Tavaly decemberben a Google meghirdette a mesterségesen intelligens ágensek korszakát, idén júliusban pedig az OpenAI bemutatta a ChatGPT ágenst, ami már olyan praktikus feladatokat is képes elvégezni, mint az ételrendelés vagy a prezentációkészítés. Lassan tényleg úgy tűnik, hogy beköszönt az AI-ágensek korszaka, de milyen előnyökkel és kockázatokkal jár mindez, és hol tartunk most?

Az AI-ágensek kifejlesztése fontos lépés a mesterséges általános intelligencia (AGI) felé, mondja Gyevnár Bálint, az Edinburgh-i Egyetem végzős doktorandusza, aki az AI-biztonság területén folytat kutatásokat. Az AI-ágensek, amik egy általunk megadott cél elérése érdekében különböző cselekedetekre képesek, a szakember szerint a jövőben teljesen átírhatják, hogy miként gondolunk a tudományra, de ha nem vigyázunk, alá is áshatják az abba vetett bizalmat.

Míg a heti szinten több százmillió ember által használt chatbotok egy promptra generálnak egy választ, az AI-ágensek egy általunk megadott, hosszabb távú célt próbálnak elérni, mindenféle rendelkezésükre álló eszközzel – az internet böngészésével, fájlok letöltésével, kódírással, táblázatszerkesztéssel és prezentációkészítéssel. De ma már a chatbotokat működtető AI-modellek sem egészen olyanok, mint a ChatGPT 2022-es debütálásakor.

Hol tartanak most az AI-modellek?

A jelenlegi legjobb AI-modellek, mint a GPT-5 Thinking, a Gemini 2.5 Pro, a Grok 4 vagy a Claude 4 mind nagy érvelő modellek (Large Reasoning Models, LRMs). Ezek Gyevnár szerint továbbra is a nagy nyelvi modellek (large language models, LLMs) által meghonosított, a következő szót megjósoló architektúrán alapulnak, egy fontos különbséggel. Az érvelő modelleknél ugyanis magasabb szintű strukturális vezérlők próbálják rávezetni a rendszert arra, hogy bonyolultabb kérdéseket alkérdésekre bontson le, és azokat egyenként oldja meg, majd foglalja össze (Chain of Thought prompting).

A legfejlettebb AI-modellek képességeit, amik a teszteken már néhol megközelítik az emberét, Gyevnár lenyűgözőnek tartja. Ugyanakkor szerinte nemcsak az a lényeges, hogy a modellek milyen pontszámokat érnek el, hanem az is, hogy egy matekpélda megoldásához vagy egy program megírásához mennyi időre van szükségük. A szakember álláspontja így Terence Tao ausztrál-amerikai matematikuséhoz áll közel, aki szerint a mai AI-modellek teljesítménye nem bináris (képesek rá/nem képesek rá), hanem nagyban attól függ, hogy milyen erőforrásokat és eszközöket, valamint mennyi számítási időt kapnak a feladat befejezéséhez. „Ha a fantasztikus modelled három nap alatt képes megoldani egy problémát, és eközben ehhez a Google egész számítási infrastruktúráját felhasználja, akkor az nem túl hasznos” – vélekedett tavaly Tao.

„Ha megkérdeztünk volna valakit tíz évvel ezelőtt, hogy a mostani rendszerek AGI-ok-e, akkor szerintem sokan azt mondták volna, hogy akár igen” – mondja Gyevnár, amiből jól látszik, hogy mennyire változik az, hogy mit tekintünk AGI-nak. Bár a mai rendszerek okosan válaszolnak kérdéseinkre, jól írnak kódot, és a matematikai feladatok megoldásában is egyre ügyesebbek, ha a valós életben akarnánk őket használni például ruhateregetésre, képtelenek lennének megoldani a feladatot. Az továbbra is nyitott kérdés, hogy a mesterséges általános intelligencia eléréséhez nagyon fejlett kép, videó és hangfeldolgozással bíró „megtestesült” AI-ra (embodied AI) van-e szükség, vagy elég hozzá egy, csak a digitális térben létező AI-rendszer is.

Emergens tulajdonságok és eltitkolt célok