Átvették már az irányítást felettünk az algoritmusok, vagy még mi hozzuk meg a saját döntéseinket?
Más oldalról közelíteném meg a kérdést. Az algoritmusok azért érdekesek, amiért sokak számára félelmetesek: mert megfoghatatlanok. Komplex és gyakran láthatatlan folyamatok egy fekete doboz típusú technológiában. A félelem alapú döntések, ítéletek ugyanakkor nem segítenek a valósággal való szembenézésben.
Ha kicsit jobban megértjük az algoritmusokat, akkor talán megbékélünk velük?
Nem az a lényeges, hogy részleteiben megértsük az algoritmusok működését. Egy autó beindításakor sem tudják sokan pontosan elmondani, hogyan működik a hajtásrendszer. Az algoritmusoknál sem a probléma megoldására alkalmas utasítás-sorozat pontos felépítését, hanem a használhatóságát fontos megérteni: azt, hogy mikor, mire jó. Ez történhet úgy, hogy megadom a bemeneteket, azaz a felhasználási módot, és egy bizonyos működést, illetve eredményt várok el. Most vagyunk abban a korszakban, amikor ezeket a bemeneteket kell nagyon jól definiálni.
Mit jelent egy bemenet?
A bemenet lehet például egy olyan üzleti cél, hogy optimalizáljak egy hirdetési felületet, még több embert érjek el vele, miközben azonos idejű visszajelzést kapok a feladat elvégzésének sikerességéről, amit még jobb eléréssé tudok alakítani. Hogy ezt az algoritmus hogyan oldja meg, az már az ő dolga. Ha megfelelő mennyiségű és minőségű adat, illetve bemeneti algoritmus érhető el ehhez, akkor a mesterséges intelligencia ki tudja fejleszteni magának az egyre hatékonyabb mérést és visszacsatolást, s ezt minden további lépéssel csiszolhatja, tökéletesítheti.
Akkor ezen a ponton jön be a képbe a mesterséges intelligencia (MI).
Igen, ekkor már nem csak algoritmusokról beszélünk, hanem a mesterséges intelligencia segítségével elsősorban a gépi tanulásról. Ez a rendszer már algoritmusok összességével dolgozik, lehetővé teszi a korábbi eredmények frissítését, adatok strukturálását vagy éppen a strukturálatlan adathalmazban az ismétlődések, minták keresését. Az egész folyamat nagyon hasonlít ahhoz, amikor egy gyermeket tanítunk: sok a bemenet - a szülők, a barátok, az iskola, a tágabb, akár médiakörnyezet - de hogy a gyerek mit tanul meg a sok információból, mit ismer fel, és mit hasznosít, hogy minél hatékonyabban tudjon kommunikálni a világban, az már rajta múlik. De szülői oldalról is megállja a helyét a tanulási analógia: az első gyerekkel tanulja meg minden szülő, hogyan kell bánni vele, mit kell tennie, hogy félelmei ne igazolódjanak be. A második gyereknél már egy ismert tanulási folyamaton megy keresztül, így alapesetben kevesebb a félelme.
És hol van ebben az üzlet?
Alapvetően két irányból jön be, egyrészt a költségcsökkentést segíti elő, ilyenkor elég egy csetbot alkalmazásra gondolni, ami rengeteg monoton, és így könnyen automatizálható ügyfélszolgálati munkát vált ki. Másrészt vannak az olyan speciális automatizációk, amik a felhasználói élmény növelését szolgálják. A médiaiparra lefordítva a technológia monetizációja például a tartalmak mellett vagy akár azok helyett megjelenő hirdetésekben érhető tetten, és az olyan, új típusú szolgáltatásokban, mint például a kiterjesztett vagy a szintetikus média.
Nem sokszor hallani ezeket a kifejezéseket a szakmán kívülieknek - tudnál példákat mondani az alkalmazásukra?
Viszonylag újak a kifejezések, sokszor a megfelelő magyar fordításuk sincs meg. A kiterjesztett média az, amikor van egy alap médiaipari termék, mint egy Netflix-sorozat, amihez sok rövid, promóciós videót kell gyártani a különböző platformokra és fogyasztói szegmensekre szabva – automatizálva, nagy mennyiségben és jó minőségben. Ez akár olyan extra lehetőséggel is kiegészíthető, hogy egy rajongó beleszerkeszthesse magát a promóciós videóba. A szintetikus médiára a legjobb példa az úgynevezett „beszélő fejek” alkalmazása, ami egyelőre Kelet-Ázsiában erősebb irány, de gőzerővel tart felénk. Itt egyre több nem létező, de valósnak kinéző, emberszerű karaktert raknak a képernyőre. Sok előnyük van, például nem lesznek betegek, nem fáradnak el, és fizetést sem kell adni nekik. Ők az úgynevezett anchorok, azaz horgonyok, akik lehetnek szintetikus influencerek vagy műsorvezetők is. Hírszolgáltatáshoz, videó- vagy stream-műfajhoz kötjük őket. Szemben a népszerű celebekkel, akikkel kapcsolatban stílusuk, privát szférájuk és botrányaik érdekesek, a beszélő fejek inkább tartalmi szolgáltatásokat márkáznak vagy azonosítanak.
Érdemes tehát Kelet-Ázsiára figyelni a mesterséges intelligencia médiában való alkalmazásakor.
Abszolút. Például az Alibaba éppen tavaly jött ki egy szolgáltatással arra alapozva, hogy rengeteg rövid videó készül a világban. A TikTok kisvideó-megosztó közösség és más, rövid videókon alapuló termékek és szolgáltatások értékesítése ugyanis szép csendben egy hatalmas, 30-40 milliárd dolláros piac kezd lenni. Csak Kínában több 100 millió rövid videót néznek meg naponta. Az Alibabánál ezért létrehoztak egy mesterséges intelligencia-alapú média platformot, ami önműködően szegmentálja, még kisebb részjelentekre bontja ezeket a videókat, sablontípusokat gyárt hozzájuk, ellenőrzi a videó minőségét, és azt, hogy hányan nézik vagy éppen lépnek ki a videó megtekintése közben. Egy hosszabb videóból például pár perc alatt több száz vagy akár ezer kisvideót lehet így szerkeszteni – például trailerekkel elárasztva a videómegosztókat. De nem feltétlenül kell Kínáig menni, már a BBC-nek is van olyan megoldása, ahol a rádióhallgatók beleszólhatnak az aktuális rádióműsorba, saját felhasználási céllal. Egy-egy ilyen játékos plusz szolgáltatással hatékonyan lehet növelni a fogyasztói elköteleződést és a megosztásokat is.
Belegondolni is elképesztő, hogy mennyi adathoz férnek hozzá az ilyen platformok. Nem veszélyes ez?
Nagyon érdekes kérdés, hogy az etikai oldal hogyan tud megjelenni a mesterséges intelligencián alapuló rendszerekben. A MI felhasználása annyi iparágat és szektort érint, hogy az már a filozófiai etika kérdéskörét, az ember újradefiniálását teszi szükségessé. Azt, hogy mennyire lehet emberszerű és megbízható az embert kiszolgáló, őt támogató technológia. Elég csak a deepfake-re gondolni, ami már a megtévesztés egyik jellemző eszköze és megkérdőjelezi a fizikai valóság korábban ismert közvetíthetőségét. Ez viszont társadalmi szintű bizonytalanságot szül és bizalomvesztéshez vezethet, ami nem lehet üzleti cél. Érdemes megemlíteni még egy példát. Berlinben végeztek egy olyan kutatást, ahol „esendő csetbotokat” vontak be a beszélgetésbe, amelyeknek hibáik, dilemmáik voltak, mintha hús-vér emberek lettek volna. Az eredmény az volt, hogy a kutatásban résztvevők sokkal jobban odafigyeltek rájuk, a tanácsaikra, mint a klasszikus, robotszerű botokéira, bár tudták róluk is, hogy nem igazi emberek. Innen már csak egy lépés, hogy az emberek bármely irányba befolyásolhatók legyenek ilyen módon.
Ettől nem sikerült megnyugodnom.
Van azonban olyan megközelítés is, amely szerint csaknem mindegy, mit csinálnak a gépek: 90 százalékban nem a gépi tanuláson múlik a mesterséges intelligencia hatékonysága, sikere. Hanem azon, hogy milyen szándékkal használják, mennyire átgondolt a rendszer felépítése, azaz hány oldalról közelítették meg - például szakértők, kutatók részt vettek-e a kidolgozásában. A mesterséges intelligencia-alapú szövegelemzéssel foglalkozó Mari-Sanna Paukkerihez kötődő elmélet szerint ez a multidiszciplináris megközelítés biztosíthatja, hogy érvényesüljön az emberi rész, azaz nem teszek veled olyat, amit nem akarom, hogy velem tegyenek. Az etika tehát itt a finomhangolásra jó, amiben a vállalatok is érdekeltek. Ilyen irányt jelez például a Google döntése a cookie-k törlésével, megváltoztatva az ajánlatok minőségét. Ugyanígy a már említett esendő csetbotok példája is jól mutatja, hogy miért célszerű nemcsak a szolgáltatás általános célját megfogalmazni, hanem etikus csetbotokat vagy etikus közösségi média botokat fejleszteni. Angolul ez a mozgalom az „AI for Good”, amely felülről, szabályzói és vállalati oldalról és alulról, például az információs önrendelkezési joggal foglalkozó civil szervezetektől is indulhat. Vezérlő elve, hogy ha jól, etikai szempontokat is érvényesítve használjuk a technológiát, akkor közelebb kerülhetünk a jóléti társadalomhoz.
A gyakorlat azt mutatja, hogy a legjobb szándék mellett is előfordulhatnak olyan esetek, mint például az Amazoné évekkel ezelőtt. Az online áruház felvételi rendszerébe érkező CV-ket előszűrő mesterséges intelligencia a férfiakat favorizálta – mivel a megelőző 10 évben a céghez beérkezett önéletrajzokon tanult, amelyek döntő többségét férfiak küldték.
Ne legyenek illúzióink, nincs teljesen semleges mesterséges intelligencia, mert a világ sem az, ahonnan a bemeneti adatok származnak. Abban nem hiszek, hogy majd a mesterséges intelligencia segítségével lesz egy világ, ahol minden kiegyensúlyozott, tökéletes, homogén, mert az egyúttal unalmas, egysíkú is lenne. A kultúrák és a társadalmak sokszínűségét és értékeit érdemes jól megőrizni, ezzel is elkötelezve a felhasználókat.
Hogyan lehetne mégis valamennyire megelőzni, hogy az algoritmusok is diszkrimináljanak, mélyítve a megosztottságot?
Ezért is fontos különböző szakterületek bevonása a fejlesztésbe, szabályozásba. Egyre több ország és vállalat jön ki mesterséges intelligenciával kapcsolatos stratégiai dokumentumokkal és ezekben az etikai vonal is hangsúlyos: kitérnek a magánélet védelmére vagy épp a diszkriminációk kezelésére. Az egyes államok mesterséges intelligencia stratégiái nem csak tudományos-technológiai leírásokat tartalmaznak, hanem konkrét gazdasági célokat és várakozásokat tartalmaznak 5-10 éves átfutással és GDP-növekedéssel. Az USA annyira prioritásként kezeli a kérdést, hogy Joe Biden beiktatása utáni napon már megjelent az amerikai mesterséges intelligencia stratégia új verziója.
Magyarországon mik a legújabb fejlemények ezen a téren?
Magyarország MI-stratégiája már elérhető. Mindezen túl nemrég reprezentatív kutatást folyattam a Mesterséges Intelligencia Koalíció különböző iparági tagjainak képviselőivel. Ebből kiderült, hogy a legnagyobb várakozás az egészségügyi szolgáltatások és a biotechnológia terén vannak a mesterséges intelligenciával kapcsolatban, de a top 10-ben van a kereskedelem, az értékesítés támogatása, a távközlés és a média is. A média vonatkozásában azonban még szigetszerűek a vonatkozó kutatások és fejlesztések a világban. Erre reagál például a most induló globális AI Media Research (https://aimediaresearch.com). A tudományos, üzleti és szakértői partnerekkel épülő hub összeköti az MI-alapú vagy az MI által támogatott média kutatásait és projektjeit.
A mesterséges intelligencia kulturális vetülete, amit szintén kutatsz, hogyan segíti az etikai szempontok jobb érvényesülését?
Valentine Goddard szerint, aki a mesterséges intelligencia és az etika viszonyát kutatja, mellesleg művészeti kurátor is, három dolog kell az etikus mesterséges intelligenciához: méltányosság, elszámoltathatóság és átláthatóság. Ez utóbbihoz kiemelném, hogy nem csak a társadalmi párbeszéd és szakértők fontosak, hanem a civil szervezetek is. Azonban ők még nincsenek abban a helyzetben, hogy mélyebben tudják befolyásolni az etikai területeket. És itt jön képbe a művészet, ahonnan nagyon jól meg lehet közelíteni a kérdést, mivel lényegéből adódóan egyszerre sokféle perspektívát, érzést képes megmutatni a technológiából, amely így közelebb kerülhet az emberekhez. Ez is segíthet abban, hogy önálló, autonóm emberi lényként tudjunk együtt élni a mesterséges intelligenciával, és ne a félelmeink irányítsanak, hanem a lehetőséget lássuk benne.
Kövesd az oldalunkat a Facebook-on és a Twitteren is!
