Mike Loukides megosztja gondolatait arról, mit jelent a tudás elsajátítása abban a korban, amikor a mesterséges intelligencia képes bonyolult problémák megoldására, tények felkutatására és szövegírásra. A kiindulópont egy vita volt a Navier–Stokes egyenletekkel kapcsolatban — egyike a Millennium-díj problémáinak — és az azt övező diskurzus világít rá a lényegre: maga a folyamat, a tanulás útja fontosabb lehet, mint a megoldás.
A vita és a kérdésfelvetés
A vita szereplői között emlődik Terence Tao, aki arra figyelmeztetett, hogy a jó, termékeny nyitott problémák készlete kimerülő módon van kitermelve. Hugo Duminil-Copin posztjára és Hugo Bowne-Anderson "Beyond Navier–Stokes" írására hivatkozva felmerül a kérdés: mit jelent megérteni valamit? Duminil-Copin szerint az ismételt próbálkozások, kudarcok és eltérő megközelítések gazdag eredményeket hoznak — azaz a folyamat maga értékes.
Loukides ebből kiindulva azt vizsgálja, hogyan illeszkedik ez az AI-használathoz: AI jól teljesít tények felkutatásában, rendszerezésében és azok leírásában, de hogyan lesz ez a tudás a miénk? Elég-e, ha az AI elvégzi a munkát, és mi csak elolvassuk az eredményt?
Egy gyakorlati példa: a Trends összeállítása
Lou-kides egyik napi feladata az O’Reilly havi Trends rovatának írása. Ennek alapja a szerző napi RSS-olvasása, amely általában körülbelül 300 cikket tartalmaz. Nem olvas el minden szöveget teljes egészében: címeket szkennel, érdekes írásokat átfut, fontos cikkeket elolvas, és értékes darabokat beemel a Trendsbe. Emellett használ egy Claude nevű képességet, amely napi rendszerességgel hasonló listát állít össze; egy helyi változat hasonlóan fut Pi/Ollama/Qwen környezetben.
Claude listája hasznos, mert két dolgot csinál: felkap olyan cikkeket, amiket Loukides kihagyott, és segít döntési helyzetekben, amikor nem egyértelmű, mi számít jelentős fejleménynek. Ennek ellenére Loukides nem delegálja teljesen a folyamatot.
Miért fontos a saját részvétel?
A szerző szerint érték van abban, hogy végigmegy a háromszázas címlistán, átfutja a harminc lehetséges fontosságú cikket, és elolvassa azokat a tizenkettőt, amelyek valóban számítanak. Ez a folyamat az, amihez közelebb hozza őt a tudás: beépül a gondolkodásába, így napokkal, hetekkel később is fel tud idézni vagy felismerni egy említést (például egy eszközt, amely azt vizsgálja, hogy valaki „okosszemüveget” használ-e). Ha pontos forrást kell találni, Google (AI-támogatott keresés) segíthet a hivatkozás megtalálásában.
Lou-kides összegzése: a széles látásmódot, a „mi zajlik a számítástechnikában” áttekintést nem lehet teljesen AI-ra bízni; viszont az AI segíthet ennek a szélesebb képnek a kialakításában.
Más megközelítések és a tanulási folyamat
Tim O’Reilly "Writing with AI" esszéjét is említi a szerző: O’Reilly vitatkozik az AI-val, hagyja, hogy az új kutatási irányokra vezesse, és leírta az AI-t mint "okos könyvtár" — egy hasznos metaforát arra, hogyan lehet az AI-t használni kutatásra és gondolkodásra ösztönzésként.
Lou-kides rámutat: még tanuljuk, hogyan használjuk az AI-t. A központi kérdés az, hogy hogyan tesszük a tudást a magunkévá — ugyanaz a kérdés, amit a fent említett matematikusok és gondolkodók is feltesznek. A szoftverfejlesztők szempontjából ez azt jelenti: hogyan értjük meg azt a kódot, amelyet az AI ír, és hogyan építjük be azt a szoftver megértésébe és fejlesztési folyamatába?
A folyamat értéke
A szerző végkövetkeztetése, hogy a megértés útja fontosabb, mert ez vezet új kérdésekhez, új felfedezésekhez és új eredményekhez. A tudás személyes elsajátítása elengedhetetlen ahhoz, hogy ne váljunk pusztán "stochasztikus papagájokká" — azaz mechanikusan ismétlő rendszerekké, amelyek nem képesek mélyebb értelemre vagy önálló irányításra.
Ez az esszé tehát mind elméleti, mind gyakorlati szinten azt a nézetet képviseli, hogy az AI eszközként értékes, de az emberi részvétel az, ami a tudást valódi megértéssé és további kutatási lehetőséggé alakítja.
