Mi történt
A nagy nyelvi modellek — vagyis azok az AI-rendszerek, amelyek rengeteg szövegből tanulnak meg szavakat és mondatmintákat előrejelezni — látványos eredményeket értek el az elmúlt években. Képesek összefüggő, emberinek ható szöveget írni, kérdésekre válaszolni, sőt bizonyos feladatokban segíteni is. Ez azonban nem jelenti azt, hogy a nyelvet úgy sajátítják el, mint az emberek.A most előkerült összevetés lényege egyszerű: a csecsemők és kisgyerekek meglepően kevés nyelvi inputból tanulnak meg beszélni. A becslések szerint nagyjából 10–30 millió hallott szó is elég lehet ahhoz, hogy egy totyogó már felismerhető, értelmes mondatokat alkosson. Ugyanezen a nagyságrenden betanított modellek ezzel szemben inkább csak zavaros szöveggenerátorok maradnak. Gondolj rá úgy, mint két tanulóra: az egyik néhány hónapnyi hétköznapi beszélgetésből ráérez a szabályokra, a másiknak egy teljes könyvtár sem elég ugyanahhoz a szinthez.
A különbség nem csak mennyiségi, hanem minőségi is. A gyerekek nem pusztán szavakat másolnak: gyorsan alkalmazkodnak, következtetnek a mintákból, és a nyelvet valós helyzetekhez kötik. Egy mai nyelvi modell ezzel szemben statisztikai alapon dolgozik: azt számolja, melyik szó következik valószínűleg a másik után. Ez nagyon erős technika, de nem ugyanaz, mint az emberi nyelvelsajátítás.
Miért fontos
Ez azért lényeges, mert jól kijózanítja az AI-ról szóló közbeszédet. Attól, hogy egy rendszer folyékonyan fogalmaz, még nem biztos, hogy hatékonyan tanul, vagy hogy emberi módon érti a nyelvet. A hétköznapi felhasználónak ez főleg azért fontos, mert segít helyén kezelni a chatbotok képességeit: hasznos eszközök lehetnek, de nem érdemes összekeverni a meggyőző szövegalkotást a valódi megértéssel. A Futurism által idézett szakértői kép alapján az iparág egyik nagy kérdése most az, hogy pusztán még több adattal és még nagyobb modellekkel egyáltalán áthidalható-e ez a szakadék.Mire figyelj
- Érdemes figyelni, hogy a következő AI-modellek nemcsak nagyobbak lesznek-e, hanem adat-hatékonyabbak is. Ez azt jelenti, hogy kevesebb példából tudnak-e többet tanulni.
- Fontos kérdés marad, hogy a nyelvi modellek kapnak-e új tanulási módszereket, amelyek közelebb állnak az emberi tanuláshoz, nem csak több szöveget.
- A felhasználói oldalon valószínűleg tovább nő majd a különbség a „jól hangzó válasz” és a tényleges megbízhatóság között, ezért egyre fontosabb lesz ellenőrizni, mikor beszél az AI magabiztosan, de tévesen.