalapozott, közös álláspontra.

A témanapot élőben közvetítettük, a felvétel első része a fenti lejátszógombra kattintva megtekinthető

00:00:00 Köszöntő – Imre Sándor, a Műszaki Tudományok Osztálya elnöke
00:06:39 Mi történt a nagy nyelvmodellekkel az utóbbi 1-2 évben? – Prószéky Gábor, az MTA doktora, nyelvész, matematikus
00:35:41 AI4Science – Mesterséges intelligencia, kutató ágensek a tudományban – Benczúr András PhD, alkalmazott matematikus, MI-kutató, részlegvezető (HUN-REN SZTAKI Mesterséges Intelligencia Laboratórium)
00:58:36 Beszédtechnológia az AI korában – Németh Géza, az MTA doktora, mérnök informatikus (BME Villamosmérnöki és Informatikai Kar)
01:22:39 Az AI szerepe a kardiológiai betegek kimenetelének predikciójában – Kosztin Annamária PhD, kardiológus (SE Városmajori Szív- és Érsebészeti Klinika)
01:47:54 Anomáliadetektálás – élet a nagy nyelvi modelleken túl – Horváth Gábor, az MTA doktora, mérnök-informatikus (BME Villamosmérnöki és Informatikai Kar)
02:15:32 Az intelligens gyártás paradigma fejlődési íve: Visszatekintés, a jelenlegi helyzet, további kihívások és lehetőségek – Monostori László, az MTA rendes tagja, villamosmérnök, igazgató (HUN-REN SZTAKI)
02:38:52 Az előadásokat kerekasztal-beszélgetés követte Kutatás és innováció az AI korában címmel:

• Moderátor: Varga Pál PhD, villamosmérnök, tanszékvezető egyetemi docens (BME Villamosmérnöki és Informatikai Kar)
• Panelisták: Ligeti-Nagy Noémi PhD, nyelvtechnológus, kutatócsoport-vezető (ELTE Nyelvtudományi Kutatóközpont), Jelasity Márk, az MTA doktora, informatikus, tanszékvezető egyetemi tanár (SZTE TTIK Informatikai Intézet), Tikk Domonkos PhD, programtervező matematikus, a „Gravity R&D” alapítója, Huszár Ferenc PhD, mérnök-informatikus, MI-kutató, a nyelvmodellek fejlesztésére fókuszáló „Reasonable” startup alapítója és Csepeli György, az MTA doktora, szociológus, professor emeritus (ELTE Társadalomtudományi Kar)

Az előadásokat követő kerekasztal-beszélgetés egyik fő kérdése az volt, hogy hol húzódik a határ aközött, amikor a mesterséges intelligencia már nem csupán eszköz a kutatásban, hanem kutatótárs, „aki” maga is részt vesz a kutatásban, mi az a kutatási tevékenység, amit már esetleg nem szabad kiszervezni. Csepeli György szerint az etikai dimenzió az, ami „teljes egészében megmarad nekünk”, azaz az MI egyetlen dolgot nem tud soha magához ragadni, mégpedig annak eldöntését, hogy „mi jó, mi rossz”. Huszár Ferenc ezzel egyetértve a környezettudatosságot említette fontos tényezőként, majd arra hívta fel a figyelmet, hogy egyes felmérések szerint az ő szakterületén már vezető kutatói szerepet töltenek be különféle MI-ágensek a kutatások egy jól érzékelhető részében. „Egy idő után az autonóm kutatói AI lesz az alapvető” – fogalmazott.

Csepeli György ehhez annyit tett hozzá, hogy bele kell nyugodni, hogy a tudásfunkció előbb-utóbb a mesterséges intelligencia területe lesz, „viszont mi emberek vagyunk, nekünk ilyen értelemben véve a tudáson kívül, a tudás megszerzésén kívül van más dolgunk is a világon”.

Tikk Domonkos szerint annyira gyorsan változik minden, hogy nem lehet tudni, fél év múlva mi lesz. „Most még talán ott vagyunk, hogy az irányt részben mi szabjuk meg, mi szerint mérjünk, mi az, ami fontos, milyen típusú döntéseket akarunk hozni” – mondta, hozzátéve, hogy

ma már a kutatásban részt vevő félként kell az MI-re tekinteni.

Jelasity Márk is arra az álláspontra helyezkedett, hogy rendkívül gyorsan változik a helyzet. Ő és egyetemi oktató társai azt látják, hogy a doktori hallgatók sokszor már saját maguk találnak témát, és ilyenkor többnyire kiderül, hogy ezt a mesterséges intelligenciával egyeztetve teszik. Ez pedig hosszú távon nem lesz fenntartható, „mert a célok meghatározásához azért ismerni kell a területet, és ahogy a generációk mennek előre, nem mennek végig azokon a lépcsőfokokon a kutatók, amiken mi is végigmentünk”. Jelasity Márk abban lát veszélyt, hogy előbb-utóbb a célok meghatározásának képessége is megkérdőjeleződik, és 10-20 év múlva nem lesz ember a Földön, aki erről véleményt tud mondani. Példaként hozta fel, hogy nemrég az egyik legnagyobb MI-konferenciára 60 ezer cikket adtak be, melyek döntő többségét nyilvánvalóan MI-vel íratták. Szerinte válságban van ez a tudományterület, és nem tudják, mit lehet a kialakult helyzettel kezdeni.

Ligeti-Nagy Noémi mindezek mellett a felelősségvállalás jelentőségét hangsúlyozta.

Egy kutató akkor tud felelősséget vállalni azért, amit egy MI-eszközzel generált egy kutatás során, ha érti, hogy azon a ponton mi történt.

Ha az egyetemi hallgatók, fiatal kutatók nem járják végig saját maguk a kutatás lépcsőfokait, akkor nem vállalhatják a felelősséget mindazért, amit egy MI-eszköz csinált, még akkor sem, ha amúgy az helytálló. Szerinte valós veszéllyel járhat az is, ha az így kapott kutatási eredményeket egy másik MI-eszköz értékeli ki. Mindezek mögött pedig a forráshiány is bonyolítja a helyzetet: „az, hogy milyen kérdésre keressük a választ, hogy milyen kutatásokat kezdünk el, az nagyon sokszor a finanszírozásból is ered, és ezért az nagyon nagy veszély, ha például a review folyamatban vagy a pályázatértékelésben is az AI kezd el magának utat törni”.

Az MI márpedig utat tör, ugyanis mint Varga Pál felvetette, a számítási kapacitás ma már éppenúgy része a kutatási infrastruktúrának, mint fizikusnak a labor. Ligeti-Nagy Noémi szerint azonban nem minden tudományterület és kutatás számításigénye azonos, így nem feltétlenül saját hardveres erőforrásra van szükség, hanem inkább a megfelelő kapacitásokhoz való hozzáférésre, valamint a használatukhoz szükséges előzetes edukációra. Jelasity Márk arra hívta fel a figyelmet, hogy a jelenleginél jóval nagyobb számítási kapacitásra van szükség, ezt azonban – a technológia gyors fejlődése miatt – nem biztos, hogy hardverek beszerzésével, hanem szerinte is a hozzáférés növelésével érdemes biztosítani. Huszár Ferenc szerint a legújabb számítási erőforrásokhoz ráadásul még megfelelő finanszírozás mellett is szinte lehetetlen hozzájutni, ráadásul a gyors technológiai fejlődés miatt a néhány éve beszerzett eszközök bizonyos új nyelvi modellek futtatására már nem feltétlenül alkalmasak. Csepeli György szociálpszichológiai oldalról közelítette meg a kérdést, és hangsúlyozta, hogy mint az élet egyéb területein, itt is a kooperáció jelentheti a megoldást.

A nagy nyelvi modellek témájában az MI-eszközök rohamos fejlődésével kapcsolatban a beszélgetés résztvevői egyetértettek abban, hogy elképesztő nagy sebességgel, egyre gyorsulva javul a teljesítményük, legyen szó matematikáról, informatikáról vagy más tudományterületekről. Csepeli György szociológiai értelemben látja ebben az igazi nagy kihívást, mert ami fejlődhet, az fantasztikusan fejlődik a legkülönbözőbb területeken, ellenben „ami nem fejlődik, az a közönség”, „a természetes intelligencia az, ami úgy tűnik, hogy le van maradva a mesterséges intelligenciához képest”. Ez a helyzet társadalmi edukációs kihívást rejt magában, iskoláskortól élethosszig tartó felkészítésre lenne szükség annak megtanulására, miképp éljünk együtt ezzel a technológiával.

„Ez a technológia itt van, fejlődik, megállíthatatlanul, és meg kell tanulni együtt élni vele a lehető leghaszonelvűbb módon, mert másképp az fog kihasználni bennünket”

– fogalmazott a szociológus.

Arra a kérdésre, hogy mit kellene Magyarországnak tennie az MI-kutatás vagy innováció területén, egyetértettek abban, hogy az egyik legfontosabb teendő az úgynevezett MI-műveltség alapkompetenciává emelése lenne az oktatásban, a kutatásban, a munkahelyeken egyaránt. Fontos lenne, hogy ne csak ügyesen, de értő módon használjuk az MI-eszközöket, ehhez persze elengedhetetlen, hogy a mesterséges intelligencia kutatásához és oktatásához szükséges infrastruktúrát és feltételeket legalábbis szinten tartsuk, ideális esetben exponenciálisan növeljük. Mindeközben az MI-hez fűződő viszonyt társadalmiasítani kellene, ezt a legfelső kormányzati szinten is prioritásnak tekintve, a kutatási, fejlesztési erőforrásokat nagyrészt ebbe az irányba terelve, és így, egyszerre alulról és felülről is ösztönözve előrevinni a folyamatot.

A párbeszéd a rendezvénnyel nem ért véget: a témanap megállapításai egy, az MTA-témanapok fehérkönyv-sorozatába illeszkedő stratégiai dokumentum alapjául szolgálnak azzal a céllal, hogy a tudomány ne csupán kövesse az MI átalakulását, hanem tudásával és társadalmi felelősségével aktívan alakítsa is a jövőjét.

A képre kattintva megtekinthető az eseményen készült galériánk Fotó: Szigeti Tamás / MTA

Az MTA májusban megválasztott elnöke, Pósfai Mihály azzal a céllal indította el az akadémiai témanapokat, hogy a köztestület tagjai és további szakértők társadalmi szempontból kiemelkedően fontos kérdéseket vitassanak meg, majd tegyenek írásbeli javaslatokat a döntéshozóknak. Korábbi témanapjaink: