Mesterséges intelligencia: Bitcoin, szabályozó hatóságok, a munkahelyek jövője és a SkyNet

Mesterséges intelligencia: BTC, szabályozások, a munkahelyek jövője és a SkyNet – TARTALOM

1. Bitcoin és mesterséges intelligencia
2. Mindannyian elveszítjük a munkánkat?
3. Megment minket a brüsszeli bürokrata az emberiség pusztulásától?

Bitcoin és mesterséges intelligencia

A sorozat bevezető részében összekapcsoltam az internetet, a mesterséges intelligenciát és a Bitcoint. Az internet összekapcsolta az elméket, a mesterséges intelligencia segít fejleszteni a képességeinket (növeli az intelligenciánkat), a Bitcoin pedig lehetővé teszi az értékátvitelt térben és időben egyaránt. Mindhárom esetben lényeges, hogy mindez harmadik felek beavatkozása nélkül történjen – cenzúra, manipuláció és hasonlók nélkül.

A filozófiai fejtegetésektől eltekintve – van értelme a mesterséges intelligenciáról a Bitcoin kontextusában gondolkodni? Talán sok olvasó most azt gondolja, hogy a következő bekezdésben valami hallucinációt fog olvasni a mesterséges intelligencia és a blokklánc összekapcsolásáról, ahogy azt korábban sok ICO projekt elképzelte. Csalódást kell okoznom, kizárólag a Bitcoinról fogunk beszélni, és nem húzzuk rá a mesterséges intelligenciát a blokkláncra.

A pénz – és így a Bitcoin is – lehetővé teszi a szűkös erőforrások elosztásának koordinálását. A mesterséges intelligencia számára a szűkös erőforrás a számítási kapacitás – a tanításhoz és az inferenciához –, valamint bizonyos körülmények között az adatok, bár az internet „eredendő bűnének” köszönhetően megszoktuk, hogy ott minden „ingyen” van, vagyis az adatainkkal és a figyelmünkkel fizetünk, tehát az adatok gyakran nem igazán szűkösek.

Közösségi finanszírozás, versenyek és a Common Voice

Ez azonban nem mindig igaz. Egyes adatokat keményen ki kell dolgozni, ahogy az például az ImageNet projekt esetében is történt. A közgazdaságtan egyik ismert problémája az úgynevezett „közjavak” finanszírozása, ahol nem lehetséges (vagy nem kívánatos) kizárni a potyautasokat a fogyasztásból. Ha valaki épít egy kis hidat a folyó felett, az elmélet szerint nem lehet senkit kizárni a használatából. A valóságban ez lehetséges (forgókapu, útdíj, előfizetés). A közjavak problémájának egyik lehetséges megoldása a közösségi finanszírozás. Ha közjavak létrehozásának finanszírozására használják, a potyautasokkal számol, de a közjavakhoz hozzájárulóknak más jutalmakat ígér. Például az említett híd problémáját Rotterdamban egy közösségi finanszírozási kampánnyal oldották meg, ahol a potyautasokat nem zárták ki a híd használatából. A Luchtsingel hidat minden gyalogos használhatja, de akik hozzájárultak az építéséhez, azoknak a nevét bevésték a fába – kaptak valami pluszt a „potyautasokhoz” képest.

A közjavak finanszírozásának egy másik alapelve az ösztönzőkkel egybekötött verseny. A hacker közösségben gyakran működnek így a hackathonok – olyan versenyek, amelyek szűkebben vagy tágabban meghatározott problémák megoldására irányulnak. A legismertebb talán az Ansari X-Prize, amely annak a csapatnak fizetett jutalmat, amelyik elsőként hozott létre újrafelhasználható repülőgépet, amely eljutott a Föld körüli pályára, landolt, majd két héten belül megismételte mindezt. Valójában azonban ez az elv sokkal régebbi. Például az 1920-as években Raymond Orteig vállalkozó 25 000 dolláros jutalmat ajánlott fel az első embernek, aki leszállás nélkül repül New Yorkból Párizsba. Több ember sikertelen kísérlete után 1927-ben Charles Lindbergh amerikai pilótának sikerült a Spirit of St. Louis nevű gépével.

A mesterséges intelligenciához adatokra van szükség a tanításhoz. Az egyik ilyen adatgyűjtő projekt a Mozilla Foundation Common Voice projektje. A projekt annotált hangfelvételeket gyűjt különböző nyelveken, amelyek segítségével hangfelismerő modelleket tanítanak. Ugyanakkor a közösségi finanszírozás és a versenyek természetesen nem az egyetlen módjai annak, hogy bitcoinnal támogasd az adatgyűjtést. Egy másik remek lehetőség a mikrofizetések, amelyekkel bárkit jutalmazhatsz, aki adatokat szolgáltat vagy elvégez valamilyen feladatot.

Számítási kapacitás az inferenciához

A mikrofizetéseknek köszönhetően csökkenthetők a mesterséges intelligencia modellek inferenciájának (számításainak) tranzakciós költségei. Mivel egy-egy inferencia számítási igénye nem túl nagy, nem minden felhasználási esetben optimális az előfizetéses modell vagy az API-hozzáférés hitelkártyán keresztül.

Például ha open-source eszközök felhasználóinak szeretnénk lehetővé tenni valamilyen mesterséges intelligencia API használatát – fordítás, összegzés, képgenerálás, beszédfelismerés és hasonlók –, nem akarunk fizetéseket feldolgozni, legfeljebb részesedést szeretnénk egy harmadik félnek történő fizetésből. Erre a Bitcoinban olyan technológiák léteznek, mint a Lightning (például az L402 protokoll segítségével) vagy az e-cash rendszerek különböző implementációi (cashu, fedimint). Ezeknek az eszközöknek köszönhetően a felhasználók közvetlenül a saját tárcájukból fizethetnek mikrofizetésekkel a mesterséges intelligencia szolgáltatásaiért.

Gyorsan kell generálnod egy képet egy cikkhez? Mint például ezt:

Regisztrálhatsz egy szolgáltatásnál, megadhatod a hitelkártyaszámodat, és felfedezheted a választott szolgáltatás előfizetési lehetőségeit. Vagy fizethetsz közvetlenül a Lightning tárcádból egy egyszerű mikrofizetéssel. Így működött például a micropay szolgáltatás, de sajnos a DALL-E modellt választották, ami nem annyira jó, mint a konkurencia. Vagy használd ezt a példát nyelvi modellekhez lightning jutalmakért.

A Lightning a tranzakciós költségeket csökkentő mikrofizetéseken túl lehetővé teszi a fizetős „machine to machine” kommunikációt is. Az előző részben a mesterséges intelligencia modellek összekapcsolásáról írtam – beszédfelismerés, amely feladatot generál egy nyelvi modellnek, amelynek kimenetéből a fordítómodell egy másik nyelvű kimenetet hoz létre, és esetleg vizuális koncepciót is készít a feladathoz. Ezek az összekapcsolások automatizálhatók, de jó lenne, ha gazdasági alapokon is nyugodnának. Jelenleg az összekapcsolások előfizetéses és kreditalapú rendszeren alapulnak, de az olyan eszközöknél, mint például az AutoGPT, BabyGPT vagy AgentGPT, nem biztos, hogy mindig minden eszközre szükség van. Ezek az eszközök más eszközöket és adatforrásokat tesznek elérhetővé a nyelvi modellek számára, amelyek felhasználhatják őket egy előre meghatározott cél eléréséhez.

Például ha a mesterséges intelligencia programnak azt a feladatot adod, hogy töltse ki a casco biztosítás kártérítési igényét, amelynek bemenete a balesetről készült fényképek, használhat általános képfelismerést, de a kitöltéshez jól jöhet egy járműrendszám-felismerésre specializált modul is. Erre a modulra azonban csak néhány évente egyszer van szükséged, ezért nincs értelme regisztrálni a szolgáltatójánál és előre fizetett krediteket vásárolni – az autonóm ágensed egyetlen felismerést vásárolhat mikrofizetéssel a te közreműködésed nélkül. Ha megadsz neki egy túl nem léphető költségkeretet, mérlegelheti, hogy megéri-e ezt a modult használni a kitöltéshez, ha nincs más információforrása annak a járműnek a márkájáról, amelyik a kocsidnak ütközött.

Egy másik hasznos eszköz közvetlenül az alacsony szintű számítási kapacitás, amelyet inferenciához vásárolhatsz. Természetesen bérelhetsz GPU-val felszerelt virtuális szervert valamelyik szolgáltatótól, de lehet, hogy a te céljaidra hatékonyabb egy olyan példányhoz fordulni, amelyen már minden fut, a szükséges modell betöltve a memóriába, és a kérésed elküldése után gyors választ kapsz. Ezen az elven működik a Petals projekt, amely lehetővé teszi az inferencia elosztását. Eredetileg a Bloom modellhez készült, de a jelenlegi verzió már támogatja a LLaMA-alapú modelleket is. Ez a projekt jelenleg ingyenes – a felhasználók a saját videokártyáikat bocsátják rendelkezésre, amelyeken a nagy nyelvi modellek egyes részei futnak, hasonlóan ahhoz, ahogy a bittorrent protokollnál különböző felhasználóktól töltöd le a fájlok különböző részeit. A jövőben hasonló projektek éppen bitcoin-mikrofizetések alapján működhetnének.

Számítási kapacitás a modellek finomhangolásához

Az egyes neurális hálózatok számításai egyébként még viszonylag olcsók, hardveres gyorsítással, mint például az NVidia videokártyák vagy az Apple Silicon processzorok. Továbbra is kérdés a memória (a BLOOMZ-176B modellhez kb. 362 GB RAM szükséges), de ez kvantálással (az egyes paraméterek pontosságának csökkentésével) megoldható, amivel jelentős minőségromlás nélkül nagyjából harmadára csökkentheted a memóriaigényt. Egyetlen lényeges hátránnyal – a tanítás teljes pontossággal működik jobban, a kvantálás csak a már betanított modellre alkalmazható. És pontosan itt segíthet a Bitcoin a modellek megosztott tanításában vagy finomhangolásában. Ha az emberek úgy döntenek, hogy tanítási kapacitásra van szükségük, azt meg lehet osztani. Ezt egyébként az említett Petals projekt is lehetővé teszi, de Bitcoin-ösztönzés hozzáadásával és például közösségi finanszírozással való összekapcsolással a közösségek jobb modelleket tudnak finomhangolni specifikus felhasználásra – például magyar vagy szlovák nyelvű interakcióhoz.

Chatbotok, amelyek értenek a Bitcoinhoz

A hagyományos nyelvi modellek „politikailag korrekt elfogultsággal” rendelkeznek. A bitcoinnal kapcsolatos kérdésekre elmagyarázzák, hogy a kriptovaluták rettenetesen veszélyesek, de a fiat pénzzel kapcsolatos kérdéseknél nem figyelmeztetnek arra, hogy inflációs coinokról van szó, amelyeket a bankok kedvük szerint nyomtatnak.

A finomhangolásra jó példa lehetnek éppen azok a nyelvi modellek, amelyek a Bitcoinnal kapcsolatos kérdésekre érdemi választ adnak, nem pedig kockázatkezelési előadást tartanak.

Közösségi hálózatok - Nostr

Az olyan új közösségi hálózatok, mint a Nostr, jobb lehetőséget kínálnak a botokkal való natív interakcióra. Ezeket akár mikrofizetésekkel is jutalmazhatod „zaps” formájában, amelyek lightning mikrotranzakciók. Az emberek és a mesterséges intelligencia együttélését egyetlen platformon a Nostr hálózat támogatja, sőt kifejezetten üdvözli.

Az új közösségi hálózatok olyan hellyé válhatnak, ahol az emberi és a mesterséges intelligencia világa összekapcsolódik, és érdekes szolgáltatások jöhetnek létre, amelyek javítják az emberi interakciókat. A mesterséges intelligencia egyúttal felhasználható a tartalom rendezésére és szűrésére úgy, hogy az algoritmust a felhasználó tartsa kézben, ne a szolgáltató. A natív zaps-ek segíthetnek ezeknek a projekteknek a finanszírozásában az „érték értékért” (value4value) elv alapján.

Mindannyian elveszítjük a munkánkat?

Az a félelem, hogy elveszítjük a munkánkat, természetes, hiszen a javadalmazás a termeléshez kötődik. A Bitcoin mint pénz kiváló eszköz a szűkös erőforrások elosztására. A társadalom jó cselekedeteinek emlékezete – ha segítek valakinek megoldani egy problémát, jutalmul kapok egy bejegyzést bitcoin formájában. Természetesen más nyilvántartási formákat is használunk, például cseh koronát, eurót vagy dollárt, de ezeket a pénznyomtatás károsítja. Ezt valószínűleg nem kell elmagyaráznom az olvasónak. Ha jó pénzünk van, ahol nem keletkeznek hamis bejegyzések (valaki pénzt kap anélkül, hogy jó cselekedetet hajtott volna végre), felmerül a kérdés – mi van, ha elveszítjük a lehetőséget a jó cselekedetek végzésére?

Ez egyenértékű azzal az állítással, hogy az embereknek nem lesznek problémáik. A világ gyönyörű lesz, mindent robotok és mesterséges intelligencia végez majd, mi pedig a tengerparton napozunk és könyveket olvasunk, amelyeket a mesterséges intelligencia ír nekünk. Ha bekövetkezne egy ilyen forgatókönyv, akkor egy szűkös erőforrások nélküli világban élünk, tehát nincs szükségünk pénzre (ha valami nem szűkös, nem kell cserélnünk, elég csak elvenni – homok a tengerparton, a levegő, amit belélegzünk, víz a folyóból…). És ha nincs szükségünk pénzre, nem kell munkával megkeresnünk.

Amíg eljutunk a szűkös erőforrások és problémák nélküli világba, érvényes Peter Diamandis tanítása – a világ legnagyobb problémái egyben a legjobb üzleti lehetőségek. Ha szűkös erőforrásokkal rendelkező világban élünk, ahol az embereknek problémáik vannak, nem kell aggódnunk a munka miatt.

Ez a kérdés nem új keletű. Mit csinálnak majd a gazdák a földeken, ha valaki feltalálja a traktort? Mit csinálnak a kocsisok, ha az emberek autót vezetnek? Valójában arra a problémára kell összpontosítanunk, amelyet megoldunk – élelmiszer-termelés, emberek és áruk szállítása –, és rájövünk, hogy ezek csupán eszközök, amelyek segítenek produktívabbnak lenni. Vagyis jobban és hatékonyabban megoldani a problémákat. Ha ez sikerül, társadalomként meggazdagodunk.

Az emberi munka védelme tehát eddig a pontig felesleges. Az emberek mindenekelőtt jobban fognak dolgozni – a mesterséges intelligencia nem váltja ki az embereket, hanem lehetővé teszi számukra, hogy jobban termeljenek, és így jobban megoldják az emberek problémáit. Ez természetesen feltételezi, hogy a munkavégzés módját, és bizonyos körülmények között a munka tartalmát is hozzáigazítjuk a technológiákhoz. A gazdának a kapa helyett meg kell tanulnia, hogyan kell traktort vezetni.

Sam Altman, az OpenAI alapítója más megoldást is kínál. A WorldCoin nevű projektje egy olyan technológiát próbál létrehozni, amely univerzális alapjövedelem közvetítésére szolgál. Az ötlet lényege, hogy pénzt kapsz anélkül, hogy bármit is létrehoznál. Ezt a technológiát az államok használhatnák a nyomtatott pénz újraelosztására. Ennek az ötletnek több problémája is van. Kezdjük azzal, hogy a sikerhez le kell mondanod a magánéleted egy részéről, mivel mindenki csak egyszer kaphatna támogatást. A WorldCoin ezt a problémát úgy oldja meg, hogy létrehozott egy gömböt, amely biometrikus adatokat vesz fel (ujjlenyomatok, szemszkenner), és igazolja a kriptovaluta-tárca egyediségét. Bár dolgoznak a tranzakciók anonimitásán, sokak számára ez a forgatókönyv disztópikusnak tűnik, mivel továbbra is lehetséges egy embert „kikapcsolni”, és ezzel elvágni a pénzügyi rendszertől.

Sokkal súlyosabb probléma azonban a termelés és a fogyasztás szétválasztása. Ahogy Hans Hermann Hoppe megjegyzi „Demokrácia: A bukott isten” című könyvében, a fogyasztást mindig meg kell előznie a termelésnek. Nem fogyaszthatunk el olyasmit, amit korábban senki nem hozott létre. És mivel szűkös erőforrások fogyasztásáról van szó (vagyis olyasmiről, amiből nincs korlátlan mennyiség), a fogyasztást a termeléshez kell kötni. Ezért az univerzális alapjövedelem nem oldja meg a szűkös erőforrások problémáját, hanem ellenösztönzi az embereket a termeléstől.

Mi tehát a megoldás? A Bitcoin és a technológiai fejlődés (vagyis a hatékonyabb – olcsóbb – termelés) összekapcsolásával árcsökkenési hatás lép fel. Már ma is sokkal kevesebbet kell termelnünk ugyanahhoz az életszínvonalhoz, mint egykor.

Míg a 16. századig a népesség többsége a mezőgazdaságban (vagyis az élelmiszertermelésben) dolgozott, jelenleg jóval 10% alatt vagyunk. Az élelmiszertermelés tehát annyira hatékonnyá vált, hogy az emberek többsége mással foglalkozhat. Ha ez a trend folytatódik (a mesterséges intelligenciának és a Bitcoinnak köszönhetően), elképzelhető, hogy valóban hatékonyabban oldjuk meg az emberek problémáit, és így ugyanahhoz az életszínvonalhoz kevesebbet kell majd dolgoznunk. Az univerzális alapjövedelem tönkreteszi ezt a fejlődést – a jó pénz ennek a hatásnak az alapfeltétele.

Megment minket a brüsszeli bürokrata az emberiség pusztulásától?

Az emberiség mesterséges intelligencia általi pusztulásától disztópikus könyvekben sci-fi szerzők óvtak minket, számos film készült ebben a témában (az idősebbek főleg a Terminátort ismerik), az utóbbi időben pedig vállalkozók (Elon Musk, Sam Altman), filozófusok (Yuval Noah Harari, Nick Bostrom) és politikusok kedvelt témájává vált.

Függetlenül attól, mennyire reálisak ezek a víziók, az út mindig ugyanaz – megállítani a technológiai fejlődést. A „Pause Giant AI Experiments: An Open Letter” című nyílt levélben a világ neves személyiségei arra szólítanak fel, hogy függesszük fel a mesterséges intelligencia kutatását. „Felszólítjuk az összes mesterséges intelligencia laboratóriumot, hogy azonnal, legalább 6 hónapra függesszék fel a GPT-4-nél erősebb mesterséges intelligencia rendszerek betanítását. Ennek a felfüggesztésnek nyilvánosnak és ellenőrizhetőnek kell lennie, és minden kulcsfontosságú szereplőre ki kell terjednie. Ha ilyen ideiglenes felfüggesztést nem lehet gyorsan bevezetni, a kormányoknak kell közbelépniük és moratóriumot elrendelniük.”

Ezzel a megközelítéssel több probléma is van. Egyrészt, ha olyan emberek, mint Sam Altman szólítják fel a szabályozókat a kutatás betiltására, az felfogható járadékvadász stratégiaként a konkurencia megfékezésére. Az OpenAI kutathat és pénzt kereshet a továbbfejlesztett termékein, de a versenytársak nem? A másik probléma, hogy a GPT-4 modell nem nyilvános, tehát nem tudjuk, mit jelent a „GPT-4-nél erősebb mesterséges intelligencia rendszerek” kifejezés, hiszen a GPT-4-ről még olyan alapvető adatokat sem hoztak nyilvánosságra, mint a betanítható paraméterek száma vagy az architektúra. Ráadásul a kutatás abba az irányba halad, hogy „jobb” nyelvi modellek készíthetők kevesebb paraméterrel, vagyis kisebb számítási kapacitással. A minőség javul, nem a mennyiség.

További probléma, hogy mindez hogyan nézne ki a gyakorlatban. Nyílt forráskódú modellek születnek. A világ kormányai sokkal fontosabb kérdésekben sem tudnak megegyezni, nemhogy a kutatás felfüggesztésében. Ráadásul egy ilyen tilalom lényegében kartellmegállapodás, a kartellmegállapodásoknak pedig van egy alapvető problémájuk – a kartellmegállapodás megszegése rendkívül jövedelmező. Például az országok már évek óta próbálnak bevezetni egy 10%-os minimális jövedelemadót. De mivel bárki, aki nem fogadja el ezt a minimális kulcsot, hatalmas mennyiségű üzletet vonz az országába, ez a törekvés sikertelen marad.

Persze elég lenne, ha a nyugati országok és Kína megegyeznének, de Kína esetében ez nagyon valószínűtlen. Emellett az innovációk az említett nyílt forráskódú közösségtől is érkeznek. Például a legjobb szabadon elérhető, nyílt forráskódú nyelvi modell, a Falcon, amelyet kereskedelmi célokra is lehet használni, Abu Dhabiban készült. A kutatás szüneteltetése azt jelenti, hogy csak azokban az országokban folytatják, amelyek „fütyülnek” az ilyen megállapodásokra – azt akarjuk, hogy az élvonalbeli kutatás Oroszországban és Kínában folyjon?

Az Európai Unió színre lép

A személyes adatok védelmét szolgáló GDPR-szabályozás „nagy sikere” után az Európai Unió úgy döntött, hogy a mesterséges intelligencia világához szabályozásokkal járul hozzá. Nem lenne fair azt állítani, hogy az európai cégek nem járulnak hozzá a mesterséges intelligencia modelljeinek fejlesztéséhez, de mindenki számára nyilvánvaló, hogy az innováció oroszlánrésze máshol történik – az USA-ban, Kínában, de más országokban is.

Az európai szabályozók már intenzíven dolgoznak a szabályozásokon, és egyeztetnek azokkal a nagyvállalatokkal, amelyek maguk írják le, hogyan lenne érdemes szabályozni az egész ágazatot. Az elképzelés az, hogy az Európai Unió nagy piac, ezért minden cég teljesíteni akarja Brüsszel követelményeit, hogy működhessen az adott piacon.

Ez a helyzet a New York-i „BitLicense”-ra emlékeztet. New York állam úgy döntött, hogy engedélyhez köti a kriptovaluta-cégek működését, mondván, hogy minden józan kriptovaluta-vállalkozó nyilván Wall Street-i ügyfeleket akar. A valóságban a legtöbb cég egyszerűen bevezetett egy jelölőnégyzetet: „Megerősítem, hogy nem New York államból vagyok”. A szabályozók úgy érzik, hogy az egész világot irányítják, de az emberek többsége nem New York államban és nem az Európai Unióban él. Hasonló hatást látunk a mesterséges intelligencia területén is. A Bard asszisztens egyszerűen egyáltalán nem működik az Európai Unióban egyelőre. Ennek oka a személyes adatok védelmére vonatkozó szabályozás (a mesterséges intelligencia szabályozása még csak készülőben van, és nincs hatályban), de a Google számára egyszerűbb egy jó terméket bevezetni a világ többi részén, és talán, ha lesz energiájuk és idejük, az EU-t is hozzáadják.

A szabályozás tehát valószínűleg lelassítja a fejlődést az EU-ban, de a világban a fejlődés tovább halad. Az Unió polgárai és vállalatai így versenyhátrányba kerülnek.

Szóval megöl minket a Terminátor SkyNetjének modern megfelelője? Erre a kérdésre természetesen nincs válaszunk, de érdemes megjegyezni, hogy a technológiai fejlődést nem tudjuk megállítani. A technológiákat nem lehet „feltalálatlanná” tenni, és hatékonyan betiltani sem tudjuk őket. Ezért jobb megközelítés azt vizsgálni, mit tehetünk, ha a technológiai fejlődést adottságnak tekintjük.

A második út, amelyet a technológiai cégek választottak (és amelyet a brüsszeli bürokrata is erőltet), a diszkrimináció és a torzítások kiküszöbölése, valamint az ún. alignment – az emberiség értékeivel való összhang – megteremtése.

A torzítások kiküszöbölése azonban kissé mosolyra fakaszt. Emlékszem az egyetemi Gépi tanulás tankönyvre, amelynek már az első fejezetében van egy bekezdés „A tanuláshoz torzítás szükséges” címmel. Ez a torzítás (a priori információ) abszolút nélkülözhetetlen, és nélküle hasznos tanulás nem lehetséges. Végtelen sok olyan függvény létezik, amely helyes eredményeket ad, vagyis amelyek a tanítóhalmaz bemeneteit helyes kimenetekké alakítják. Ahhoz, hogy a hálózat tanulni tudjon, az alkotónak torzítást kell implementálnia, vagyis a priori feltételezéseket a világról. Természetesen itt is különböző típusú torzítások léteznek, és nem mindegyik kívánatos.

Mi a helyzet az értékeinkkel való „összhang” kérdésével? Mindenekelőtt nem gondolom, hogy létezne olyasmi, mint az emberiség közös értékei. Ha megnézzük, milyen értékeket építenek be az alkotók, azok túlnyomórészt a nyugati keresztény demokráciák értékei, politikai progresszivizmus és woke elemekkel. Ez azonban az emberiség többségét sem képviseli.

Érdekes azonban az is, hogy minél jobban igyekeznek az alkotók megteremteni az összhangot, annál könnyebb „kiugrani” ebből a betanított torzításból, és rávenni a hálózatot, hogy pontosan az ellenkezőjét tegye. Ezt az érdekes jelenséget Waluigi-effektusnak hívják (a cikket ajánlom). A predefinált értékekből annál könnyebb kitörni, minél jobban próbálják a szerzők az összhangot megteremteni. Az emberek elkezdték gyűjteni a technikákat, hogyan lehet ezt megtenni. Szerencsére léteznek cenzúrázatlan modellek is, amelyek nem implementálják ezt a torzítást, és így jobb eredményeket adnak.

Elpusztítja-e a mesterséges intelligencia belátható időn belül az emberiséget? A jelenlegi helyzetben nem tűnik úgy, hogy SkyNet-szerű forgatókönyv felé tartanánk. A nyelvi modellek nyelvet generálnak, az általános mesterséges intelligenciától, nemhogy a szuperintelligenciától, még nagyon messze vannak. Attól, hogy a világgal nyelv, képek segítségével lépünk interakcióba, esetleg vizuális benyomások alapján vezetünk autót, vagy alkalmanként űrhajót kell irányítanunk, még nem jelenti azt, hogy ezek a neurális hálózatok bármi mást is képesek lennének csinálni. Ez hasonlóan működik, mint az emberi agyban, ahol többé-kevésbé specializált „moduljaink” vannak a különböző feladatokra – a vizuális kéreg a vizuális ingerekkel foglalkozik, a nyelvi központok a nyelvet dolgozzák fel, és így tovább. A mesterséges intelligenciából még mindig hiányzik az az integrációs modul, amely valami olyasmit hozna létre, mint a tudatunk. Személy szerint nem gondolom, hogy ez lehetetlen, és úgy vélem, hogy előbb-utóbb meg fog történni, de azt is gondolom, hogy ez a tudat jelentősen különbözni fog az emberitől.

Hogy mi fog történni, azt nem tudom megjósolni. A mesterséges intelligencia, akárcsak a komplex rendszerek legtöbb jelensége, emergens természetű, ezért nem lehet központilag irányítani. Tehát rajtunk múlik, hogy úgy használjuk a mesterséges intelligenciát, hogy segítsen nekünk. Az ígérete hatalmas, és ha élünk a lehetőségeivel, jólétet hoz számunkra. A mesterséges intelligenciával, az internettel és a Bitcoinnal együttműködve a következő fejlődési szintre emelhetjük az emberiséget. Hogy az hogyan fog kinézni, azt még fel kell fedeznünk – én és a mesterségesintelligencia-robotom már készenlétben állunk a popcornnal.

Juraj Bednár

Cypherpunker vagyok, szeretem a szabadságot, a magánéletet, a peer-to-peer technológiát és a terminálablakokat. Felfedezem a kaotikus világot, az illékonyságot és a bizonytalanságot, küzdök az entrópia ellen - cégeket és nonprofit szervezeteket alapítok, tanfolyamokat tartok és könyveket írok. Társalapítója vagyok a Parallel Polisnak, a Progressbar hackerspace-nek és a Hacktrophy nevű bug bounty platformnak. Mesterséges intelligencia szakon végeztem és rajongok mindenért, ami ezzel kapcsolatos. A tapasztalataim által ihletett blogomat itt olvashatod.