Az általános mesterséges intelligencia (AGI) eljövetele elsősorban nem technológiai, hanem definíciós vagy filozófiai kérdés: mit nevezünk egyáltalán intelligenciának? Vajon tényleg képesek gondolkodni a legfejlettebb mai nagy nyelvi modellek (LLM), vagy csak az emberi ésszel felfoghatatlan adatmennyiségükkel álcázzák a belső logikai bukfenceket? Miért van az, hogy a matematikusok már csak néhány évig érzik biztosnak a szakmájukat, mielőtt az AI szinte mindenben felülmúlja a képességeiket, miközben a ChatGPT naponta emberek százezreinek hazudozik magabiztosan („hallucinál”) egyszerű tényekről?

A hétfő este a margitszigeti Kristály Színtérben megrendezett 13. Qubit Live az AGI, valamint a nagy nyelvi modellek (LLM) képességeit és korlátait, illetve a mesterséges intelligencia (AI) berobbanásának tőkepiaci hatásait járta körül.

Az elhangzott előadásokból és a kerekasztal-beszélgetésből egyértelműen kirajzolódott, hogy a mai AI-rendszerek hiába magolták be szinte a teljes emberi tudásanyagot, a valódi megértéstől és a rugalmas logikától még messze állnak. Az előttünk álló évek legnagyobb kérdése így nemcsak az, hogy miként tudunk együttélni egy nálunk sokszorosan nagyobb adatbázisú idegen intelligenciával, hanem az is, hogy a világ mikor józanodik ki a technológiát övező elképesztő tőkepiaci mániából.

Alig van pozitív, működőképes víziónk az ember–gép együttélésről

Az estet Pintér Róbert szociológus-politológus, a Corvinus Egyetem docense azzal a felvetéssel nyitotta meg, hogy az AI körüli diskurzus alapvetően rossz irányból közelít a témához. Szerinte az emberek többsége abból indul ki, hogy amit a technológia meg tud csinálni, azt előbb-utóbb meg is fogja, ez azonban szerinte – szerencsére – nincs így. „Nincs értelme versenyezni a gépekkel. Csak idő kérdése, hogy mindenben jobbak legyenek az embernél” – mondta, hozzátéve, hogy épp ezért az igazi kérdés nem az, mire képes az AI, hanem hogy mi, emberek hogyan döntünk a használatáról. Pintér szerint így a gép és az ember versenye helyett az együttműködésre kellene helyezni a hangsúlyt. Ennek lehetőségeit az előadó a „Human and the Loop" keretrendszerben látja, amely négy lehetséges együttműködési módot különböztet meg: a technológia kizárásától (Human-only-Loop) a közös munkán (Human-in-the-Loop) és az emberi felügyeleten (Human-on-the-Loop) át az automatikus vagy autonóm működésig (Human-out-of-the-Loop). Pintér hangsúlyozta: az automatizáció csak az egyik lehetséges mód – nem cél minden folyamatot gépre bízni.

Kutatásaiban előkerül az „imagination gap” fogalma, amely szerint a disztópikus jövőképek részletesen kidolgozottak és széles körben elterjedtek, miközben pozitív, működőképes vízióink alig vannak arról, hogy milyenné szeretnénk tenni az ember–gép együttélést. A taxisofőrök például hosszú éveken át azt gondolták, hogy az önvezető autók hamarosan elveszik a munkájukat, de az AI-fejlesztés időközben irányt váltott, és ők azóta is taxiznak. Pintér felidézett egy 2012-es előrejelzést is, amely szerint a gépek a művészekért jönnek majd el legutoljára, ezt azonban épp a generatív AI robbanása állította a feje tetejére. Kutatásai szerint sok területen megjelenik az úgynevezett optimizmus-torzítás: az emberek általában azt gondolják, hogy saját szakmájuk összetettebb másokénál, de valójában kiszámíthatatlan, hogy milyen képességekben fejlődik óriásit a mesterséges intelligencia. Ezt gyakran a cégek sem érzékelik: az „AI-washing” ma már jól látható jelenség, amely során elhamarkodottan bocsátják el a munkavállalókat a mesterséges intelligenciára hivatkozva, de gyakran előfordul, hogy kénytelenek őket visszavenni, mert rájönnek, hogy a technológia önmagában, emberi irányítás nélkül nem működik.

Ez a jelenség magyarázhatja azt a gazdasági termelékenységi paradoxont is, amely a későbbi kerekasztal-beszélgetés során került elő: ha az AI az egyén szintjén akár 20-30 százalékos hatékonyságnövekedést is hozhat, miért látszik a makrogazdasági adatokban 2022 novembere, a ChatGPT megjelenése óta mindössze egy szerény, 0,5-1 százalékos javulás? Pintér szerint azért, mert nem az eszköz a lényeg, hanem a folyamatok átalakítása és a csapatok együttműködése. Mint elmondta, az AI történetét végigkíséri, hogy a gép által megoldott feladatokkal és problémákkal az emberek állnak elő, és a jövőben is az lenne a kívánatos, hogy az ember és AI kapcsolatában a célokat mindig az ember jelölje ki.

Arra a kérdésre, hogy miként tudnánk hosszú távon együttélni egy nálunk fejlettebb szuperintelligenciával, a kutató Szertics Gergely 2024 végén megjelent könyvéből (Mi lesz velünk?) említett két idézetet: „Nem háborúzunk tyúkokkal”, illetve „nekünk kell lennünk a mesterséges intelligencia szent tehenének”. Előbbi arra utal, hogy ahogy a tyúkoktól sem várható el, hogy fellázadjanak és szisztematikusan megpuccsolják az emberiséget, úgy az AGI ellen sem lesz esélyünk harcolni, ezért inkább az együttélés konstruktív módjaira érdemes koncentrálni, míg utóbbi arra vonatkozik, hogy jó esetben az AGI nem eltörlendő, felesleges lényként tekint majd ránk a jövőben, hanem bele lesz programozva, hogy az embereket hagyja békén. „Azt, hogy a tehén hogyan intézte el, hogy bekerüljön a szent könyvekbe, azt nem tudjuk”, mondta, de valami hasonlót kell elérnünk a békés együttélés érdekében.

Mi köze a sakknak és a pörköltnek az AI gondolkodásához?

Kocsis Levente matematikus, a HUN-REN SZTAKI tudományos főmunkatársa az AI keresési algoritmusainak fejlődéstörténetén keresztül mutatta be, hogyan jutottunk el az IBM Deep Blue sakkozógépétől a mai nagy nyelvi modellekig. Az 1997-ben Garri Kaszparovot legyőző gép még kifejezetten sakkra optimalizált algoritmusokon alapult, amelyek más játékokban csődöt mondtak volna. A fordulópontot a Kocsis és Szepesvári Csaba által 2006-ban bemutatott UCT algoritmus és a Monte-Carlo-fakereséssel kombinált mélytanulás hozta el: erre alapult a DeepMind AlphaGo programja, amely a sakknál jóval összetettebb go játékban is legyőzte a legjobb emberi játékosokat – először 2015-ben az Európa-bajnokot, Fan Hujt, majd 2016-ban a világ egyik legjobbját, I Szedolt, még egy évvel később pedig az abszolút legerősebb játékosnak tartott Ko Csiét is.

Ma ezeket a fakeresési technikákat az LLM-ekbe és az érvelő AI-modellekbe is beépítik: ahelyett, hogy a modell egyből válaszolna, először egy lehetséges gondolati lépésekből álló fát épít, majd Monte-Carlo-kereséssel választja ki a legjobb útvonalat. A dolog szemléltetésére Kocsis egy sakktábla-állást mutatott, amelyről az AI-nak meg kellett mondania, miért szabálytalan. A ChatGPT és a Gemini nagyon jól megértette a problémát, tudta a szabályokat, de amikor arról volt szó, hogy az állás szabályos-e vagy sem, csődöt mondott, és jelentős rávezetés kellett, hogy válaszolni tudjon. Kocsis szerint ez olyan, mint a főzés: előre ki kell gondolnunk a lépések sorozatát, hogy a végén egy finom pörköltet kapjunk.

A matematikus szerint a jelenlegi AI-modellek korlátai egyértelműek: ha nincs jó belső kiértékelésük arról, hogy a gondolatmenet jó irányba halad-e, eltévednek a hatalmas lehetőséghálóban. Ráadásul a reális környezettel való interakcióhoz szükség lenne egy belső szimulátorra. Míg a sakk zárt világában ez működik, a kiszámíthatatlan fizikai valóságban (például az önvezető autók esetében) rendkívül nehéz felépíteni, mert a külső környezetet nem lehet úgy felgyorsítani és tesztelni, mint egy sakkpartit. Kocsis a kerekasztal során hozzátette: emiatt szkeptikus azzal kapcsolatban, hogy a modellek tisztán rekurzív önfejlesztése ezen az úton elvezethet a valódi AGI-ig.

Az AI nagyon másképp hibázik, mint az ember

Jelasity Márk, a Szegedi Tudományegyetem Mesterséges Intelligencia Tanszékének vezetője még eősebben világított rá a jelenlegi rendszerek esendőségére. Kiemelte, hogy a mai AI-modellek mind tisztán adatalapon, felügyelt tanulással működnek: ha azt akarjuk, hogy meg tudjon különböztetni egy kutyát egy macskától, adni kell neki egymillió kutya- és egymillió macskaképet, és rájön a mintázatra. Ez a megközelítés azonban elrejti a belső konzisztencia teljes hiányát – azt már nagyon nehéz elmagyarázni egy ilyen modellnek, hogy mi az, ami se nem macska, se nem kutya.

A modellek tehát valójában a szabályokat sem értik, csupán 99,9 százalékos pontossággal megtanulták a szövegekből, hogy az emberek mit szoktak válaszolni. Emiatt az AI egészen máshogy hibázik, mint az ember: végtelenül furcsán és kiszámíthatatlanul. Ha például megadunk neki egy teljesen értelmetlen, zagyva szöveget, a biztonsági korlátok összeomlanak, és a gép azt is készségesen elmagyarázza, hogyan kell bombát készíteni. Jelasityék kutatásai azt is bizonyították, hogy a modellek képtelenek a következetességre, és elhasalnak a legegyszerűbb prímteszteken vagy tükörképeken is – hiába ismer fel egy kutyáról készült fotót, ha ugyanazt a képet megtükrözzük, már nem biztos, hogy kutyaként azonosítja.

Ahogy azt Tóth András, a Qubit újságírója a kerekasztal-beszélgetésen felvetette, a legújabb szuperintelligencia-teszten (ARC-AGI 3) a legfejlettebb AI-modell is éppen csak átlépte az 1 százalékos eredményt, amire Jelasity elmondta: nagyon fontos, hogy folyamatosan frissítsék a modellek képességeit mérő módszertant. Ugyanis a korábbi tesztek fix kérdéshalmazokra épültek, de azok idővel bekerülnek a modellek tanulóadatai közé, vagyis azt is bemagolják, és később gond nélkül visszamondják a helyes válaszokat. Az új tesztkörnyezetekben ezért új típusú, kreatívabb feladatokon keresztül kell felmérni, hogy valóban érti-e a problémákat. A kutató szerint az AI „fejében” gyakorlatilag minden ott van, amit az emberiség valaha leírt, lefényképezett, vagy levideózott, de ebből még nem következik, hogy érti is a világot.

A kerekasztal során szóba került az OpenAI új kísérleti modelljének matematikai áttörése is: egy közel 80 éve nyitott Erdős-problémát sikerült megcáfolnia önállóan. Jelasity azonban árnyalta a képet: bár egy nehéz Erdős-probléma megcáfolása lenyűgöző, szerinte ez nem egyedül a gép munkája volt, hiszen magát a problémát sem a modell találta ki, és azt sem, hogy ezzel foglalkozni kellene – erre emberektől kapott egy meghatározott promptot. Az eredmény szerinte a matematika zárt rendszerének köszönhető, ahol az AlphaZeróhoz hasonló fakereséses megerősítéses tanulás kiválóan működik.

Felidézte azt a Szegedy Krisztián akadémiai székfoglalójában elhangzott jóslatot is, miszerint 2030-ra munkanélkülivé válhatnak a matematikusok, mert ezen a területen lesznek az elsők között jobbak a modellek az embereknél. Szegedy a tavaly októberi beszédében úgy saccolta, hogy körülbelül egy másodéves doktorandusz szintjén állhatnak a legfejlettebb AI-modellek. Jelasity a gyakorlatban is látja ezt a robbanást saját doktoranduszainál, akik az AI-eszközökkel akár tízszer annyi munkát végeznek el egységnyi idő alatt, mint korábban. Ehhez azonban szintén elengedhetetlen az emberi kreativitás: „Az egyetlen dolog, amit még nem tudnak, hogy merre kéne menni. De nagyon gyorsan tudnak menni” – mondta a modellek képességeiről.

Lufi is, meg nem is

A rendezvény gazdasági fókuszú blokkjában a Concorde Értékpapír Zrt. szakértői, Jónap Richárd és Móró Tamás a számok és a piaci trendek nyelvére fordították le az AI-lázat. Izgalmas történelmi párhuzammal indítottak: összevetették az ezredfordulós dotkomlufi idején látott piaci folyamatokat a mai technológiai szárnyalással. Rámutattak, hogy bár az internetes korszak hajnalán megfogalmazott hosszú távú víziók végül szinte kivétel nélkül beigazolódtak, a tőkepiaci mánia túlkapásai miatt a vezető technológiai szektor a csúcspontja után mindössze két és fél év alatt elveszítette értékének több mint 80 százalékát.

A mostani helyzet annyiban más, hogy az AI-trendet bizonyítottan nyereséges, gigantikus cégek vezetik, ám a piaci koncentráció ijesztő méreteket öltött. A friss adatok alapján az S&P 500 index felső 19 cége adja a teljes piac több mint 50 százalékát, és ebből 12 vállalat érintett az AI-versenyben. Ennél nagyobb koncentrációt a tőkepiacok történetében mindössze egyszer, 1881-ben láttunk, amikor a vasúti társaságok a teljes piac 63 százalékát birtokolták.

A stratégák rávilágítottak egy egészen elképesztő iparági anomáliára is. Az AI-modellek brutális számítási és memóriaigénye miatt a memóriachip-szektor szó szerint berobbant. Miközben a hagyományos iparágak stagnálnak, a mesterséges intelligenciához elengedhetetlen HBM-memóriákat gyártó Micron elképesztő, 215 százalékos szárnyalást mutatott be, de a szektor többi szereplője is messze az átlag felett teljesített.

Ezek a folyamatok már teljes nemzetgazdaságokat képesek felemelni: Tajvan nagyrészt az AI-chipgyártásnak köszönhetően példátlan, 14,55 százalékos GDP-növekedést produkált 2026 első negyedévében az előző év azonos időszakához képest, míg a dél-koreai SK Hynix a memóriachip-dominanciájának köszönhetően idén várhatóan 130-140 milliárd dolláros profitot termel majd, miközben az AI-boom előtt rendre veszteséges volt.

De vajon buborék-e az AI? A Concorde szakértői szerint maga a technológia használata nem az, a beruházási oldalon viszont komoly lufi alakult ki, mert az extraprofitok történelmileg sosem fenntarthatók. Amikor kiépül valamilyen óriási globális kapacitás (legyen szó a 19. századi vasútról, az ezredfordulós optikai kábelekről vagy a mai chipgyárakról), a fix tőkeállomány versenyezni kezd egymással, ami óhatatlanul lenyomja az árakat. Ekkor a profit a fejlesztőktől és a hardvergyártóktól átkerül a végfelhasználókhoz. A legnagyobb kockázat a monetizációs ciklus rövidsége: a cégek olyan gyorsan diszruptálják egymást, hogy szinte nincs idő pénzzé tenni a méregdrága beruházásokat. A szakértők szerint rendkívül intenzív tőzsdei időszak előtt állunk.

Orvosként megbíznánk az AGI-ban, bíróként nem

Ahogy az előző, szintén AI-központú Qubit Live-on, úgy a hétfői rendezvényen is az Ezüst Medve-díjas Kizlinger Lilla és DJ Nora Matisse volt a két művészvendégünk. Kizlinger ezúttal kézfeltartásos játékban mérte fel, hogy a közönség tagjai mire használják az AI-t, és hogyan viszonyulnának az AGI-hoz. Mint kiderült, egész sokan diagnosztizálják magukat chatbotok segítségével vagy használják azokat a Google kereső helyett, de kevesen vallották azt, hogy barát vagy terapeuta helyett folytatnának beszélgetést chatbotokkal, illetve szexuális jellegű tanácsokat is csak kis százalékban fogadnának el mesterséges intelligenciától, hiába rendelkezik minden elérhető információval a témáról.

Az AGI iránti bizalom a játék második része alapján még nem túl nagy, legalábbis a rendezvényen megjelentek körében: míg egy bizonyítottan szinte tökéletes orvos AGI-ra sokan bíznák rá magukat, egy gépi szuperbíró ítéletét jóval kevesebben fogadnák el. És bár nagyjából fele-fele arányban jelezték a közönség tagjai, hogy szívesen elolvasnának egy AGI által írt regényt, jóval többen jelezték, hogy csalódnának, ha kiderülne kedvenc könyvükről, hogy nem ember írta.

Egyelőre tehát nem látszik nagy konszenzus abban, hogy az emberek miként viszonyulnának az AGI megjelenéséhez és ahhoz az új helyzethez, hogy több százezer év után először nem a Homo sapiens rendelkezne a legfejlettebb intelligenciával a Földön. Igaz, ahogy Jelasity Márk megjegyezte: ha ez bekövetkezne, az azt is jelentené, hogy másodrendű lényekként talán nem is tudnánk eldönteni, hogy létezik-e már szuperintelligencia – a kérdés tehát lehet, hogy örökre nyitva marad.

Az estet a Concorde Értékpapír Zrt. támogatta.