Alec Radford és munkatársai egy kísérleti modellt építettek talkie-1930-13b néven, amelyet úgy jellemeznek: egy „lezárt antik agy”. A modellhez kizárólag angol nyelvű szövegeket adtak, amelyek keletkezése 1931. január 1. előtt történt — tehát sem modern internetes források, sem számítógépes dokumentációk nem szerepeltek a tanítóanyagban.
Mire képesett a modell?
A csoport néhány példát mutatott a modelnek programozási feladatokra, majd a talkie-1930-13b képes volt működő Python kódot előállítani. A kutatók azt hangsúlyozzák, hogy ez nem egyszerűen a korpuszban található szövegek bemagolása volt: a modell a nyelv, a matematika, a logika és az emberi szándék mintázataiból rekonstruálta a feladatmegoldást.
Miért fontos ez?
A kísérlet arra világít rá, hogy a gépi nyelvi modellek nem csupán a tananyag betű szerinti reprodukciójára képesek. Ha a modell valóban a mintázatokat használta fel a modern eszközök működésének „megtippelésére”, akkor a múltbeli adatok nem csak archiválásra jók, hanem előrejelzésre és új problémák megoldására is alkalmazhatók. Ez a megközelítés másként értelmezheti, hogyan számítjuk be az AI-képességek értékét és kockázatait.
Korlátok és óvatosság
A bemutatott eredmények rövid ismertetése nem tartalmaz részleteket a pontos kísérleti beállításról, a minták számáról vagy arról, milyen mércével tekintik „működőnek” a kódot. Ezek az adatok fontosak ahhoz, hogy megítéljük, mennyire általánosítható a jelenség, illetve hogy valóban az általánosításról, és nem valamilyen rejtett adatszivárgásról van-e szó.
Következmények
Ha az ilyen jellegű általánosítás skálázható, akkor a jövőbeli modellek nem csupán a múltat fogják elnyelni, hanem a múlt mintájára előre számíthatnak bizonyos jövőbeli megoldásokra. Ez új szemléletet adhat az AI-fejlesztésnek és -értékelésnek, ugyanakkor további, alaposabb vizsgálatokat tesz szükségessé a megbízhatóság és a biztonság kérdéseiben.
Összegzés
A talkie-1930-13b kísérlete rávilágít arra a lehetőségre, hogy a nyelvi modellek a történelmi adatokból képesek lehetnek új, technikai megoldásokat kikövetkeztetni. Az eredmény ígéretes, de részletek és független ellenőrzés nélkül óvatosan kell kezelni az általános következtetéseket.
