Az AI fejlődése továbbra is exponenciális pályán halad. A szerző rendszeresen publikál Substacken, de azt tapasztalja, hogy az események gyorsasága miatt ez néha lassúnak tűnik: az elmúlt hetekben egy AI állítólag megfejtett egy ismert matematikai problémát (ami vitát váltott ki), valamint széles körű diskurzus indult az AI-kockázatokról és az ezekre adható válaszokról (szintén vitákkal kísérve). A szerző szerint sok aggodalom egy közös forrásra vezethető vissza: emberi rendszereink és folyamataink sokkal lassabban alkalmazkodnak az AI fejlődéséhez, mint maga a technológia.
A jelen is forradalmi
Nem csak a jövőbeli, erősebb modellek miatt érdemes aggódni vagy lázasan tervezni — a jelenlegi rendszerek is rendkívül képessé váltak. A szerző példaként említi a GPT-6 Astra és a Fable 5.1 modelleket, amelyek már ma is elegendőek lehetnek arra, hogy sok gazdasági területen átalakító hatást fejtsenek ki; megfelelő irányítással heteknyi emberi munkát képesek elvégezni.
Konkrét példák:
- A szerző GPT-6 Astra segítségével átalakított egy 1977-es szöveges kalandjátékot, a Zorkot, egy teljes 3D akció-kalandjátékká. Mivel az eredeti Zork grafika nélküli volt és minden helyszín egy bekezdésnyi leírásból állt, az AI-nak kellett kitalálnia részleteket (például hogyan néz ki a fehér ház vagy egy „grue”), illetve hogyan lehet a „harcolj a trollal” utasítást akciójelenetté alakítani.
- A Fable 5.1-gyel az olasz író Umberto Eco milánói lakásának könyvtárát próbálta rekonstruálni 3D-ben. Eco több tízezer könyvet tárolt ott; a modell nem talált alaprajzot, ezért egy tucat videóból, a műhely fotóiból és két könyvtári katalógusból dolgozott. Képkockánként olvasta a gerinceket, feltérképezte a helyiségeket, és azonosított mintegy 5 000 könyvet, amelyeket elhelyezett a 27 000 polchely egyikén; minden könyvet „biztos”, „tipp” vagy „ismeretlen” jelöléssel látott el, és a kamerák által nem látott polcokat ködbe rajzolta.
Ezek a feladatok — akárcsak a Zork-átalakítás és a többi bemutatott munka — emberi kutatók, fejlesztők és tervezők heteit vették volna igénybe, mégis az AI rövid idő alatt képes volt megoldani őket.
A képességtúlkínálat és a lehetőség
A szerző kiemeli, hogy a vita gyakran a jövőbeli modellek veszélyeire fókuszál, de figyelmen kívül hagyja: a már létező modellek képességeit sokan alig használják vagy nem is ismerik. Például ő maga sem tudta, hogy a GPT-6 Astra képes a Blender (komplex 3D modellező szoftver) használatára, amíg a modell be nem bizonyította.
A szerző példája szerint a közelgő könyvéről, Co-Existence című műről adott anyagból az AI 45 perc alatt készített egy animált 3D jelenetet Blenderben, forgatókönyvvel, poénokkal, beszéd- és zenegenerálással, ha a szerző nem is adott részletes technikai instrukciókat. Amikor a szerző kérte, hogy a modell készítsen egy maximum 30 másodperces akciófilm-előzetest a könyv alapján, az AI forgatókönyvet írt, 3D prototípust készített Blenderben, majd a Blender-animációt storyboardként használva videójeleneteket generált és szerkesztett belőlük előzetest.
Bár ezek a termékek hibákat tartalmaznak, ugyanakkor azt is mutatják, hogy az AI képes ítélőképességet és kreativitást gyakorolni — korábban jellemzően „emberi” tulajdonságoknak tartott tevékenységek. Mindez a ChatGPT-előfizetésének viszonylag kis tokenkeretén belül történt.
A szerző hangsúlyozza: ezek a projektek nem maguktól készültek el. Ő választotta a feladatokat, ismerte eléggé Zorkot, Ecót és a saját könyvét ahhoz, hogy észrevegye a hibákat és kérjen javítást. Ebből adódik a „képességtúlkínálat” fogalma: a modell képessége és az átlagfelhasználás közti nagy szakadék lehetőség, mert kevesen tudják teljes mértékben kihasználni az AI nyújtotta előnyöket.
Négy emberi előny, amely számít
A szerző szerint az a helyes stratégia, hogy az emberi előnyökre építve dolgozzunk az AI-jal, nem versenyezve vele a kimenetek előállításában. Négy személyes adottságot emel ki, amelyek különösen fontosak lehetnek:
- Mély tudás (deep knowledge)
- Ez a szakterületi szakértelem, amely intuíciót ad a gyors és pontos döntésekhez. Példaként: egy tapasztalt könyvelő egy pillantással érzi, ha valami nincs rendben egy táblázatban; egy profi golfozó egyetlen hintából észreveszi a hibát. A szerző szerint csak a szakértők tudják felmérni, hogy az AI egy adott területen hol teljesít jól és hol bukik el. Emellett Anthropic kutatásaira hivatkozva arra is rámutat, hogy a szakértelem befolyásolja az AI által visszaadott munka minőségét: a szakértők nemcsak jobb eredményt kapnak, hanem többet is hoznak ki a modellekből.
- Széles tudás (wide knowledge)
- A nagy nyelvi modelleket emberiségünk széles kulturális és szakmai kimeneteiből képezték. Az AI megtanult bizonyos tervezési elveket, Bayes-i gondolkodást, a Toyota Production System elemeit, Rogerian terápiás ötleteket vagy marxista irodalmi kritikát — de ezek a mintázatok rendszerint csak akkor törnek elő, ha valaki tudja, mit kell kérdezni. A szerző egy tervezési példával világít rá: ha valaki nem ismeri a dizájnalapokat, nem fogja tudni kérni, hogy az AI ne „tegyen címsorokra szemöldököt” (azaz ne adjon felesleges kis alcímeket a főcímek fölé). A széles tudás tehát segít felismerni, mikor az AI jó irányba mozdul, és mit érdemes kérni tőle.
- Ízlés (taste)
- Korábban a létrehozás lassú és költséges volt; a ritka erőforrás a „megalkotás” volt. Most a generálás gyors és olcsó, a korlátozó tényező az, hogy ki választja ki a jó alkotásokat a rengeteg hasonló, középszerű eredmény közül. A szerző saját példájában ő döntött, hogy az előzetes viccet elutasítja, a másikat megtartja, és kéri a „filmszerűbb” változatot — ezek ízlésbeli döntések voltak. Az ízlés az, ami a „massza” közül képes kiemelni a különlegeset.
- Ügynökség (agency)
- Az ügynökség talán a legnehezebben definiálható, de itt a cselekvőképesség és a határok tesztelésére való készség értendő: az, hogy saját kezűleg fedezed fel, mit tud és mit nem tud az AI, ahelyett, hogy várnád, hogy más mondja meg. A szerző ezért végez sok kísérletet és furcsa tesztet (például AI-t játszatni), mert ezekből tanulja meg a határokat és lehetőségeket.
Könyv és előrendelési bónusz
A szerző a Co-Existence című könyvben (megjelenés: október 20.) részletesebben tárgyalja ezeket az előnyöket és további témákat. Azoknak, akik előrendelik a könyvet és jelzik a co-existence.ai oldalon, a szerző egy ingyenes, AI-vezette hanginterjúhoz biztosít hozzáférést: az interjú feltérképezi az egyén mély és széles tudását, ízlését és ügynökségét, és személyre szabott javaslatokat, use case-eket és promptokat ad ezekre az adottságokra építve.
Következtetések: a változás elkerülhetetlen, a forma nem
A jelenlegi aggodalmak többsége a jövőbeli modellekre és azok irányítására összpontosít. Kormányoknak és kutatóintézeteknek ésszerű vitát kell folytatniuk a fejlesztés üteméről, hogy csökkentsék a kockázatokat. Ugyanakkor a lassítás önmagában nem törli el a már meglévő képességeket: ha holnap minden labor leállna, az nem változtatná meg, hogy a GPT-6 Astra és a Fable 5.1 ma is képes átalakítani iparágakat. A képességtúlkínálat hatalmas.
A változás tehát elkerülhetetlen és egyenetlen lesz, nem pedig egyszerre bekövetkező forradalom. Fontos, hogy társadalmi és egyéni szinten modelleket dolgozzunk ki az ember–AI munkamegosztásra, amelyek inkább kiegészítik, mint helyettesítik az emberi munkát. Egyértelmű határokat talán nem lehet kijelölni, de a négy említett személyes előny jó kiindulópont lehet ma: építsünk mély és széles tudást, alakítsuk ízlésünket, és vállaljunk aktív felfedező szerepet az AI használatában.
