Harper Carroll az AI-oktatás felé vezető útját a Stanford számítástechnikai tanulmányaival, a Meta gépi tanulás mérnöki munkájával és egy 2023 végi, kis GPU-számítástechnikai startupnál tett rövid kitérővel kezdte. Ott figyelte meg, hogy szinte senki sem értette megfelelően az open source modellek finomhangolását, ezért oktatni és írni kezdett, hogy a startup platformjára feliratkozókat ösztönözze.
Az első útmutatója — amelyet rögtön a Mistral 7B megjelenése után tett közzé, akkor még mintegy 50 követővel — 50 000 megtekintést kapott. 2024 márciusában pedig egy, az AI és a gépi tanulás közti különbséget magyarázó videója 5 millió megtekintést ért el; minden 20. néző követni kezdte őt. Ma több mint 500 000 követője van több platformon, és teljes munkaidőben foglalkozik AI-oktatással.
Mit jelent „azt hozni a médiumhoz”?
A beszélgetés alapvető tétje az volt, hogy az AI mint közeg hasonlóan működik, mint a nyelv vagy a fotózás: a rendelkezésre álló eszközökkel mindenki dolgozhat, de az különbözteti meg a jó és a gyenge eredményt, hogy ki mit visz hozzá. Egy egyszerű, gondosan megírt prompt és a köré épített munkafolyamat között óriási különbség lehet — az utóbbi gyakran sokkal jobb kimenetet eredményez.
Carroll azt a látásmódot osztja, hogy a mesterséges intelligencia alapvetően a világ megértésének „matekja”: a szöveg alapú nagy nyelvi modellek csupán az ágak egyikét jelentik, a terület egésze a világ matematikai modellezése.
Mi történik, amikor AI-t használunk gondolkodásra?
Egy korábbi tanulmány arra mutatott rá, hogy azoknál, akik AI-t használtak esszék írására, alacsonyabb agyi aktivitást mértek, mint azoknál, akik egyedül írtak. Sokak reakciója az volt, hogy ez a kognitív képességek leépülését jelenti. Carroll szerint azonban ez a felhasználói viselkedésre is utal: ha valaki egy mondatos promptot ad be és elfogadja a visszakapott szöveget, nyilván kevés gondolkodást mérnek.
Összehasonlításképp: más módon keresni és böngészni egy könyv után az Amazonon teljesen más élmény, mint egy fizikai könyvesboltban válogatni — ez időmegtakarítást jelenthet, amelyet más, igényes kognitív feladatokra lehet fordítani.
Finomhangolás kontra in-context prompting
Carroll és az interjú készítője egyaránt arra a következtetésre jutottak, hogy a finomhangolás más hatást ér el, mint az in-context prompting. A magyarázat lényege: a modellek hatalmas matematikai egyenletek; a paraméterek tanítás alatt változó (variáns) értékek, majd futtatáskor konstansokká válnak. A finomhangolás során a súlyokat ténylegesen módosítjuk, így a modell „másként akar” írni; ezzel szemben a promptolás csak a rögzített súlyok felületét tudja némileg elhajlítani.
Carroll gyakorlati megközelítést javasol adatkészlet-építéshez: vegyük a saját írásainkat, kérjük meg az AI-t, hogy írja át a saját jellegzetes „ticsei” szerint, majd a finomhangoláshoz használjuk bemenetként az AI-verziót és célként a személyes, eredeti szöveget — így a modell megtanulja „visszacsinálni” a nyomokat.
A kísérleti eredmények és demonstrációk
Carroll először Claude-del próbálkozott stílusreprodukcióval, 1 000 Instagram-feliratból, videóátiratból és X-bejegyzésből álló kontextussal. Az így kapott kimenetet egy detektáló eszköz 100%-ban AI-írásnak minősítette. Ezt követően egy nyílt forráskódú Llama-modellt finomhangolt ugyanilyen adatokkal; a finomhangolt modell kimenetét a detektor 100%-ban emberinek találta. Carroll egy South by Southwest-en tartott meggyőző demót ezzel kapcsolatban, amely a bemutató alapján nagyjából 20 percet vett igénybe.
Kódolástanulás 2025-ben: mennyit érdemes megtanulni?
Mindketten abban értettek egyet, hogy érdemes kódolni tanulni, de másként, mint korábban: nem feltétlenül arra a részletes nyelvi szintaxisra koncentrálva, amelyet sokan hibák és próbálkozások árán sajátítanak el. A „vibe coding” — gyors, eszközökre támaszkodó fejlesztés — lesüllyesztette a belépési küszöböt, így több ember képes terméket építeni. Ugyanakkor a képességek magas szintje még mindig azokat emeli ki, akik rendszerszintű megértéssel rendelkeznek.
A gyakorlati kockázat az, hogy a tapasztalt mérnök képes meglátni olyan hibás működéseket és hatékonysági problémákat (például valaki adatokat Word-dokumentumban tároló ügynökét), amelyeket a „vibe coder” hónapokig nem vesz észre. Ezért érdemes annyit tanulni kódolni, hogy megértsük, mi történik a háttérben.
Intuíció mint megkülönböztető képesség
A Szilícium-völgy erősen logikára és adatalapú döntéshozatalra épít; ebben a környezetben az intuíciót gyakran „lágy” tényezőként kezelik. Carroll kiemeli, hogy ez téves hozzáállás az AI kapcsán: a modellek a meglévő mintázatok felismerésében erősek, de a mintázatokkal szembemenő döntésekben sokszor gyengék. A jól fejlett intuíció, amely képes szembe menni a pillanatnyi adatokkal, még hosszú ideig lehet az emberi szerep egyik versenyelőnye.
Mit ront el a mező a nyilvános kommunikációban?
Carroll szerint a közbeszéd túl gyakran félelemmel kezdi a technológiáról szóló narratívát: munkahelyek elvesztését, gyorsan közelgő általános mesterséges intelligenciát (AGI), vagy univerzális alapjövedelem szükségességét emelik első témaként. Nem tagadja ezek lehetségességét, de úgy véli, rossz bevezetés ez a technológiához. A félelemközpontú kommunikáció elsősorban kerülést generál, és aki elkerüli az AI-t, az valóban lemaradhat.
Szerinte a fontosabb kérdés az, hogyan lehet növelni az ambíciót: az AI nemcsak az egyéni képességeket skálázza, hanem azt is, hogy mit mer egy szervezet megkísérelni. Ennek feltétele, hogy mindenki tanuljon AI-t — alacsonyabb költségű modellekre, komoly open source befektetésre és olyan cégekre van szükség, amelyek nem válnak kizárólag a nagy platformok alárendeltjeivé.
Szervezeti megközelítés és események
Az O’Reillynél azzal dolgoznak, hogy szervezeti szinten is a „kezdő munkákhoz illeszkedve” mutassák meg, hogyan lehet az AI-t bekeverni a meglévő feladatokba, hogy az emberek munkája hatásosabb legyen. A cél az emberi munkát és az ügynököket egyszerre tanítani, hogy együtt legyenek produktívabbak.
A cikk szerzője július 9-én Dan Guidoval, a Trail of Bits társalapítójával és vezérigazgatójával fog beszélgetni arról, hogy a cégük hogyan vált AI-native-dzé; a rendezvény során Guido bemutatja a saját tapasztalatait és körülbelül 40 percet válaszol a közönség kérdéseire. A részvétel ingyenes és nyitott mindenkinek.
Következtetés
Carroll munkája és kísérletei világosan mutatják, hogy a finomhangolás képes átformálni a modellek alapvető viselkedését, míg a puszta prompting sokkal korlátozottabb hatást gyakorol. A technológiai közbeszédnek kevésbé kellene a félelemre épülnie, és inkább a gyakorlati hozzáférés, oktatás és a közösségi, open source megoldások előmozdítására kellene koncentrálnia, ha azt szeretnénk, hogy a társadalom széles köre profitáljon az AI-ból.
