Andrew Ng, Geoffrey Hinton és Fei-Fei Li az AI emberi korlátairól

Az AI sok feladatot elvégezhet, de nem ismeri a vállalat kontextusát

Az Ai4 rendezvény egyik kiemelt programja Andrew Ng, Geoffrey Hinton és Fei-Fei Li beszélgetése volt. A résztvevők az AI munkahelyekre, szabályozásra, oktatásra és a technológia jövőjére gyakorolt hatásáról beszéltek.

Geoffrey Hinton szerint a rutin jellegű szellemi munkát az AI fogja elvégezni. Andrew Ng ehhez azt tette hozzá, hogy az emberek hosszú ideig alapvető kontextuselőnnyel rendelkeznek. A Vespa értelmezése szerint ez nem feltétlenül ellentmondás.

Az AI egyre több rutinszerű kognitív feladatban használható, de a modellek nem ismerik automatikusan egy szervezet működését, ügyfeleit, üzleti céljait, kapcsolatait és kimondatlan szabályait. Egy javaslat lehet hihető, mégis működésképtelen egy adott vállalatnál. Az ember gyakran éppen a felhalmozott tapasztalat alapján ismeri fel ezt.

A munka átalakulása többféleképpen mehet végbe

A beszélgetés résztvevői egyetértettek abban, hogy az AI megváltoztatja a munkát, a változás pontos formájáról azonban eltérően beszéltek. Ng szerint a fejlesztők egyre több részfeladatot automatizálnak, miközben szélesítik a felelősségi körüket. A szűkebb specializáció helyett egyre inkább olyan teljes körű építőkké válhatnak, akik egy termék nagyobb részét is képesek átlátni.

Hinton a rutin szellemi munka, például a telefonos ügyfélszolgálatokon végzett feladatok miatt aggódik. Szerinte a korábbi technológiai változásokkal szemben itt kevésbé egyértelmű, hogy az érintett dolgozók milyen következő munkakörökbe léphetnek tovább.

Li a munkát feladatok összességeként írta le. Egyes feladatok automatizálhatók, mások változatlanok maradhatnak, és olyanok is lehetnek, amelyekre az emberek több időt fordítanak, miután a monoton részek felgyorsultak. A Vespa szerint ez olyan munkát jelenthet, amelyben a fejlesztő kevesebb sablonkódot ír és több rendszert tervez, a marketinges kevesebb első vázlatot készít és több stratégiával foglalkozik, az ügyfélszolgálati munkatárs pedig kevesebb rutinkérést és több összetett beszélgetést kezel.

A nagyobb termelékenység önmagában nem jelent közös jólétet

Fei-Fei Li egyik fő állítása szerint a növekvő termelékenység nem vezet automatikusan közösen élvezett jóléthez. Hinton olyan jövőt vázolt, amelyben az AI jelentősen növeli a termelékenységet, a kérdés azonban az, hogy a szervezetek miként használják fel ezt a többletet.

Az AI segítségével egy dolgozó sokkal több munkát végezhet el. Ebből új lehetőségek, szélesebb felelősség, jobb ügyfélkiszolgálás vagy létszámcsökkentés is következhet. A Vespa szerint ezek üzleti döntések, nem pusztán technológiai eredmények.

A keynote oktatásról szóló része hasonló következtetésre jutott. Li szerint a tanulás lényege az önálló cselekvőképesség és a motiváció, Hinton pedig az egyénre szabott oktatást nyújtó AI-tanárok lehetőségéről beszélt. A beszámoló alapján az AI célja az emberi képességek erősítése lehet, nem az emberi ítélőképesség eltávolítása a folyamatból.

A nyitottság kérdése nem egyszerűen nyílt vagy zárt

Hinton különbséget tett a nyílt forráskód és a nyílt súlyok között. Előbbi a kód közzétételét jelenti, hogy mások megvizsgálhassák és továbbfejleszthessék, utóbbi pedig a betanított modell kiadását, amely lehetővé teszi annak letöltését, finomhangolását és átalakítását.

Hinton korábban ellenezte a nyílt súlyok kiadását, mert ez szerinte jelentősen csökkentette a nagy teljesítményű modellek káros célú átalakításának költségét. Ugyanakkor úgy látja, hogy a komoly képességű nyílt súlyú modellek már megjelentek.

Ng a versenyképességet emelte ki, és a DeepSeek, valamint a Moonshot Kimi K3 modelljeit hozta példaként. Li szerint a nyitottságot nem bináris kérdésként kell kezelni. Ahelyett, hogy azt kérdeznénk, nyílt vagy zárt legyen-e az AI, azt kell mérlegelni, mi legyen nyitott, kinek és a technológiai rendszer melyik rétegében.

A Vespa szerint ez a vállalati AI esetében is fontos szempont. A modellek, a keresési és visszakeresési rendszerek, az üzleti logika, az adatok, az értékelés és az alkalmazások eltérő nyitottsági, irányítási és ellenőrzési követelményeket támaszthatnak.