Legyen szó a 2001: Űrodüsszeiában a HAL-9000-ről, a Mátrixnak az emberiséget elemként használó gépeiről vagy a Tesla önvezető autóiról, a mesterséges intelligencia régóta inspirál írókat történetek megírására, tudósokat pedig a fejlődés következő szintjének elérésére. Legyen az félelem vagy remény, amit ezen technológiával szemben állítunk, annyi biztosan kimondható, hogy mára már nem sci-fi -ről beszélünk.
Ahhoz, hogy a manapság használt mesterséges intelligenciát (továbbiakban: MI) megértsük, vissza kell mennünk az időben egészen az 1950-es évekig. A 2014-es Kódjátszma című filmből is ismert Alan Turing ugyanis ekkor fogalmazta meg, hogy ha az emberek a rendelkezésre álló információkat és az értelmet használják fel a problémáik megoldására és döntéseik meghozatalára, akkor miért ne tudnák a gépek is megtenni ugyanezt?
A gondolat maga szép és jó volt, ám akkoriban a számítógépek nem tudtak parancsokat tárolni, csak végrehajtani. Továbbá havonta 200 000 dollár egy számítógép fenntartására normálisnak számított. Ezekkel a költségekkel pedig igazán csak a nagy egyetemek és az óriáscégek tudtak volna mit kezdeni, de mint mindenki, azok is, várták a kézzelfogható bizonyítékot arra, hogy érdemes-e az MI kutatása. Erre a bizonyítékra nem is kellett olyan sokat várni, ugyanis 1956-ban a koncepció igazolására Allen Newell, Cliff Shaw és Herbert Simon a Dartmouth Summer Research Project on Artificial Intelligence (DSRPAI) konferencián bemutatta a Logic Theoristet.
A Logic Theorist egy olyan program volt, amelyet az emberi problémamegoldó képességek utánzására terveztek.
Ugyanezen a konferencián a különböző területek legjobb kutatói közösen, nyílt végű vitában oszthatták meg véleményüket a mesterséges intelligenciáról, mely gondolatok meghatározták az MI következő húsz évét.
1957 és 1974 közé tehető az MI első virágzása. A számítógépek több információt tudtak tárolni és gyorsabbak, olcsóbbak és elérhetőbbek lettek.
A gépi tanulási algoritmusok is javultak, és az emberek jobban tudták, melyik algoritmust, mely problémára alkalmazzák. Az olyan korai bemutatók, mint Newell és Simon Általános problémamegoldója és Joseph Weizenbaum ELIZAja ígéretet tettek a problémamegoldás, illetve a beszélt nyelv értelmezése felé. Ezek a sikerek, valamint a vezető kutatók (nevezetesen a DSRPAI résztvevői) támogatása meggyőzte az olyan kormányzati szerveket, mint a Defence Advanced Research Projects Agency (DARPA), hogy több intézményben is finanszírozzák az MI-kutatást. A kormányt különösen érdekelte egy olyan gép, amely nemcsak átírni és lefordítani képes a beszélt nyelvet, hanem nagyobb adatokat is fel tud dolgozni. Az optimizmus nagy volt, az elvárások pedig még magasabbak voltak. Míg azonban az alapelv bizonyítéka már létezett, még hosszú utat kellett megtenni ahhoz, hogy a természetes nyelvi feldolgozás, az absztrakt gondolkodás és az önfelismerés végső céljait elérjük.
Az MI kezdeti ködének áttörése akadályok hegyét tárta fel. A legnagyobb probléma a számítási teljesítmény hiánya volt: a számítógépek egyszerűen nem tudtak elegendő információt tárolni vagy elég gyorsan feldolgozni. Annak érdekében, hogy például kommunikálni tudjunk sok szó jelentését kell ismerni, és különbözőkombinációkban érteni . A nehézségekből kifolyólag ahogy fogyott a türelem, úgy fogyott a finanszírozás is, és így a kutatás tíz éven át lassú ütemben haladt.
Az 1980-as években a mesterséges intelligencia két úton indult újra: az algoritmikus eszköztár kibővítéséből és a források megnöveléséből. John Hopfield és David Rumelhart népszerűsítette a mély tanulási (deep learning) technikákat, amelyek lehetővé tették a számítógépek számára, hogy a tapasztalatok felhasználásával tanuljanak. Másrészt Edward Feigenbaum olyan szakértői rendszereket vezetett be, amelyek a humán szakértő döntéshozatali folyamatát utánozták. A program egy adott terület szakemberét kérdezné meg, hogyan reagáljon egy adott szituációban, és miután a megszerzett tudást gyakorlatilag minden helyzetre elsajátították a gépek a laikusok tanácsokat kaphatnak az adott programtól. A szakértői rendszerek alkalmazása az iparban terjedt el a legszélesebb körben Többek között a japán kormány jelentős mértékben finanszírozott szakértői rendszereket és más mesterséges intelligenciával kapcsolatos erőfeszítéseket az Ötödik generációsszámítógépes projektjük (FGCP) részeként. 1982 és 1990 között összesen 400 millió dollárt fektettek be a számítógépes feldolgozás forradalmasítása, a logikai programozás megvalósítása és a mesterséges intelligencia fejlesztése céljából. Sajnos az ambiciózus célok többsége nem teljesült. Az FGCP finanszírozása megszűnt, és a mesterséges intelligencia kiesett a rivaldafényből.
Érdekes módon állami finanszírozás és nyilvános hírverés hiányában a mesterséges intelligencia új erőre kapott. Az 1990-es és 2000-es években a mesterséges intelligencia számos mérföldkőnek számító célja megvalósult. 1997-ben a regnáló sakkvilágbajnok és nagymester, Gary Kasparov vereséget szenvedett az IBM Deep Blue nevű sakkjátszó számítógépes programjától. Star Trekesen fogalmazva, sokan a sakkot tartották a mesterséges intelligencia „végső határának” az emberrel szemben. Ezen utóbbi tényből kifolyólag pedig a gép győzelme az ember felett kritikus pont volt az MI történetében, és új távlatokat nyitott meg azzal kapcsolatban, hogy vajon még mire lehet képes, milyen feladatokat tud ellátni a mesterséges intelligencia nemcsak az emberrel azonos szinten, de akár jobban is.
A mostani 2022-es évben nem kell messzire menni vagy extrém eseteket keresni, hogy mesterséges intelligenciával találkozzunk, hiszen a mindennapjaink része. Legyen szó online vásárlásokról, a reklámoknál a személyre szabott ajánlatokról, a különböző nyelveket lefordító rendszerekről vagy a navigációról. Összefoglalóan tehát az MI a háttérben tevékenykedve régóta megkönnyíti az életünket sokszor a tudtunk nélkül is.
Annyi azonban biztosan elmondható, hogy egyéni feladatokban jobban, precízebben és gyorsabban tud dolgozni egy MI az embernél. Például a meteoritok rögpályájának kiszámítása egy, a szakmán belül dolgozó embernek gép segítségével perceket, vagy akár órákat is felölelhet, míg ezzel szemben egy MI-nek az egyetlen sebességi határa a számítási teljesítménye. Számítási teljesítményből pedig mára már nem szenved hiányt. A korábbi gátak, amelyet a számítógépek sebessége okozott évről évre kisebb. Kreatívabb feladatokat, mint például a festészetet és a zeneszerzést is egyre sikeresebben teljesítik a különféle mesterséges intelligenciák, de ezen művek értékélése szubjektív marad.
Az MI egyik ismertebb definíciója, hogy tanulóképes algoritmus. Ebben a mondatban három fogalmat is megtalálunk. Fontos viszont kiemelni, hogy a három fogalom között különbséget kell tenni és el kell őket választani egymástól. Az egyik az algoritmus, a másik a gépi tanulás (Machine learning) és a harmadik pedig a mesterséges intelligencia.
Az algoritmus egy automatizált utasítás bármely formája. Az algoritmusok többsége egyszerűbb, mint azt a legtöbben gondolják. Legtöbb esetben az úgynevezett „ha” (if) után az utasítások végrehajtása történik. Például, ha a telefonunkon megnyomjuk egy applikáció ikonját, elindul maga az applikáció.
A gépi tanulás olyan algoritmusok halmaza, amelyeket strukturált, előre megadott adatokkal látnak el. Elvégzik a feladatot anélkül, hogy beprogramoznák.
Nincsen egyértelmű elválasztás ugyanakkor a mesterséges intelligencia és a gépi tanulás között. A gépi tanulás valójában a mesterséges intelligencia része. A mesterséges intelligenciát azonban olyan algoritmusok összességeként határozzuk meg, amely képes megbirkózni előre nem látható körülményekkel is. Abban különbözik viszont a gépi tanulástól, hogy strukturálatlan, előre meg nem adott adatokkal is táplálható, így feladatának megoldását nem korlátozza egy adat hiánya.
A mesterséges intelligencia továbbá két kategóriába sorolható: a gyengébe és az erősbe.
A gyenge mesterséges intelligencia egy bizonyos feladat elvégzésére tervezett rendszert testesít meg. Gyenge mesterséges intelligenciának számít a Deep Blue sakkpéldája és a személyi asszisztensek, mint például az Amazon Alexája és az Apple Sirije. A lényeg ugyanis abban rejlik, hogy felteszünk egy kérdést az asszisztensnek, az pedig megválaszolja azt.
Az erős mesterségesintelligencia-rendszerek olyan szerkezettel bírnak, amelyek az emberihez hasonló feladatokat látják el. Ezek általában összetettebb és bonyolultabb rendszerek. Arra programozzák őket, hogy kezeljék azokat a helyzeteket, amelyekben szükség lehet a probléma megoldására anélkül, hogy valaki abba beleavatkozna. Az ilyen típusú struktúrák olyan alkalmazásokban találhatók, mint az önvezető autók, ahol a másodperc törtrésze alatt kell döntést hoznia a rendszernek.
Ezen két kategóriának az alfajai pedig aszerint oszlanak meg, hogy az MI szoftveres vagy „megtestesült”. A Siri szoftveres, míg a Tesla MI rendelkezik testi valóval az autó képében.
A mesterséges intelligencia fejlesztési céljai között szerepel többek között az emberi kognitív tevékenység utánzása. A terület kutatói és fejlesztői meglepően gyors előrelépéseket tesznek az olyan tevékenységek lemásolására, mint a tanulás, az érvelés és az észlelés. Mindezt pedig olyan mértékben végzik, amennyire ezek konkrétan meghatározhatóak, avagy leírhatóak egy gép számára.
A mesterséges intelligencia egy vitatott kérdéseként fogalmazódik meg, az emberek foglalkoztatására, valamint, munkavállalására történő befolyásoltsága. Mivel sok iparág szeretne bizonyos munkákat intelligens gépek használatával automatizálni, aggodalomra ad okot azon körülmény, hogy az emberek kiszorulnak a munkaerőpiacról.
Az önvezető autók szükségtelenné tehetik a taxikat és más autómegosztási programokat, míg a gyártók könnyen lecserélhetik az emberi munkát gépekre.
A másik a Terminátor és a Mátrix jövőképe, ahol a gépek feltörhetik az emberek magánéletét, és akár fegyveres erővel átveszik az irányítást, mialatt az embereket rabigába hajtják.
Szintén nagy vitát vált ki és még az előzőhöz kapcsolódik a mesterséges intelligencia etikája abból a szempontból, hogy a használatával az ember teremtőt játszik, illetve még az is a diskurzus alapját képezheti, hogy milyen határokat szabnak a tudósok egy MI számára. Például, mihez férhet hozzá, milyen képességeket adnak neki?
Joghallgatóként pedig a legérdekesebb azon elgondolkodni, hogy az intelligens rendszereket, például a robotokat ugyanolyan jogokkal kell-e majd kezelni, mint az embereket. Belefér-e egy mesterséges tudat a jogi személy definíciójába?
Végszó
Összességében ki kell mondani, hogy a mesterséges intelligencia egyre nagyobb teret hódít el az emberektől. Mindezek értelmében a jelen és a jövő nagy kérdése, hogy hol húzódik a határ az alkalmazásukban, majd hogyan is fog tudni alkalmazkodni az ember a saját teremtményéhez fejlődő világunkban.
